Matematica dei Giochi da Tavolo: Probabilità e Valore Atteso

Ogni meccanica di un gioco da tavolo ha un'identità matematica. Un lancio di dadi ha un valore atteso e una varianza. Un pescaggio di carte ha una distribuzione di probabilità. Uno scambio di risorse ha un tasso di cambio che può essere espresso come un rapporto. I designer che capiscono questa matematica prendono decisioni migliori rispetto ai designer che lavorano per intuizione — non perché la matematica sostituisca l'intuizione, ma perché l'intuizione spesso diverge dalla realtà in modi che solo il testing è lento a correggere.

Questo articolo copre i concetti matematici più importanti per il design e il gioco dei giochi da tavolo: distribuzioni di probabilità, valore atteso, varianza e il divario psicologico tra ciò che dice la matematica e ciò che i giocatori sperimentano. Che tu stia progettando un gioco o cercando di capire perché le tue sessioni con i dadi sembrano così catastroficamente sfortune, questo framework cambierà il modo in cui pensi alla casualità nei giochi.

Perché la matematica è importante nel design dei giochi

Un designer di giochi che non ha calcolato il valore atteso dell'economia delle azioni fondamentale del suo gioco non sa se il suo gioco funziona. Se il reddito atteso dall'azione migliore disponibile è di 4 risorse per round e il costo dell'azione che porta alla vittoria è di 30 risorse, il designer deve sapere se quel tasso di reddito è raggiungibile durante la durata tipica del gioco — prima del playtesting, non dopo sei sessioni a chiedersi perché nessuno vince mai.

La matematica e il playtesting sono strumenti complementari, non alternative. La matematica ti dice cosa prevede la teoria. Il playtesting ti dice se il comportamento umano corrisponde alla teoria. La maggior parte delle volte, divergono — non perché la matematica sia sbagliata, ma perché i giocatori non scelgono sempre l'azione teoricamente ottimale.

Ogni meccanica ha un valore atteso, e i designer devono conoscerlo. Quando un giocatore di Neutronium: Parallel Wars guadagna reddito dai Porti Nucleari, riceve un valore atteso calcolato con precisione per porto per round. Quando sceglie di attaccare piuttosto che costruire, sta prendendo una decisione con risultati attesi calcolabili. Il designer che conosce questi numeri può prendere decisioni di bilanciamento significative; il designer che non li conosce sta indovinando.

L'asimmetria critica è che la casualità sembra ingiusta anche quando è bilanciata. Un lancio di moneta 50/50 produce testa sei volte di fila circa l'1,6% delle volte — raramente, ma non impossibilmente. Quando questo accade a un giocatore in un gioco, lo sperimenta come il gioco che è rotto, non come un normale evento statistico.

Probabilità dei dadi 101

Il singolo d6 è il meccanismo di randomizzazione più comune nei giochi da tavolo e anche uno dei più incompresi. Un d6 standard produce una distribuzione uniforme: ogni faccia (da 1 a 6) ha una probabilità di 1/6 di verificarsi, e il valore atteso è 3,5.

La distinzione singolo d6 vs. 2d6 è fondamentale per capire perché diverse meccaniche dei dadi si sentono diverse. Un singolo d6 ha una distribuzione di probabilità piatta — ogni risultato da 1 a 6 è ugualmente probabile. Due d6 sommati producono una curva a campana: 7 è il risultato più probabile (probabilità 6/36 = 16,7%), mentre 2 e 12 hanno ciascuno una probabilità di 1/36 = 2,8%. Questo è il motivo per cui Catan, che usa 2d6 per la produzione di risorse, sembra meno punitivo sui singoli lanci rispetto ai sistemi a dado singolo.

I dadi personalizzati con distribuzioni di facce non standard offrono ai designer un controllo preciso sui profili di probabilità. Neutronium: Parallel Wars usa dadi D6 personalizzati con facce codificate per colore: le facce blu rappresentano i risultati di combattimento standard, le facce rosse rappresentano i risultati critici e le facce verdi rappresentano i trigger di abilità speciali. La distribuzione dei tipi di faccia — non solo il numero di facce — determina la probabilità di ciascun risultato.

I dadi esplosivi sono dadi che, quando ottengono il valore massimo, vengono lanciati di nuovo e i risultati vengono sommati. Un d6 che esplode su 6 ha un valore atteso di 3,5 + (1/6 × 3,5) = 4,083. La natura illimitata crea risultati teoricamente senza vincoli — una sequenza fortunata di esplosioni può produrre totali molto alti — il che produce i momenti di 'fortuna' che alcuni giochi coltivano deliberatamente. Il compromesso è l'alta varianza.

I dadi limitati sono la filosofia opposta: limitare il risultato massimo per vincolare la varianza. I sistemi a pool di dadi in cui lanci più dadi e prendi solo i migliori N risultati riducono matematicamente la varianza mantenendo la sensazione probabilistica. Prendere il più alto di due lanci di d6 sposta il valore atteso da 3,5 a 4,47 — un miglioramento del 28%.

Valore atteso nei giochi di risorse

I giochi di accumulazione di risorse — Euro, costruttori di motori, strategie economiche — sono costruiti su calcoli di valore atteso che il designer deve comprendere con precisione. Quando un giocatore sceglie tra due azioni, sta confrontando (consciamente o no) il valore atteso di quelle azioni sull'orizzonte temporale rilevante.

Il sistema di reddito dei Porti Nucleari di Neutronium: Parallel Wars è un esempio esplicito di valore atteso progettato. La formula del reddito stabilisce che un giocatore con N Porti Nucleari riceve reddito a un tasso che scala non linearmente con N. La formula specifica — 1 porto produce 2 unità Neutronium per round; 10 porti producono 220 Nn per round — non è accidentale. È la dichiarazione esplicita del designer che l'accumulo di porti dovrebbe produrre rendimenti esponenziali piuttosto che lineari.

Questa formula è un design di gioco intenzionale espresso come matematica. Il divario tra il reddito a 7 porti (42 Nn/round) e il reddito a 10 porti (220 Nn/round) è l'argomento economico per cui le coalizioni si formano alla soglia dei 7 porti piuttosto che aspettare 9 o 10 porti. A 7 porti, il giocatore ha abbastanza reddito da essere minaccioso — ma l'azione della coalizione può ancora essere decisiva prima che il vantaggio di reddito diventi matematicamente insormontabile.

Il principio più ampio: quando la scala esponenziale è un design intenzionale, il designer deve documentare la funzione di scala e verificare che le soglie che crea siano dove vuole. Se la soglia della coalizione dovrebbe essere a 6 porti piuttosto che a 7, la formula del reddito deve essere aggiustata — il che richiede sapere qual è la formula.

Varianza e percezione dei giocatori

La varianza è la misura di quanto i risultati effettivi si disperdono attorno al valore atteso. Alta varianza significa che i risultati individuali possono differire drammaticamente dall'aspettativa; bassa varianza significa che i risultati si raggruppano strettamente attorno alla media. Per i designer di giochi, la varianza è un'impostazione che influenza sia l'equità matematica del gioco sia l'esperienza soggettiva di giocarlo.

L'intuizione psicologica chiave: l'alta varianza sembra ingiusta anche quando è matematicamente bilanciata. Un lancio di moneta è perfettamente equo — 50/50 — ma giocare un gioco in cui ogni decisione è risolta da un lancio di moneta sembra arbitrario e poco gratificante. I giocatori devono sentire che le loro decisioni contano, il che significa che la connessione causale tra buone decisioni e buoni risultati deve essere percepibile all'interno della sessione di gioco.

Il problema dell'esagono 7 vs. 2 in Catan illustra questo chiaramente. In Catan, il numero 7 è stampato sugli esagoni più numerosi perché ha la probabilità più alta con 2d6. Gli esperti sanno di dover dare priorità alle risorse sugli esagoni 6, 8, 5 e 9. Ma in qualsiasi sessione, un giocatore che piazza correttamente i suoi insediamenti iniziali su questi esagoni può comunque essere superato da un giocatore con piazzamenti a probabilità inferiore se i lanci effettivi deviano dai valori attesi. Non è ingiusto — è una normale variazione statistica. Ma sembra ingiusto.

Le soluzioni di design per gestire la percezione di ingiustizia dalla varianza includono: meccaniche di mitigazione (rilanci, riserve di risorse, meccanismi di recupero che si attivano nelle serie di cattiva fortuna), punti di decisione che rimangono significativi anche dopo la cattiva fortuna, e varianza che favorisce i giocatori in ritardo.

I momenti kingmaker dai dadi — dove un lancio casuale determina quale giocatore vince o perde nell'ultimo round — sono i risultati di varianza più dannosi per la soddisfazione dei giocatori. La soluzione non è eliminare i dadi ma strutturare il late game in modo che i risultati dei dadi influenzino il percorso verso la vittoria piuttosto che determinarla direttamente.

Test di bilanciamento con la matematica

Il framework MEQA (Misurabilità, Coinvolgimento, Qualità, Accessibilità) fornisce un approccio strutturato al test di bilanciamento dei giochi. Il pilastro della Misurabilità — la M in MEQA — è dove la matematica entra formalmente nel processo di design: prima che inizi il playtesting, il designer definisce cosa significa 'bilanciato' in termini misurabili.

Per un gioco con fazioni asimmetriche come Neutronium: Parallel Wars, il bilanciamento misurabile significa: ogni fazione dovrebbe raggiungere un tasso di vittoria entro una banda di tolleranza definita attraverso un campione sufficiente di partite a livelli di abilità comparabili. Se l'obiettivo è un tasso di vittoria del 50% (bilanciamento puro) con un intervallo accettabile di ±10%, allora una fazione che vince il 42% delle partite è entro la tolleranza e una che vince il 63% non lo è.

Definire le metriche prima del playtesting cambia ciò che osservi. Se sai che stai misurando il tasso di vittoria per fazione, tieni traccia delle assegnazioni delle fazioni e dei risultati attraverso le sessioni. Queste decisioni devono essere prese prima della prima sessione di playtesting, perché le metriche retrospettive sono inaffidabili.

I requisiti di dimensione del campione per le conclusioni sul bilanciamento sono spesso più grandi di quanto i designer si aspettino. Per un gioco a 2 giocatori con 2 fazioni, 30 partite fornisce dati di base per rilevare squilibri superiori al 15% con l'80% di confidenza. Per i giochi a 4 giocatori con 6 fazioni, lo spazio delle combinazioni è molto più grande. Gli editori indipendenti raramente hanno le risorse per la validazione statistica rigorosa; l'approccio pratico è usare la matematica per verificare i valori attesi, il playtesting per catturare gli outlier e il feedback della comunità post-rilascio per identificare i problemi sopravvissuti.

Per il framework completo — incluso come la Misurabilità si integra con gli altri pilastri MEQA — consulta la guida al framework di bilanciamento MEQA.

Strumenti di probabilità per i designer

Diversi strumenti rendono accessibile la matematica del design dei giochi senza richiedere una formazione statistica avanzata.

AnyDice (anydice.com) è il calcolatore standard di probabilità dei dadi per i designer di giochi. Accetta notazione naturale dei dadi (2d6, d4+d8, 3d6 keep highest 2) e restituisce distribuzioni di probabilità, valori attesi e probabilità cumulative. Per qualsiasi meccanica che coinvolge i dadi, AnyDice dovrebbe essere il primo strumento consultato.

Le simulazioni su foglio di calcolo (Google Sheets, Excel) gestiscono i calcoli che AnyDice non può: l'accumulo di risorse su più round, il reddito con più fonti, la durata attesa del gioco in diversi scenari strategici. Un modello base di foglio di calcolo dell'economia di un gioco richiede 2–3 ore per essere costruito e rivela problemi di bilanciamento che richiederebbero 20+ playtesting per scoprire empiricamente.

La simulazione Monte Carlo è lo strumento di massima precisione: eseguire le meccaniche di un gioco migliaia di volte computazionalmente per produrre distribuzioni statistiche su tutti i possibili risultati. Per i designer con background di programmazione, Python con NumPy è sufficiente per la maggior parte delle esigenze di simulazione dei giochi. Monte Carlo è più utile per i giochi con complesse interdipendenze dove il calcolo analitico è difficile.

Quando fidarsi della matematica vs. quando fare playtesting: usa la matematica per verificare il bilanciamento teorico e individuare errori di design ovvi prima di investire nel playtesting. Usa il playtesting per scoprire come la psicologia umana interagisce con la matematica. Entrambi sono necessari. Nessuno è sufficiente da solo.

Domande frequenti