什麼是勝率計算機？
勝率計算機能告訴你在所有對戰、比賽或嘗試中，有多少百分比是以勝利收場。它廣泛應用於電玩與電競（例如排位賽、MOBA、射擊遊戲）、傳統運動、交易，以及任何能把結果區分為勝與敗的情境。掌握自己的勝率，就等於擁有一個單一且可比較的數字，方便你長期追蹤自己的進步。
使用方法
輸入你贏的場數與輸的場數，就能立即看到結果。計算機會回傳你的勝率百分比、敗率，以及納入統計的總對戰場數。請只計入已分出勝負的場次——除非你想把平手或未完成的對戰當成敗場，否則應將它們排除。
公式說明
勝率就是勝場在總場數中所佔的比例：
分母是總對戰場數，乘以 100 即可把比例換算成百分比。敗率則是勝率的「補數」，因此在只計算勝場與敗場時，勝率加上敗率必定等於 100%。
實際範例
假設你在排位賽中贏了 27 場、輸了 13 場。總場數 = 27 + 13 = 40。勝率
解讀您的勝率
勝率就是您在已決出勝負的遊戲中所贏得的比例：勝率 = \dfrac{W}{W + L} × 100%。一旦您了解分母的含意，這些區間就易於理解。
- 恰好 50% — 損益平衡。您贏的遊戲數和輸的遊戲數相同。大多數競技配對系統（Elo、Glicko 及建立在其基礎上的 MMR 變體）會配對估計實力相似的玩家，因此評級正確的玩家傾向於長期內收斂到大約 50%。因此，50% 的勝率通常意味著「系統目前評估我的實力是正確的」，而非「我沒有進步」。
- 高於 50% — 淨上升。在您測量的樣本中，勝場多於敗場，因此評級或排名向上移動。
- 低於 50% — 淨下降。在該樣本中敗場多於勝場。
該數字不包含的內容。勝率是計數的比率，不包含您面對的對手的任何信息。兩個勝率相同為 55% 的玩家可能面對完全不同的對手。在 Elo/MMR 樣式的梯級中，您每場遊戲獲得的評級取決於您和對手之間的評級差距：擊敗更高評級的對手會獲得比擊敗較低評級對手更多的積分，而輸給較低評級的對手會扣除更多積分。因此，針對持續更強的對手獲得的 55% 勝率可能會產生比針對較弱對手的 60% 勝率更多的評級增益。勝率也不說明玩家池中的等級膨脹或縮水，也不說明新手帳號、迴避隊列或混入相同計數中的未排名/非競技遊戲。
樣本大小和誤差幅度。將每場遊戲視為獨立的勝/負試驗，在 n 場遊戲上觀察到的勝率 p 的標準誤為
在 p = 0.50 和 n = 25 時：SE = √(0.25/25) = √(0.01) = 0.10，即一個標準誤約為 ±10 個百分點 — 在 25 場遊戲中 60% 的勝率對於 50% 的玩家來說統計上是尋常的。在 n = 100 時：SE = √(0.25/100) = 0.05，約 ±5 個百分點。在 n = 400 時：SE = √(0.25/400) = 0.025，約 ±2.5 個百分點（大約 ±3）。精度隨著遊戲數量的平方根改善，因此將樣本四倍增加會使不確定性減半。傳統的 95% 區間大約是 ±2 個標準誤，在 25 場遊戲時涵蓋約 ±20 個百分點。
此公式假設遊戲是獨立的且來自穩定的技能水平；長會話、補丁更改和條紋式配對都在某種程度上違反該假設，因此應將該圖表視為您的數字中有多少噪音的粗略刻度，而不是精確的信心聲明。
常見情景中的勝率
下面的每一列都以 \dfrac{W}{W+L} × 100% 計算；敗率是補集，100% - 勝率。
| 勝場 | 敗場 | 總遊戲 | 勝率百分比 | 敗率百分比 | 備註 |
|---|---|---|---|---|---|
| 5 | 5 | 10 | 50.0% | 50.0% | 損益平衡，但 10 場遊戲帶有大約 ±16 個百分點的標準誤 — 基本上沒有關於真實實力的信息。 |
| 6 | 4 | 10 | 60.0% | 40.0% | 5/5 上的額外勝場。與下面 60/40 相同的百分比，可靠性遠低於。 |
| 60 | 40 | 100 | 60.0% | 40.0% | 與 6/4 相同的百分比，但標準誤約為 ±4.9 個百分點而非 ±15.5 — 這是一個真實的信號。 |
| 27 | 13 | 40 | 67.5% | 32.5% | 一個強勁的 40 場遊戲連續；用運動記錄方式，這是 27-13 的記錄，或 .675。 |
| 52 | 48 | 100 | 52.0% | 48.0% | 典型的穩定上升率：僅 4 場遊戲淨正數，但足以隨著時間推移推高評級。 |
| 104 | 96 | 200 | 52.0% | 48.0% | 相同的 52.0% 在兩倍遊戲數；標準誤從約 ±5.0 降至約 ±3.5 個百分點。 |
| 45 | 55 | 100 | 45.0% | 55.0% | 淨下降 — 100 場遊戲中 10 場在水位以下。 |
| 500 | 500 | 1000 | 50.0% | 50.0% | 大樣本的損益平衡；標準誤約 ±1.6 個百分點，所以這是一個真正的 50% 玩家而非噪音。 |
可靠性，而不只是百分比。比較 6/4 和 60/40 列：兩者都顯示 60.0%，計算器無法區分它們。但 6/4 四場遊戲離 2/8 只有一線之隔，而 60/40 將需要一個不可思議的運氣流才能被真正的 50% 玩家產生。每當您比較兩個勝率時，先比較它們的總遊戲列。
關鍵術語解釋
- 勝率
- 您獲勝的已決出勝負遊戲的百分比：勝場除以勝場加敗場，乘以 100。
- 敗率
- 勝率的補集 — 敗場除以總遊戲。當沒有平手時，勝率和敗率總是合計 100%。
- 總遊戲（分母）
- 比率中計算的遊戲數量，W + L。您在此處包括或排除的內容（未排名遊戲、重做、放棄的比賽）會改變結果，因此在比較中保持定義一致。
- 平手/打成平手以及半勝約定
- 一個沒有贏家的遊戲。常見的約定 — 在國際象棋和許多聯賽表中使用 — 是將平手計為半勝，給出 勝率 = \dfrac{W + 0.5D}{W + L + D} × 100%。替代方法是完全將平手排除在分母之外；說明您使用了哪種方法，因為兩者給出不同的數字。
- 勝負記錄
- 原始計數寫成一對，例如「27-13」表示 27 個勝場和 13 個敗場。它保留了單獨百分比所丟棄的樣本大小。
- 樣本大小
- 百分比背後的遊戲數量。它決定了圖表中有多少隨機變化 — 不確定性隨著 √(n) 縮小，因此 400 場遊戲的精度是 100 場的兩倍。
- 勝率百分比
- 北美運動的慣例，將相同比率表示為三位小數，不帶百分號：27-13 的記錄是「.675」，讀作「六百七十五」。它是與 67.5% 勝率相同的數量。
- MMR / Elo
- 配對等級和 Elo 評級系統，它源於此：玩家實力的數字估計，在每場遊戲後根據玩家之間的評級差距上升和下降。Elo 是由 Arpad Elo 為國際象棋設計的，並在 1970 年被 FIDE 採納；遊戲特定的 MMR 系統（以及 Glicko 和 TrueSkill 等相關系統）在其確切公式中有所不同。
- 勝利連勝
- 沒有損失的連續勝場連續。連勝是隨機的正常產物 — 即使是 50% 的玩家在足夠多的遊戲中也會碰到長的連續 — 一些系統為它們授予獎勵評級。
- 損益平衡率
- 勝場和敗場相互抵消的勝率 — 在簡單的勝/負計數中為 50%。在具有不均勻點獲得或入場費的系統中，損益平衡率可以高於或低於 50%。
使用注意事項與精準校對原則（6 大核心守則）
📐 1. 嚴格對齊輸入量綱與單位
輸入各項數值時請務必確認量綱（例如小時、天數、金額、百分比），避免單位不匹配引發推算偏差。
🔒 2. 純前端本機毫秒級隱私保障
所有計算邏輯 100% 在您的終端瀏覽器內完成，資料絕不上傳伺服器，嚴格守護商業與個人隱私。
📊 3. 符合公認學術與產業計算模型
演算法嚴格遵循國際通用數學公式與標準計算模型，經多重情境交叉核對，數值嚴密精確。
📋 4. 一鍵複製與免登入 PDF 匯出
支援一鍵複製推算結果字串至剪貼簿，亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。
🔄 5. 多情景敏感度動態對比
建議針對極端值與多組預期情景分別試算，觀察輸出數據的波動區間，輔助做出更穩健的決策。
🛡️ 6. 專業諮詢與日常參考免責聲明
本工具運算結果供日常排程、學業研習與事前參考之用，如涉及重大法規或投資決策請諮詢持證專家。