Eloレーティング計算機

Eloレーティングシステムは、対戦型ゲームにおける最も影響力のある数学的フレームワークの一つです。1960年代にハンガリー系アメリカ人の物理学教授アルパド・エロがチェスプレイヤーのランク付けのために考案し、その後はLeague of Legends、Dota 2、オーバーウォッチ、カウンターストライクなどのeスポーツタイトルや、卓球やサッカーなどのスポーツにも採用されるようになりました。Eloレーティングの仕組みを理解することで、プレイヤーは現在のスタンディングを把握し、1試合でランクがどのように変動するかを理解できます。

Eloレーティングシステムの仕組み

Eloシステムの中核は、ゼロサムゲームにおけるプレイヤーの相対的なスキルレベルを計算する方法です。すべてのプレイヤーはベースラインレーティング（プラットフォームによって1000、1200、または1500など）から始まり、各試合後に期待される結果と実際の結果の2つの要素に基づいてレーティングが上下します。

期待スコアの計算式は、両プレイヤーの現在のレーティングを使用して各プレイヤーの勝率を予測します。2人のプレイヤーのレーティングが同じであれば、それぞれの勝率は50%です。プレイヤーAのレーティングがプレイヤーBより400ポイント高い場合、プレイヤーAは約90.9%の確率で勝つと予測されます。レーティングの差が大きいほど、予測はより一方的になります。

試合後、各プレイヤーのレーティングはKファクターを使用して更新されます。Kファクターは1試合で得失できるポイント数を制御する定数です。Kファクターが高いとレーティングは急激に変動し、低いと時間をかけて徐々に変動する安定したレーティングが生まれます。レーティングの変動はKファクターに実際の結果と期待された結果の差を掛けたものとして計算されます。

Kファクターを理解する

KファクターはおそらくEloシステムで最も重要な調整パラメータです。国際チェス連盟（FIDE）はプレイヤーのレベルに応じて異なるKファクターを使用しています。30試合未満の新参プレイヤーにはK=40を使用してレーティングを素早く安定させます。2400未満のプレイヤーにはK=20、2400を超えたことがあるトップクラスのグランドマスターにはK=10を使用し、エリートレーティングは高度に安定している必要があることを反映しています。

多くのオンラインプラットフォームやeスポーツタイトルでは、レクリエーションおよびアマチュアプレイのデフォルトとしてK=32を使用しています。これにより個々のゲーム後にレーティングが意味のある形で移動し、プレイヤーに満足のいる進行感を与えます。プロや半プロのリーグでは、プレイヤーがラダーのトップに近づくにつれてKファクターを減らし、単一のアップセットが何百もの試合で積み上げたランキングを劇的に歪めないようにします。

適切なKファクターの選択は、応答性と安定性のバランスをとるための設計上の決断です。Kファクターが高すぎるとレーティングがノイジーでランダムに感じられ、低すぎるとラダーが応答しないように感じられ、最近の調子を反映できなくなります。ほとんどの競技ゲームシステムでは、異なるレーティング層やシーズンに対して異なるKファクターを実験しています。

チェスにおけるElo

アルパド・エロは1970年に以前のハークネスレーティングシステムの代替としてFIDEにレーティングシステムを導入しました。統計理論に基づいており一貫した解釈可能な結果を生み出すため、このシステムは急速に受け入れられました。チェスでは2700以上のレーティングを持つプレイヤーはスーパーグランドマスターと見なされ、世界でも数百人しかいません。2500〜2700はグランドマスターエリート、2000〜2200は強力なクラブプレイヤーや国内タイトル候補者をカバーしています。

エロの重要な洞察の一つは、任意のゲームでのプレイヤーのパフォーマンスが彼らの真の強さを中心とした正規分布に概ね従うということでした。レーティングをその分布の中心の推定値として扱うことで、システムは試合の結果を使用してその推定値を時間とともに更新できます。この背後にある数学はロジスティック回帰と最尤推定に関連していますが、エロ自身はより単純な近似を使用しました。

今日、FIDEレーティングは国際トーナメントのシーディング、タイトル資格（グランドマスターノームには十分に高いレーティングの相手との対戦が必要）、国内ランキングの確立に使用されています。公式FIDEレーティングリストは毎月更新され、世界中で何百万人もの登録プレイヤーをカバーしています。

eスポーツとオンラインゲームにおけるElo

ゲーム業界がEloスタイルのシステムを採用したのは、マッチメイキングの基本的な問題を解決するためです。何百万もの可能なマッチアップがある中で、スキルが近いプレイヤーをどのようにペアリングするか？各プレイヤーに単一の数値レーティングを割り当てることで、システムは期待されるマッチの競争力を即座に計算し、レーティングが近いプレイヤーをペアリングできます。

League of LegendsやDota 2などのゲームは、マッチメイキングレーティング（MMR）と呼ばれることがあるEloの独自変種を使用しています。これらのシステムはしばしば追加の複雑さを導入します。たとえばパフォーマンスベースの調整（負けても良いKDAのプレイヤーへの報酬）、減衰メカニクス（定期的にプレイしないとレーティングが下がる）、プレイスメントシーズン（各競技シーズンの開始時の新しいキャリブレーションゲーム）などです。この複雑さにもかかわらず、コアのElo計算式は下に横たわる数学的基盤であり続けています。

Chess.comとLichessはそれぞれ従来のEloとGlicko-2レーティングを使用しています。マーク・グリックマンが開発したGlicko-2はEloの拡張で、確実性を測定するためのレーティング偏差（RD）パラメータを追加しています。最近プレイしていないプレイヤーはRDが高くなり、後続のゲームでレーティングがより速く変化できます。これは純粋なEloが対処しない陳腐化問題に対するエレガントな解決策です。

競技オンラインプラットフォームでは、EloレーティングはあなたのIma現在のスキルレベルを最も正直に描写した単一の数値です。Eloラダーを登るには、期待される勝率を一貫して上回る必要があります。同レベルのプレイヤーに50%以上の勝率を持つか、より高いレーティングの対戦相手を時々アップセットするかです。

Eloに関するよくある誤解

多くのプレイヤーは、負けた後にレーティングが「盗まれた」と思ったり、弱い相手に勝った後にポイントを失うのは不公平だと感じたりします。実際には、Eloシステムは個々の試合レベルでゼロサムです。一方のプレイヤーが得たポイントは正確に他方のプレイヤーが失ったポイントと同じです。ポイントの外部プールは存在せず、試合の結果に基づいてプレイヤー間でレーティングが流れるだけです。

もう一つのよくある誤解は、システムが勝利の優勢さを考慮しないということです。これは古典的なEloでは真実であり、意図的なものです。スコアマージンはスキル以外の要因（相手が早期に投了するか、運の悪い単純なミス）によって影響を受ける可能性があり、一貫して測定することが難しいです。多くの現代システムは追加のパフォーマンス指標を別途追跡しており、レーティング自体は純粋で結果ベースに保たれています。

最後に、プレイヤーはなぜ予想外の1敗でレーティングが大幅に下がるのか不思議に思うことがあります。計算式は、はるかに弱い相手を倒すことは期待されているため、勝利で得られるポイントが非常に少ないことを示しています。しかし弱いプレイヤーがアップセットを達成した場合、多くのポイントを獲得し、強いプレイヤーは同じ量を失います。システムはこのアップセットをレーティングの差がレーティングが示唆するほど大きくなかった証拠として扱い、それに応じて調整します。