赌徒谬误：为什么「该出了」是错的
从伯努利试验的独立性出发，逐步推导「连续 N 次未出现」之后的条件概率，并解释这种错觉在认知层面的来源——蒙特卡洛赌场 1913 年那次连开 26 把黑，是最经典的教材案例。
条件概率独立性约 3200 字
纯科普站点 · 不提供预测
随机，是可以被计算的
但不能被预测
本站用概率论与统计学的标准工具，拆解「开奖数据里有没有规律」这个问题。 结论在数学上是确定的：没有。而这个「没有」本身， 恰恰是一套可以推导、可以检验、可以动手复现的漂亮理论。
- 8 篇成体系的推导长文
- 2 个可交互计算工具
- 全部公式可独立验算
投掷次数越多，频率越贴近 0.5
同一枚均匀硬币的三次独立试验，正面频率随投掷次数的变化
四个数字，说清这件事
49 选 6 的组合总数
13,983,816
单注全中概率约 7.15×10⁻⁸，即约一千四百万分之一。
历史数据的信息增量
0 bit
独立事件下 P(A|B)=P(A)，条件不改变概率，互信息为零。
返奖率 R 时的单位期望
R − 1
R<1 则期望恒为负，与选号方法无关，是恒等式而非经验。
连续 10 次不出后的概率
不变
无记忆性：缺席不产生补偿。认为会变高即赌徒谬误。
概率科普 · 核心专题
查看全部 8 篇 →大数定律到底保证了什么
弱大数定律与强大数定律的准确表述、二者区别，以及被误读最多的一点：它保证频率收敛，不保证「缺的会补回来」。附可复现的收敛数值实验。
切比雪夫不等式收敛约 3600 字
独立事件、条件概率与无记忆性
独立性的形式化定义、条件概率公式、贝叶斯定理，以及几何分布的无记忆性证明。理解了这一篇，后面所有结论都是它的推论。
贝叶斯定理几何分布约 3400 字
组合数学：中奖概率是怎么算出来的
排列与组合的区别、二项式系数的计算、超几何分布，以及各档奖级概率的完整算法。给出可直接套用的公式和逐步验算过程。
超几何分布二项式系数约 3500 字
期望值与返奖率：负期望的恒等式
期望值的定义与线性性质、返奖率与期望的代数关系、赌徒破产问题的求解，以及为什么任何「资金管理法」都不能把负期望变成正期望。
期望线性性赌徒破产约 3800 字
冷热号的统计学真相
为什么真随机序列里必然出现看起来「不随机」的团簇？涉及多重比较问题、德州神枪手谬误、以及人类对随机性的系统性误判实验。
多重比较团簇错觉约 3600 字
随机性检验：卡方统计量与 p 值
如何用卡方拟合优度检验判断一组数据是否服从均匀分布，p 值到底是什么、又常被怎样误解，以及游程检验、序列相关等补充手段。含完整算例。
卡方检验p 值约 4200 字
为什么「预测下一期」在数学上不可能
把「可预测」翻译成信息论语言：预测有效等价于历史与未来的互信息大于零。在独立性假设下该互信息恒为零。这不是「很难」，而是「定义上不成立」。
互信息信息论约 4000 字
动手工具
全部工具 →概率速查表
| 事件 | 概率 | 约等于 | 依据 |
|---|---|---|---|
| 49 选 6，单注 6 个全中 | 7.151×10⁻⁸ | 1 / 13,983,816 | C(49,6) 倒数 |
| 49 选 6，单注命中 5 个 | 1.845×10⁻⁵ | 1 / 54,201 | 超几何分布 |
| 49 选 6，单注命中 4 个 | 9.686×10⁻⁴ | 1 / 1,032 | 超几何分布 |
| 49 选 6，单注命中 3 个 | 1.765×10⁻² | 1 / 57 | 超几何分布 |
| 均匀硬币连续 10 次同面 | 1.953×10⁻³ | 1 / 512 | 2 × (1/2)¹⁰ |
| 均匀硬币连续 20 次同面 | 1.907×10⁻⁶ | 1 / 524,288 | 2 × (1/2)²⁰ |
| 1000 次投掷中出现某个 10 连 | ≈0.62 | 约 3 次里有 2 次 | 游程分布近似 |
| 23 人中有两人同生日 | ≈0.507 | 略高于一半 | 生日问题 |
注意倒数第二行与最后一行：「某个 10 连出现」的概率高达 62%， 而「指定位置连续 10 次同面」只有 1/512。同一批数据，问法不同、答案差三个数量级—— 这正是冷热号错觉的数学根源，详见《冷热号的统计学真相》。
常见问题
历史开奖数据能用来预测下一期号码吗？
不能。在独立同分布的随机抽取模型下，下一期结果与全部历史记录相互独立，条件概率等于无条件概率，即 P(A|B) = P(A)。用信息论的语言说，历史与未来的互信息为零——历史数据对下一期不提供任何信息增量。详细推导见《为什么「预测下一期」在数学上不可能》。
一个号码很久没出现，是不是更容易出了？
不是。这种直觉被称为赌徒谬误。独立随机事件具有无记忆性，某个结果的缺席不会在后续抽取中被「补偿」。大数定律描述的是频率随样本量增大而收敛到概率，它并不意味着短期内会出现补偿性偏移。两者的区别见《大数定律到底保证了什么》。
什么是返奖率，它和期望值什么关系？
返奖率是奖金总额占投注总额的比例，记作 R。单位投注的期望收益为 E = R − 1。只要 R < 1，期望收益恒为负值，且这一结论与选号方法完全无关。推导见《期望值与返奖率》。
怎样判断一组开奖数据是否真正均匀随机？
使用统计检验，而不是肉眼观察。常用方法是卡方拟合优度检验：计算 χ² = Σ(O−E)²/E，在自由度 k−1 下求上尾 p 值。若 p 值不显著则没有证据拒绝均匀假设。完整算例见《随机性检验》，也可直接用模拟器动手跑。
本站会提供号码推荐或预测服务吗？
不会，任何形式都不会。本站是纯粹的数学与统计科普站点，全部内容的目的是解释随机性为什么不可预测。本站不提供号码推荐、走势预测、投注方案，不设付费内容，也不与任何博彩平台存在关联。参见《免责声明》。