不考虑下限提升这个设定的话，每次洗练都是独立事件不是么 ，根据大数法则，洗练次数越多，越逼近数学期望不是么。

这种前后两次不是独立的，最好就枚举算一下，懒得算直接做个蒙卡模拟就行。
不过，你这举骰子的例子很不恰当，因为骰子的结果是均匀分布的，但汉家肝湖的洗练明显呈前高后低的类指数分布。

那个，，得到的分数既然就是最后一次的，，那和掷几次有关系么，，所以期望 3.5么，，，

就像找老婆一样，只能找一个，但是前面可能还有更好，也可能错过过去那个比现在好的

提示一下，这里在投掷一次后选择继续还是停止是个关键

你们可以简化一下，假设最多只能投2次，其他条件一样

如果只能扔两次，123不扔第二次，那期望值大概是3.7？

我的策略：每投一次算一下剩余次数，投出大于本次结果的概率，大于50%就投，小于则停止。
用蒙卡模拟（十万次）跑出的期望约为5.0889，99%置信区间为[5.0802, 5.0976]，可以说比较精确了已经。

如果赌徒明智的话大概. 5.13

只掷两次 4.25.
三次 4.67
四次 4.94

import random
import numpy as np
s = []
t = 0
for time in range(0,100000):
for i in range(0,5):
k = random.randint(1,6)
t = k
if(1-(t/6)**(4-i) >= 0.5):
continue
else:
s .append(t)
break
expectation = sum(s)/100000
std = np.std(s)/np.sqrt(100000)
以上是蒙卡的代码，策略就是上文所述，这回应该没问题啦

吧友还是厉害啊👍

这个和掷骰子的人的策略有关，比如我只有掷到1才会再掷，否则结束，那么我只有掷了5次1才会得1分，其余情况概率平分，不是简单的独立事件