日常工作中，无论是活动还是系统，抽奖或类抽奖类内容都是很常见的一类内容，根据不同的情景和目的，可以有多种数值设计方式。
本文中会总结使用过的抽奖数值设计方式，为今后的类似工作内容提供参考：
首先给出奖品权重的定义：
已知奖池奖品价值和数量，为每一个奖品添加一个权重数值，使得奖品抽中概率pi与权重ki满足：
方法一：等价值抽取
即令每个物品的潜在抽取价值相等,物品的概率与物品价值完全成反比。
实现很简单，但问题也很多，随意列举几例：
指数级实现导致的缩放效应
抽奖成本完全由奖池奖品决定，定价十分被动
虽然可以通过细化权重公式解决相应的问题，但这种事后修补的形式是不值得提倡的。
方法二：人工拟合法
（图片来自网络）
见过太多人用类似的方法配抽奖数值，配个步进条手动调权重，直到数据表现符合预期，滑来滑去就是自娱自乐一天又过去了
优点是还算灵活，简单活动可以拿来用，缺点就是没有依据，对复杂问题的拟合为什么不交给计算机呢
方法三：正态概率密度
利用正态分布N(μ，σ^2)的特性，μ定义为单次抽奖成本，σ根据奖池奖品价值vi和置信区间得到。
其概率分布基本继承了正态分布的特征—-价值越接近预设期望的奖品，其概率越大；越偏离预设期望，其概率越小。这个特性也决定了，对于礼包、限定奖池（如福袋）等限制购买数量/抽奖次数的奖池，本方法是很经典的解决方式
大体思路为：
- 定μ
- 定σ
- 根据vi求N(μ，σ^2)下的概率密度并作为对应的权值
- 考虑分布和置信区间定σ
当然这个方法也存在缺陷，就是对于奖品价值差异过大的奖池适应性较差
方法四：最大熵方法
From：BeerRabbit via GAD
这里只给出问题定义和结论，中间求解过程略过，感兴趣的同学可以自行前往大神原文观摩。
此时我们需要处理的就是在已知各阶中心矩的前提下，探讨其分布列P的存在性和唯一性的问题。
最终得到分布列：
及有方差情形的方差约束条件：
利用该方法求得的分布列较为可靠，但论证建模较复杂。建好后可以直接拿来用。
(后续待更新）