Da ich öfters mit dem Gedanken einer grob skalierten Fertigkeitsskala spiele (Spanne von 0 bis 5), und gleichzeitig den Zufall recht gering halten möchte, braucht es einen Zufallssimulator mit kleiner Wertespanne. W3 und sogar ein simpler Münzwurf kamen mir schon in den Sinn. Der ±W6 ist eine interessante Alternative. Außerdem hat er direkt weitere Ideen ausgelöst. 
So gerne ich den ±W6 mag, für eine kleine Wertespanner bei Fertigkeiten (z.B. 0-6) würde ich den Mechanismus von xergazz nehmen. Dafür ist er ideal.
w6 = range(1,7)
import collections as coll
res = coll.defaultdict(int)
for i in w6:
for j in w6:
if i < j:
res[i] += 1
if j < i:
res[-j] += 1
elif i == j:
res[0] += 1
import pylab
pylab.bar([i for i in res], [res[i] for i in res])
pylab.savefig("+w6-w6.png")
2/3 der Ergebnisse liegen in der Spanne -2 bis +2.
42% liegen in der Spanne -1 bis +1.
Wenn du 2 Punkte über einem Mindestwurf liegst, schaffst du ihn mit >80% Wahrscheinlichkeit. Ab da würde ich professionelles Arbeiten als möglich ansehen.
Wenn du 4 Punkte über einem MW bist, hast du nur noch eine Warhscheinlichkeit von 1/36, den Wurf zu versauen.
Wir verwenden dagegen den ±W6, weil er in der Wertespanne 6-18 eine für uns passende Verteilung hat.
Zum Vergleich:
import pylab
pylab.bar([-10, -5, -3, -1, 2, 4, 6, 12], [1.0/6,1-1.0/6,1,1,1,1,1-1.0/6,1.0/6])
pylab.savefig("+-w6.png")
Hier liegen 33% der Ergebnisse in der Spanne -1 bis +2, aber 2/3 der Werte gehen von -3 bis +4, was in etwa die doppelte Abweichung des w6-w6 ist.
Wenn du 3 Punkte über einem Mindestwurf liegst, schaffst du ihn mit >80% Wahrscheinlichkeit. Ab da würde ich professionelles Arbeiten als möglich ansehen.
Wenn du 10 Punkte über einem MW bist, hast du nur noch eine Warhscheinlichkeit von 1/36, den Wurf zu versauen. Du bemerkst den Unterschied in der Berechenbarkeit?
Die Verteilungen zeigen auch schön die Unterschiede in der Auswirkung: Der ±W6 trifft eine Entscheidung zwischen 6 fast gleichwahrscheinlichen Ergebnissen in der Nähe des Wertes und 2 recht unwahrscheinlichen Ergebnissen, bei denen der Char entweder sehr gut oder sehr schlecht war. Dadurch werden Handlungen deutlich schwerer vorhersehbar als mit dem W6-W6.
Und genau das war das Designziel, weil ich mehr Dynamik haben wollte als mit dem sehr berechenbaren Gurps. Wenn du mit dem ±W6 etwas wagst, weißt du normalerweise nicht im vorraus, wie es ausgehen wird.
Wie sieht es denn aus mit dem Vergleich der Fertigkeitsspanne und der Zufallsspanne? Die könnten gleich groß sein oder eine von ihnen ist größer als die andere. Fertigkeiten können bspw. eine Spanne von 10 haben, während der Zufall eine Spanne von 6 (W6) oder von 20 (W20) bekommt. Das allein muss doch schon einen Einfluss auf das Spielgefühl haben? Dann müsste es noch Wechselwirkungen geben mit dem Faktor, ob die Zufallsverteilung linear oder nichtlinear ist.
Da bin ich mir sogar sicher.
Wir haben im menschlichen Bereich eine Wertespanne wie Gurps, aber der ±W6 hat eine andere Verteilung und das ändert das Spielgefühl deutlich.
PS: Nachdem ich den w6-w6 endlich mal geplottet habe, denke ich, dass er sich als Modul für 1w6 eignen würde: Berechenbarere Ergebnisse für Leute, die stärker als Spieler taktieren wollen.
[gelöscht durch Administrator]
