你如何确保，在你最喜欢的头像类（PFP）NFT项目中，挑选到地板价附近最好的PFP？秘籍是：放弃前37%个，然后挑选随后的一个。为什么这样决策呢？
首先假设，你预估你可以选择购买的NFT系列的PFP数量为N，即你有可能以地板价购买的PFP的总数。以@ Doodles这个流行的NFT系列为例：我们受到处于买卖列表上的#序列号和个人品味的严格限制，但也受到你要花费多少时间的限制。
假设你遇到NFT的序列号是随机的，因为你永远不知道谁会在哪个时间在OS /X2Y2/Sudo上列出一个新的doodle来出售。最后，假设一旦你决定放弃一个PFP NFT并继续寻找，它却被其他的人买走了。
总的来说，在你选定的N个比较理想的NFT中，至少有一个是你最喜欢的（比方说有彩虹背景的，带悲伤音符的，粘乎乎的脸部组合的Doodle）。我们将他称为X。
显然，最佳策略是浏览N个潜在NFT中的一部分数量M（作为选择的样本，为其余选项设置参考基准），然后立即购买下一个，就是比之前所有选项更好的一个。如果用数学来表达，M的最佳值约为N的37%。
这是完全靠直觉的一种经验数据，因为如果你没有足够的样本，就没有好的选择参照。但如果你取样太多，不断地挑挑拣拣，会形成一种担心错过最好的那种FOMO心态，造成选择困难。
那么为什么是37%这个数字呢？当你在开始选择之前，在N个潜在的PFP头像NFT中看了M个，选择X的概率将取决于M和N。因此，我们所寻求的概率是M 、N的函数，或P ( M , N ) 。
假设您已从M个潜在的NFT中收集了信息，并且正在依次考虑第K个NFT序列。具体来说，我们的策略是选择一个门槛数M， 并且在不购买的情况下查看前M-1。
因为它们是以随机的，所以最好的几率是1/N。但你只有在X是你通过的K-1中的前M-1中的情况下才会购买，这发生的概率是( M-1)/( K-1)，最佳购买的总机率是：( M-1)/ N ( K-1)
但是K可以取M到N范围内的任何值，所以我们可以写出下面的求和：
然后，使用一个积分（取和），我们可以发现：
假设N趋近于无穷大，我们可以进一步简化这个概率为：
接下来，为了优化M，我们使用上面设定的限制条件（不等式），发现（对于一个相当大的N）M/N的比率最好是1/e，也就是O.37或37%！
如果你过早地做了选择，你就会错过最好的选择；如果你一直在选择的路上，你就会永远也找不到梦想中的NFT。
策略仅供参考。它为你找到了完美的NFT，成功率为p=0.37，明显高于p=1/n的随机率。目前总计的726个Doodle头像NFT列表，p=0.00137。
这个问题，在选择或者决策方面，也被称为著名的“秘书问题”，你也许永远期待下一位面试的秘书是最合适的。想了解更多信息.请查看这个PDF文件@ UCBerkeley .sites . cs . ucsb . edu /~ suri /ccs130a/……像这个帖子一样，喜欢更多的稍微有用的垃圾帖！
祝福你。
微信扫一扫 
