抢红包的大学问

本篇文章1561字，读完约4分钟

微信已经逐渐成为一种网络文化。当你不同意时，送红包并不罕见。然而，当人们抢红包时，你会考虑如何抢得更多吗？一个幸运的红包，拿得最多的和拿得最少的之间的差别可能是几十倍甚至几百倍。有什么规则可寻吗？

我们发现了微信红包的程序原理。按照正常的程序，最简单的获取红包的方法是将红包的总量随机分配给几个人。然而，微信是不同的，所以第一个人必须只画0.01元到20元。五个人抢50个红包，20元是多少？《微信红包架构设计介绍》中说，每个人最多能抢到当前余额平均值的两倍。

虽然我们不明白微信为什么要制定这套规则，但我们不妨用数据来测试一下这条规则是否正确。以下是用数学原理进行的抽样分析，科学和工程专家可以理解。像边肖这样的数学只是一个生动的形象。原则如下:

(1)检查第一个人抓取的数量是否服从均匀分布。

简化:抓取红包的问题是(￥0.01，￥0.02，…)的离散分布。这里，我们测试均匀分布，并将其视为连续分布近似。首先，我们第一次分析每个人的数据，进行kolmogorov-smirnov检验，并使用累积分布函数检验第一个人提取的金额是否服从均匀分布。假设检验都通过了，得到了一个类似的结论:“当比刀第一次抓取时，比刀抓取的量被确定为均匀分布”。

(2)检查是否有人格因素的干扰。

为了考察在五个人第一次抢夺时是否存在导致抢夺量分布差异的个人因素，进行了安德森-达林克样本检验，发现不存在这种情况。因此，在红包数量足够的前提下，不存在面子皇帝的光环。

(3)抓取的数量是否从多少到多少均匀分布？

最小值必须是0，因为众所周知，有些人无论红包多少都只能拿1美分。根据统计推断点估计理论中的最大似然估计，参数的最大似然估计是最大的。在我们的210组红包抓取数据中，第一个人抓取的金额最大，为19.88元。然而，最大似然估计往往被低估，所以采用贝叶斯估计。先验分布为共轭帕累托分布，后验均值为Mn/(n-1)= 210/(210-1)* 19.88 = 19.975。基本上，从统计上可以得出结论，均匀分布的右端点是20。

(4)抢在后面的人服从0.01~ 2倍剩余均值的均匀分布吗？

根据第一人的均匀分布，我们可以推导出第二人的分布密度函数，并通过类似的方法进一步检验第二人抢劫的数额是否符合这个密度函数。测试也通过了，第二个人的数量服从残差均值的0.01~ 2倍的均匀分布。当然，从算法的简单性来看，微信不太可能为第一次攻击和第二次攻击设置不同的算法规则。因此，我们有理由相信微信红包是根据这一规则设计的。

至此，我们基本上可以给出微信设计的红包规则:

每个人能抓取的量服从0.01到2倍剩余平均值之间的均匀分布。

5个人抓50块:第一个人可以抓到2*50/5=20元，例如，他抓了5元，此时还剩45元；第二个人最多可以抢到2*45/4=22.5元。例如，他这次拿走了12元，留下了33元；第三个人最多可以抢到2*33/3=22元，例如，他抢到17元，此时还剩16元；第四个人最多能拿2*16/2=16元，他和第五个人分16元。

因此，我们总结了微信抓取红包的基本规则。

规则:每个人能攫取的数量服从“0.01到2倍剩余均值”之间的随机分布。

平均值:不管第一次抓取和第二次抓取，平均值都是一样的。

标准差:抓取后的标准差较大，可以抓取超大红包或超小红包。

最大/最小:第一个不能抓住大红包，第二个可以抓住超大红包。

好运:它与红包的数量有关。

风险偏好:如果你想稳稳抓住它，先抓住它；如果你喜欢拿超大的红包，以后再拿。

“幸运的最佳红包”游戏:如果你发送红包，你稍后会抓住它们，如果你发送红包，你会在中间抓住它们，如果你发送很多红包，你会先抓住它们。

我没想到抓红包会成为一种文化。经过以上分析，我终于知道如何去抢红包了。

来源：罗马观察报