最新口令码敬请期待哦！ 戳这里兑换>>

　　不知从何时开始，流行起了一种非常非常坏的风气：一旦有奶量分享的，如果力智高，三攻低，就会有人跳出来嚷着：“你是虚胖奶!”且不说，这种不负责任的言论会对奶系玩家的积极性造成多大的打击，就算只论事实，所谓的“虚胖”也是不对的。

　　何为虚胖?

　　没有达到面板期待应有的效果，才能叫虚胖。

　　比如，一个全身遴选+残香都洗出面板，9000智力硬是洗成万智奶的，这种才算得上是虚胖。

　　而所谓的力智/三攻关系，充其量只能算是选择的不同，实际提升率并没有太大的差别。这肯定不能算是虚胖。

　　为了正本清源，我认为非常有必要直接进行一个科的普，将三攻和力智的提升率关系以较为详细的方式写出。

　　那么闲话少叙，我们开始吧!一如既往，嫌计算过程麻烦的读者可以直接跳到第四步，直接查看结论。

　　1.研究方法概述

　　由于引入奶系词条势必会造成大量繁复的计算，因此我们在这里暂且只进行力智-三攻的转化比较。

　　概述之，我们研究的目标即为：在相同的提升率的前提下，力智-三攻之间的关系。

　　为了达成这个目标，我们首先需要将力智、三攻对C的提升率分别计算出。

　　然后根据所得的数据，求得相同提升率下的三攻和力智的转化关系。并根据该数据组，进行线性回归分析，最终得到三攻-力智的转化系数。

　　2.研究过程首先请出今天的模特：

　　全身红12，武器红13，无武器精通的光兵，符合一般人心中高打造C的标准。

　　系统奶如下：

　　则我们可以计算出面板+系统奶的数额为6025+16334=22359。

　　设定奶系buff如下：

　　力智：70000~100000之间，每5000设置一个区间点;

　　三攻：2800~4600之间，每200设置一个区间点。

　　就得到了下表：

　　由于计算公式的原因，显然可知，奶系的提升率依然遵守最基本的线性关系。因此使用固定数额对其趋势进行线性分析是可行的。我们将奶量根据力智分为7个档位，每档再分别适配三攻，就能得到提升率如下：

　　规整化后，将其转化为直观的折线图形式，有：

　　容易观察到，各数据在10.0提升率左右都有交点(10W力智组除外)，则在10.0提升率附近取各组数据，得到如下图表：

　　3.数据处理

　　在这一步，由于我们已知，奶量大致遵照线性提升的关系，存在边际效益，但扰动并不明显。因此实际上我们可以利用统计学对其进行线性回归分析。

　　但注意到一个较为明显的问题，即10W力智和9.5W力智情况下，其对应坐标并不严格符合10.0±0.1的范畴，因此统计时必须考虑这两个数据点对线性归回分析的干扰。

　　所以，我们首先对包含全体数据的图表进行线性回归分析，得到结果如下：

　　容易观察到，此处的三攻-力智转化系数为16.4左右。即：每1点三攻的提升率，可以等效为16.4点力智。

　　但注意，前文中我们已经提及，10W力智和9.5W力智的情况下，对应的三攻图表并不能很好地符合10.0±0.1提升率的区间。并且，我们观察到，线性回归方程的终点并不能很好地符合70000+4600这个实际上符合的点。

　　因此，我们要手动去掉这两个提高干扰因素的数据，重新进行线性回归计算，得到如下结果：

　　这次我们得到了14.5左右的系数，即是说，每1点三攻的提升率，可以等效于14.5点力智。

　　而根据此数据，我们调整提升率至11.0±0.1范围，再次对其进行线性回归分析，从而验算、得到数据如下：

　　可以看到该数据和10.0提升率下的三攻-力智回归方程符合得很好。

　　作为最后一步验算，再以笔者自己的奶萝来举个例子：

　　93206+3921，可以转化为80000+4829(极限三攻)的奶量。

　　当然，也可以转化为103697+3200(极限力智)的奶量。

　　我们按照第一步中的模板进行提升率计算，可以得到：

　　可以看到，这是一个基本符合我们预期的数据。

　　对于高力智、低三攻下的提升率降低的现象，亦可以联系此前10W力智和9.5W力智区间的数据浮动，从而得出比较合理的解释：低三攻下，三攻的边际效益降低，力智的边际效益提高。两相抵消之下，需要适当调高三攻转化为力智的系数。但是注意：即使是在如此畸形的情况下，提升率的差距依然非常非常小。11.22倍和11.45倍之间的差别，甚至还没有遴选两件不满和两件满的差别大!

　　我们将其系数调整为18，即得到的数值为106184+3200，再次进行计算，得到的结果如下：

　　可以看到，其数额已经很符合我们的预期，因此可以在统计学上认为这个数值是正确的。

　　4.结论

　　当奶量加成在8.0/3200以上时，力智/三攻之间可以以14.5的比率进行互相转化。

　　在三攻低、力智高时，三攻→智力的比率可以适当提高至18左右;

　　那么如何判断你的奶量是否处于“正常”的标准呢?换句话说，如何确定你没有偏科呢?

　　其实，只要你的奶量的坐标处于提升率表中回归方程直线附近，就说明你已经是比较正常的奶量了。