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
先看哪一篇？
如果你只有 15 分钟
读《赌徒谬误》。它是整站的入口，只需要高中概率基础， 而且直接回答了最常被问的那个问题：「连着好多期没出，是不是快出了？」
读完如果只记住一句话，请记住：硬币没有记忆，摇号机也没有。
如果你关心「数据到底能说明什么」
读第 6、7 篇：《冷热号》讲为什么随机数据里必然出现看起来有规律的团簇， 《随机性检验》讲怎样才算真正检验过了。
第 7 篇里有本站唯一一处与教科书通行做法不同的结论，涉及自由度的取法，附完整推导与蒙特卡洛验证。
如果你是来找号码的
本站没有，而且不会有。这里不提供任何预测、推荐、走势分析或投注建议， 不销售资料，不留联系方式，与任何博彩机构无关。
第 8 篇解释了为什么这类内容在数学上不可能有效——不是我们不做，是它不存在。
概念依赖关系
| # | 文章 | 需要先读 | 新引入的工具 | 数学门槛 |
|---|---|---|---|---|
| 1 | 赌徒谬误 | 无 | 伯努利试验、条件概率 | 高中 |
| 2 | 独立事件与条件概率 | 无 | 贝叶斯定理、几何分布、无记忆性 | 高中～大一 |
| 3 | 大数定律 | 第 2 篇 | 切比雪夫不等式、依概率收敛、中心极限定理 | 大一 |
| 4 | 组合数学 | 无 | 二项式系数、超几何分布、指示变量 | 高中 |
| 5 | 期望值与返奖率 | 第 4 篇 | 期望线性性、赌徒破产、鞅与可选停时定理 | 大二 |
| 6 | 冷热号的真相 | 第 3、4 篇 | 多重比较、极差分布、Bonferroni 校正 | 大一～大二 |
| 7 | 随机性检验 | 第 6 篇 | 卡方拟合优度、p 值、统计功效 | 大二 |
| 8 | 预测的不可能性 | 第 2、5 篇 | 熵、互信息、数据处理不等式、柯尔莫哥洛夫复杂度 | 大二～大三 |
第 1、2、4 篇没有前置要求，可以任选一篇作为起点。
全部 8 篇
配套工具 →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。含一个反直觉算例：基础率 0.1%、灵敏度 99% 的检测呈阳性时，真实患病概率只有 1.94%。
贝叶斯定理几何分布约 3400 字
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」——事实上偏差的绝对值还会持续变大。
切比雪夫不等式收敛约 3600 字
组合数学：中奖概率是怎么算出来的
二项式系数的计算、超几何分布、各档奖级概率的完整算法。含 C(49,6) = 13,983,816 的完整手算约分过程，以及一张七行精确整数表，逐行验算合计。
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
核心恒等式 E[S] = (R − 1) × E[总投注额]。用鞅与可选停时定理证明：任何依赖历史的下注策略都无法改变它。含倍投法的破产模拟。
期望线性性赌徒破产约 3800 字
冷热号的统计学真相
3000 期均匀随机数据里，最热号与最冷号的差距期望约 57 次。看起来极不随机，但这正是随机的样子。涉及多重比较、德州神枪手谬误与 Bonferroni 校正。
多重比较团簇错觉约 3600 字
随机性检验：卡方统计量与 p 值
本站篇幅最长、也最技术的一篇。含一处与通行做法不同的结论：每期抽 k 个号码时自由度应取 M − k 而非 M − 1，附推导与 4000 次蒙特卡洛验证——用错会把 5% 的检验做成 1.23%。
卡方检验p 值统计功效约 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：历史与未来的互信息恒等于 0 比特。不是「很难」，是数据里根本没有那个信息。含七种选号策略的实测对比与机器学习为何同样无效。
互信息信息论约 4000 字
概念索引
按概念查找它在哪一篇里被完整讲解。
| 概念 | 完整讲解位置 | 一句话 |
|---|---|---|
| 伯努利试验 | 01 赌徒谬误 | 只有成功与失败两种结果的独立重复试验 |
| 赌徒谬误 | 01 赌徒谬误 | 误以为过去的结果会影响未来的概率 |
| 条件概率 | 02 独立事件 | P(A|B) = P(A∩B)/P(B) |
| 贝叶斯定理 | 02 独立事件 | 由 P(B|A) 反推 P(A|B)，必须带上基础率 |
| 无记忆性 | 02 独立事件 | 几何分布的等待时间不因已等多久而改变 |
| 切比雪夫不等式 | 03 大数定律 | 偏离均值 k 个标准差的概率不超过 1/k² |
| 依概率收敛 / 几乎必然收敛 | 03 大数定律 | 弱大数定律与强大数定律的区别所在 |
| 中心极限定理 | 03 大数定律 | 大量独立随机量之和趋近正态分布 |
| 二项式系数 | 04 组合数学 | C(n,k) = n! / (k!(n−k)!) |
| 超几何分布 | 04 组合数学 | 无放回抽样中命中个数的分布 |
| 指示变量法 | 04 组合数学 | 把复杂计数拆成 0/1 变量之和求期望 |
| 期望线性性 | 05 期望值 | E[X+Y] = E[X]+E[Y]，不要求独立 |
| 返奖率 | 05 期望值 | R = 总奖金 / 总投注；R<1 则期望恒为负 |
| 赌徒破产问题 | 05 期望值 | 本金翻倍前破产的概率，随劣势指数级恶化 |
| 鞅 / 可选停时定理 | 05 期望值 | 为什么「见好就收」也改变不了期望 |
| 多重比较问题 | 06 冷热号 | 检验做得越多，假阳性越多 |
| 德州神枪手谬误 | 06 冷热号 | 先看结果再画靶心 |
| Bonferroni 校正 | 06 冷热号 | 把显著性水平除以检验个数 |
| 卡方拟合优度检验 | 07 随机性检验 | χ² = Σ(实测−理论)²/理论 |
| p 值 | 07 随机性检验 | 假设原假设成立时，看到这么极端数据的概率 |
| 统计功效 | 07 随机性检验 | 真有偏差时能被检出的概率；决定了需要多少数据 |
| 熵 | 08 预测不可能 | 不确定性的比特度量；一期 49 选 6 为 23.74 比特 |
| 互信息 | 08 预测不可能 | 知道 Y 后关于 X 的不确定性减少了多少 |
| 数据处理不等式 | 08 预测不可能 | 任何处理都不能增加信息 |
| 柯尔莫哥洛夫复杂度 | 08 预测不可能 | 「有规律」的严格含义就是「可被压缩」 |
关于这些文章是怎么写的
数据来源
站内所有图表用的都是程序生成的模拟数据，不是任何真实开奖记录。
随机数由 mulberry32 算法配固定种子产生，种子写在每张图的图注里。
这样做有两个理由：一是模拟数据的真值已知，可以直接验证结论对不对； 二是本站的目的是讲清方法，而不是提供任何可用于博彩的数据。
校核流程
文章由 AI 辅助起草，但每一个数值结论都单独跑代码复核过， 参考文献逐条核对存在性，不使用采集或洗稿的内容。
复核确实改掉过东西。比如第 7 篇初稿说模拟分布与理论曲线「几乎重合」， 实测后发现中心吻合但方差偏小约 9%，正文已按实测结果改写。