サマナーズウォーの暴走ルーンを事例とする確率的ゲームシステムにおける「不公平感」の知覚に対する多層的行動確率論的モデル
要旨
統計的に公正な乱数機構であるにもかかわらず、確率的競争ゲームのプレイヤーが「不公平さ」を知覚する理由を説明する行動確率論的枠組みを提示する。事例としてサマナーズウォー：Sky Arenaの暴走ルーンメカニクスを用い、以下を統合する：
- ベルヌーイ過程の古典的連続ラン統計、
- 大規模人口における頻度増幅、
- 主観的評価におけるプロスペクト理論的不対称性、
- Dempster–Shafer理論による社会的証拠の集約。
ゲーム内チャット、X、Reddit等のコミュニティの議論で時々見られるより強い非形式的主張とは異なり、私達は確率過程が数学的に「不均衡を好む」と主張せず、操作に対する集合的信念が必ず確信に収束するとも主張しない。代わりに、以下を示す：
- 公正なベルヌーイ試行の有限列は、自然に視覚的に極端な連続を生み出す。
- 大規模なプレイヤー人口は、生態系レベルで珍しい事象を日常茶飯事にする。
- 否定的な確率的結果は、肯定的な結果に比べて心理的に過大評価される。
- 操作の客観的証拠がなくとも、繰り返される逸話の共有は操作ナラティブの妥当性を高めうる。
私達の目的は敵対的ではなく説明的である：公正な確率システムがいかに体系的に持続的な不公平感を生み出しうるかを形式化する。
1. はじめに
確率メカニズムを持つ競争ゲームは、統計的に公正な実装であっても、「不正操作」の告発を頻繁に生み出す。
代表的な例はサマナーズウォー：Sky Arenaの暴走ルーンメカニクスであり、条件を満たした場合に追加ターンを約\(p=0.22\)の確率で付与すると公表されている。
本論文は以下の問いを研究する：
なぜプレイヤーは、基盤となる過程に偏りがなくとも、一貫して不公平さを知覚するのか？
私達は、この現象が以下の相互作用から自然に生じうると主張する：
- 有限標本の乱数性、
- 人間の認知的不対称性、
- および社会的強化ダイナミクス。
2. 確率論的基礎
以下を考える。
\[X_1, X_2, \dots \stackrel{\text{i.i.d.}}{\sim} \mathrm{Bernoulli}(p), \quad p=0.22,\]ここで\(X_i=1\)は追加ターン発動の成功を示す。
長さ\(k\)のラン（連続）を以下のように定義する：
\[R_k(n)=\{X_n=X_{n+1}=\cdots=X_{n+k-1}=1\}.\]独立したベルヌーイ試行が視覚的に均衡の取れた局所的結果を意味することはないと強調する。実質的な局所的クラスタリングは自然に起こる。
3. レイヤーI — 有限標本の不均衡とラン統計
3.1. 中心化された運の過程
中心化された過程を定義する：
\[S_n = \sum_{i=1}^n (X_i-p).\]\(\mathbb{E}[S_n]=0\)であるが、有限の軌道は長期間にわたって正または負のまま留まりうる。
この現象は、ランダムウォークやブラウン運動における古典的な占有時間の振る舞い、Lévy型のアークサイン現象などと関連する。しかし、私達はこれをベルヌーイ連列に関する直接的な定理ではなく、直感として用いる。
任意の固定された有限標本サイズ\(n\)に対し、
\[\left|\frac1n\sum_{i=1}^n X_i - p\right|\]がプレイヤーに「不公平」に見えるほど視覚的に大きくなる確率が0でない。
さらに、長い正または負の変動を観測する確率は、考える統計量に応じて多項式または指数的に減衰するに留まり、完全には消失しない。
これは乱数が不均衡を好むことを意味しない。むしろ、人間の観察者は公正な乱数が局所的にどれほど不均一に見えるかを過小評価する傾向がある。
4. レイヤーII — 人口レベルの増幅
グローバルシステムが1日に\(N\)回の発動機会を生成すると仮定する。
\(k\)連続発動の期待数は約
\[\mathbb{E}[C_k] \approx N p^k.\]例えば、
\[N = 2\times10^8,\quad p=0.22,\quad k=4,\]のとき、
\[Np^4 \approx 4.7\times10^5.\]したがって、個々のプレイヤーにとって「ありえないほど稀」と感じられる事象であっても、グローバルでは毎日数十万回起こりうる。
\(N p^k \gg 1\) ならば、グローバル人口で少なくとも1回の\(k\)連続が起こる確率は1に近い。
ポアソン近似を用いると、
\[\mathbb{P}(C_k=0)\approx e^{-Np^k}.\]したがって、
\[\mathbb{P}(C_k\ge1)\approx 1-e^{-Np^k}.\]\(\square\)
5. レイヤーIII — 認知・感情的不対称性
ここで以下を区別する：
- 客観的確率的結果、
- および主観的心理的評価。
5.1. プロスペクト理論的価値
Daniel Kahneman とAmos Tverskyに従い、以下を考える：
\[v(x)= \begin{cases} x^\alpha, & x\ge0,\\ -\lambda(-x)^\beta, & x<0, \end{cases}\]実証研究ではしばしば
\[\lambda>1.\]が見出される。これは、損失が同等の大きさの利益より心理的に重み付けされることを意味する。
\(G>0\) を幸運な発動による勝利の主観的効用とし、\(L<0\) を相手の発動による敗北の主観的効用とする。
\(\lambda>1\) のプロスペクト理論の下で、
\[|L|>|G|\]が、客観的に同等の大きさの対称的結果に対して成立する。
プレイヤーは、同等に幸運な勝利よりも苦痛な発動による敗北をより強く記憶しうる。
これは、基盤となる確率過程が対称であっても、記憶の不均衡を生み出す。
5.2. 報酬予測誤差
以下を時差予測誤差とする：
\[\delta_t = R_t + \gamma V(S_{t+1}) - V(S_t)\]予期せぬ相手の連続発動は大きな負の予測誤差を生み、顕著性と感情的記憶可能性を高めうる。
私達はこれを、定量的に較正された神経科学的法則ではなく、質的認知メカニズムとして解釈する。
6. レイヤーIV — 社会的強化と信念の集約
社会的信念形成をDempster–Shafer証拠理論を用いてモデル化する。
以下とする：
\[\Theta=\{\text{Fair},\text{Rigged}\}.\]プレイヤーは以下に基づいて証拠質量を割り当てうる：
- 個人的経験、
- 開発者の発表、
- および社会的証言。
感情的に顕著な逸話的証拠への繰り返し曝露は
\[\mathrm{Pl}(\{\text{Rigged}\}),\]を増加させうる。操作の客観的統計的証拠が存在しない場合であっても。
私達は確信への収束を主張しない。
Dempster–Shafer結合は強く依存する：
- 証拠の依存構造、
- 衝突の正規化、
- ネットワークトポロジー、
- および事前質量割り当て。
したがって、質的増幅の主張のみが正当化される。
7. 統合的解釈
全体的な現象は4つのレイヤーの相互作用から生じる：
| レイヤー | メカニズム | 帰結 |
|---|---|---|
| 確率論的 | 有限ベルヌーイ乱数 | 局所的不均衡が自然に現れる |
| 人口論的 | 大規模なグローバル標本サイズ | 珍しい事象がどこかで常に起こる |
| 認知的 | 損失回避と顕著性 | 否定的連続がより強く記憶される |
| 社会的 | 逸話の共有 | 疑惑のナラティブが効率的に拡散する |
個別のレイヤーが実際の操作を意味することはない。
しかし、それらが協働することで持続的な集合的な不公平感が生じうる。
8. ゲームデザインへの示唆
本モデルは、確率の開示では充足されないことを示唆する。
潜在的な分散低減メカニズムには以下が含まれる：
- 発動回数上限、
- 連続発動の抑制、
- 適応的な庇護（ピティ）的システム、
- またはゲームモードでの制限。
このような介入をもっても、知覚される不公平さを低減しうるが充足されない。
9. 結論
統計的に公正な確率システムがいかにして広範な不公平感を生み出しうるかを説明する多層的行動確率論的枠組みを提案した。
本枠組みは操作の証明を主張せず、乱数が本質的に極端な不均衡を好むとも主張しない。代わりに、以下を形式化する：
- 有限な乱数性、
- 大規模な人口、
- 認知的不対称性、
- および社会的強化
が共同して確率的競争環境における繰り返しのプレイヤー不満を生み出す。
同じ枠組みは、ガチャシステム、ギルドの戦利品分布、クリティカルヒットメカニクス、その他の高分散ゲーム環境にも一般化しうる。
参考文献
- Com2uS Holdings, Summoners War: Sky Arena Game Guide, 2024.
- Various authors, X (Twitter) posts under hashtags #サマナーズウォー, #SummonersWar, 2020–2025.
- P. Lévy, Sur certains processus stochastiques homogènes, Compositio Mathematica, 7 (1939), 283–339.
- L. de Haan and A. Ferreira, Extreme Value Theory: An Introduction, Springer, 2006.
- D. Kahneman and A. Tversky, Prospect Theory: An Analysis of Decision under Risk, Econometrica, 47(2) (1979), 263–291.
- W. Schultz, Predictive Reward Signal of Dopamine Neurons, Journal of Neurophysiology, 80(1) (1998), 1–27.
- A. P. Dempster, Upper and Lower Probabilities Induced by a Multivalued Mapping, Annals of Mathematical Statistics, 38(2) (1967), 325–339.
- G. Shafer, A Mathematical Theory of Evidence, Princeton University Press, 1976.
【 Original English Version 】
A Multi-Layer Behavioral-Probabilistic Model for Perceived Unfairness in Stochastic Game Systems: The Case of Summoners War Violent Rune Events
Abstract
We present a behavioral-probabilistic framework explaining why players of stochastic competitive games may perceive "unfairness" even when the underlying random mechanism is statistically fair. Using the Violent rune mechanic in Summoners War: Sky Arena as a case study, we combine:
- classical run statistics for Bernoulli processes,
- large-population frequency amplification,
- prospect-theoretic asymmetry in subjective valuation,
- and social evidence aggregation via Dempster-Shafer theory.
Unlike stronger informal claims sometimes made in community discourse, we do not claim that random processes mathematically "prefer imbalance," nor that collective belief in manipulation necessarily converges to certainty. Instead, we show that:
- finite sequences of fair Bernoulli trials naturally generate visually extreme streaks,
- large player populations make rare events commonplace at the ecosystem level,
- negative stochastic outcomes are psychologically overweighted relative to positive ones,
- and repeated anecdotal sharing can increase the plausibility of manipulation narratives even without objective evidence of rigging.
Our goal is explanatory rather than adversarial: to formalize how fair stochastic systems can systematically generate persistent perceptions of unfairness.
1. Introduction
Competitive games with stochastic mechanics frequently produce accusations of "rigging" despite statistically fair implementations.
A canonical example is the Violent rune mechanic in Summoners War: Sky Arena, publicly described as granting an additional turn with probability approximately \(p=0.22\) under eligible conditions.
This paper studies the following question:
Why do players consistently perceive unfairness even if the underlying process is unbiased?
We argue that this phenomenon can emerge naturally from the interaction of:
- finite-sample randomness,
- human cognitive asymmetry,
- and social reinforcement dynamics.
2. Probabilistic Foundation
Let
\[X_1, X_2, \dots \stackrel{\text{i.i.d.}}{\sim} \mathrm{Bernoulli}(p), \quad p=0.22,\]where \(X_i=1\) denotes a successful additional-turn proc.
Define a run (streak) of length \(k\) as
\[R_k(n)=\{X_n=X_{n+1}=\cdots=X_{n+k-1}=1\}.\]We emphasize that independent Bernoulli trials do not imply visually balanced local outcomes. Substantial local clustering occurs naturally.
3. Layer I — Finite-Sample Imbalance and Run Statistics
3.1. Centered Luck Process
Define the centered process
\[S_n = \sum_{i=1}^n (X_i-p).\]Although \(\mathbb{E}[S_n]=0\), finite trajectories may remain positive or negative for extended periods.
This phenomenon is related to classical occupation-time behavior in random walks and Brownian motion, including Lévy-type arcsine phenomena. However, we use this only as an intuition, not as a direct theorem about Bernoulli proc sequences.
For any fixed finite sample size \(n\), there exists nonzero probability that
\[\left|\frac1n\sum_{i=1}^n X_i - p\right|\]is visually large enough to appear "unfair" to a player.
Moreover, the probability of observing long positive or negative excursions decays only polynomially or exponentially depending on the statistic considered, rather than disappearing completely.
This does not imply that randomness favors imbalance. Rather, human observers tend to underestimate how uneven fair randomness can appear locally.
4. Layer II — Population-Level Amplification
Suppose the global system generates \(N\) eligible proc opportunities per day.
The expected number of \(k\)-proc streaks is approximately
\[\mathbb{E}[C_k] \approx N p^k.\]For illustration, if
\[N = 2\times10^8,\quad p=0.22,\quad k=4,\]then
\[Np^4 \approx 4.7\times10^5.\]Thus, even events perceived by individual players as "impossibly rare" may occur hundreds of thousands of times globally each day.
If \(N p^k \gg 1\), then the probability that at least one \(k\)-streak occurs in the global population is close to 1.
Using a Poisson approximation,
\[\mathbb{P}(C_k=0)\approx e^{-Np^k}.\]Hence,
\[\mathbb{P}(C_k\ge1)\approx 1-e^{-Np^k}.\]\(\square\)
5. Layer III — Cognitive-Emotional Asymmetry
We now distinguish between:
- objective stochastic outcome,
- and subjective psychological valuation.
5.1. Prospect-Theoretic Value
Following Daniel Kahneman and Amos Tversky, consider
\[v(x)= \begin{cases} x^\alpha, & x\ge0,\\ -\lambda(-x)^\beta, & x<0, \end{cases}\]with empirical studies often finding
\[\lambda>1.\]This implies losses are psychologically weighted more heavily than gains of equal magnitude.
Let \(G>0\) denote the subjective utility of winning because of a lucky proc, and \(L<0\) the subjective utility of losing because of an opponent proc.
Under prospect theory with \(\lambda>1\),
\[|L|>|G|\]for objectively symmetric outcomes of equal magnitude.
A player may remember painful proc losses more strongly than equally lucky victories.
This creates a memory imbalance even when the underlying stochastic process is symmetric.
5.2. Reward Prediction Error
Let
\[\delta_t = R_t + \gamma V(S_{t+1}) - V(S_t)\]denote a temporal-difference prediction error.
Unexpected opponent streaks can generate large negative prediction errors, increasing salience and emotional memorability.
We interpret this as a qualitative cognitive mechanism rather than a quantitatively calibrated neuroscientific law.
6. Layer IV — Social Reinforcement and Belief Aggregation
We model social belief formation using Dempster-Shafer evidence theory.
Let
\[\Theta=\{\text{Fair},\text{Rigged}\}.\]Players may assign evidence masses based on:
- personal experience,
- developer statements,
- and social testimony.
Repeated exposure to emotionally salient anecdotal evidence can increase
\[\mathrm{Pl}(\{\text{Rigged}\}),\]even when no objective statistical evidence of manipulation exists.
We do not claim convergence to certainty.
Dempster-Shafer combination depends strongly on:
- dependence structure of evidence,
- conflict normalization,
- network topology,
- and prior mass assignments.
Therefore, only qualitative amplification claims are justified.
7. Integrated Interpretation
The overall phenomenon emerges from interaction among four layers:
| Layer | Mechanism | Consequence |
|---|---|---|
| Probabilistic | Finite Bernoulli randomness | Local imbalance naturally appears |
| Population | Large global sample size | Rare events occur constantly somewhere |
| Cognitive | Loss aversion & salience | Negative streaks are remembered more strongly |
| Social | Anecdotal sharing | Suspicion narratives spread efficiently |
No individual layer implies actual manipulation.
However, together they can generate persistent collective perceptions of unfairness.
8. Implications for Game Design
The model suggests that probability disclosure alone may not eliminate frustration.
Potential variance-reduction mechanisms include:
- proc caps,
- streak dampening,
- adaptive pity-like systems,
- or competitive-mode restrictions.
Such interventions may reduce perceived unfairness without requiring changes to average probability.
9. Conclusion
We proposed a multi-layer behavioral-probabilistic framework explaining how statistically fair stochastic systems can nevertheless produce widespread perceptions of unfairness.
The framework does not claim proof of manipulation, nor does it claim that randomness intrinsically favors extreme imbalance. Instead, it formalizes how:
- finite randomness,
- large populations,
- cognitive asymmetry,
- and social reinforcement
jointly generate recurring player frustration in stochastic competitive environments.
The same framework may generalize to gacha systems, loot distributions, critical-hit mechanics, and other high-variance game environments.
References
- Com2uS Holdings, Summoners War: Sky Arena Game Guide, 2024.
- Various authors, X (Twitter) posts under hashtags #サマナーズウォー, #SummonersWar, 2020–2025.
- P. Lévy, Sur certains processus stochastiques homogènes, Compositio Mathematica, 7 (1939), 283–339.
- L. de Haan and A. Ferreira, Extreme Value Theory: An Introduction, Springer, 2006.
- D. Kahneman and A. Tversky, Prospect Theory: An Analysis of Decision under Risk, Econometrica, 47(2) (1979), 263–291.
- W. Schultz, Predictive Reward Signal of Dopamine Neurons, Journal of Neurophysiology, 80(1) (1998), 1–27.
- A. P. Dempster, Upper and Lower Probabilities Induced by a Multivalued Mapping, Annals of Mathematical Statistics, 38(2) (1967), 325–339.
- G. Shafer, A Mathematical Theory of Evidence, Princeton University Press, 1976.
