為什麼老虎機不能只靠功能測試，還要用統計學驗證
老虎機測試不只是找 bug，更要驗證數學模型的正確性。本文說明 RTP 收斂需要多少樣本才有統計意義、信賴區間的判讀方式、波動率驗證、極端值與獎項上限驗證，以及模擬局數與誤差的關係。
老虎機遊戲的品質保證（QA）與一般軟體測試有著根本性的差異。 一般軟體的測試重點在於「功能是否正確運作」，但老虎機測試還必須額外驗證三件事：
這三個維度交織在一起，構成極具複雜度的挑戰。
老虎機的核心是一個機率系統。每一次 Spin 的結果都是隨機的， 但在大量樣本下必須收斂到預設的數學期望值。 測試團隊因此不能僅憑少量結果下結論， 而需透過百萬甚至上億次的模擬來驗證統計上的正確性。
一般軟體的驗收條件多半是確定性的：給定輸入，輸出必須等於預期值。 老虎機並非如此。一款數學模型完全錯誤的遊戲，仍然可以毫無障礙地通過所有功能測試： 按鈕會回應、動畫會播放、結算不會崩潰，介面上看不出任何異常； 錯誤只以「長期平均值偏離設計值」的形式存在， 而這個偏離在數萬局的觀察尺度下仍可能被隨機波動完全掩蓋。
換句話說，老虎機的正確性是一個統計性質的斷言， 而不是一份可以逐項勾選的功能清單。 驗證它需要的不是更多測試案例，而是足夠的樣本量與正確的統計判準。
此外，任何計算上的偏差都會被大量局數持續放大： 一個小數點的錯位、一個邊界條件的遺漏，都可能累積成顯著的數值偏移。 因此老虎機的測試標準遠高於一般消費級軟體， 必須符合國際認證機構（如 GLI、BMM）的嚴格審計要求。
RTP（Return to Player，玩家回報率）是老虎機最核心的數學指標。 例如一款設定 RTP 為 96.5% 的遊戲，理論上每投入 100 單位，長期平均回報為 96.5 單位。驗證 RTP 的方式是進行大規模模擬測試： 通常需要執行數百萬到數千萬次的模擬 Spin，然後計算實際 RTP 是否收斂到目標值。
模擬測試不是跑完看一個數字而已，團隊需要觀察 RTP 的收斂曲線： 在不同的取樣量（10 萬次、50 萬次、100 萬次、500 萬次）下， RTP 應該逐步收斂並穩定在目標值的統計可接受範圍內。 若收斂速度異常緩慢或出現不正常的震盪，通常意味著數學模型存在問題。
「跑一百萬局夠不夠」是數學驗證中最常被問到的問題， 正確的答案是：取決於這款遊戲的波動度。 蒙地卡羅模擬的誤差大致與樣本數的平方根成反比。 想把誤差縮小一半，樣本量必須增加為四倍。
更關鍵的是，決定誤差的不只是樣本量，還有單局回報的標準差。 低波動度遊戲的單局回報集中在小額區間，數十萬局就足以讓平均值穩定； 高波動度遊戲的 RTP 貢獻大多集中在每數萬局才出現一次的高額結果上， 因此需要數千萬甚至上億局才能讓稀有事件充分出現。 用低波動度的樣本量標準去驗證高波動度遊戲，得到的「收斂」往往只是假象。
實務上的做法是反推：先決定可接受的誤差範圍， 再依理論標準差推算所需的最小樣本量。
數學驗證都必須考慮統計信賴區間（Confidence Interval）。 由於樣本量有限，結果永遠不會精確等於理論值，報告中必須標明取樣量與對應的信賴區間。 例如在 95% 的信賴水準下，RTP 應落在 96.5% ± 0.1% 的範圍內。
判讀時有兩個常見誤解。其一，結果落在區間內不代表模型被證明正確， 只代表現有證據不足以推翻它；區間寬度本身就是品質指標： 標示誤差範圍 ±1.5% 的報告，在統計上幾乎無法區分 95% 與 98% 的模型。
其二，結果落在區間之外也不必然代表模型錯誤。正確的程序是逐層排除： 先確認取樣量是否足以支撐該波動度下的判準， 再檢查模擬是否覆蓋所有功能路徑，最後才回頭檢視機率表本身。
除了整體 RTP，每一種符號組合的中獎頻率（Hit Frequency）也需要獨立驗證。 機率表（PAR Sheet）定義了每種中獎組合的理論機率，模擬結果必須與之吻合。 測試時會對每種組合的出現次數進行卡方檢定（Chi-Square Test）， 確認實際分佈與理論分佈之間沒有統計上顯著的差異。 總 RTP 正確的模型，內部仍可能存在兩個彼此抵銷的錯誤。
波動度（Volatility / Variance）描述的是獎金分佈的離散程度。 高波動度的遊戲意味著中獎頻率較低但單次獎金可能很高； 低波動度則是經常中小獎。測試需要驗證遊戲的實際波動度 是否符合設計意圖，通常透過計算標準差和分析獎金分佈的直方圖來進行。
單一的標準差並不足以描述完整的分佈特性。 更完整的做法是檢視回報分佈的分位數： 結果的中位數落在哪裡、連續未中獎的最長區段有多長。 這些指標更能反映實際的遊玩過程。
分佈的尾端最容易被忽略，風險卻最高，需獨立驗證的項目包括：
免費遊戲、Bonus 回合等特殊功能的觸發率是玩家體驗的重要因子，測試需驗證：
重新觸發機制尤其需要留意：它讓期望值以無窮級數累加， 偏差在總 RTP 中不易察覺， 必須把特殊功能的貢獻拆分為獨立的統計項目驗證。
一份有價值的驗證報告不會只給出「RTP 符合預期」， 而應完整揭露樣本量、信賴區間、各功能模組的 RTP 貢獻拆解與統計檢定判準。
數學驗證確認的是理論上的正確性，但正確的模型仍需正確的實作與良好的體驗來承載。 關於狀態機覆蓋與玩家體感評估、以及自動化測試與第三方合規認證， 將在本系列的另外兩篇文章中繼續討論。