一、一次可复现的实验
下面这张图的生成过程完全公开：用 mulberry32 伪随机数生成器，固定种子 20260618，模拟 3000 期，每期从 49 个号码中无放回抽取 6 个。生成器对所有号码绝对一视同仁，没有任何偏向。
你可以在模拟器页面输入同一个种子，得到逐位相同的结果。
49 个号码在 3000 期中的出现次数
数据来自完全均匀的伪随机模拟，随机种子 20260618（固定，可复现）。理论期望值 3000 × 6/49 ≈ 367.3 次。
最热号出现
—
正在计算…
最冷号出现
—
正在计算…
冷热极差
—
最热减最冷。看起来很大，但见下文。
卡方检验 p 值
—
正在计算…
读一下这四个数字
最热号比最冷号多出了几十次。如果只看这个差距，任何人都会觉得「这里面有名堂」。
但第四格的卡方检验 p 值远大于 0.05——统计学的结论是：这批数据与「完全均匀」没有任何可检出的矛盾。而我们本来就知道它是均匀的，因为是我生成的。
所以：冷热差异的存在，不是非均匀的证据。它恰恰是均匀性的正常表现。
二、为什么必然不均匀
把「某个特定号码出现的次数」记为 X。每期它出现的概率是 p = 6/49 ≈ 0.12245，n 期就近似服从二项分布 B(n, p)（关于「近似」，第 2.2 节会说清）。
代入 n = 3000：
Var(X) = 3000 × 0.12245 × 0.87755 ≈ 322.4
σ = √322.4 ≈ 17.95
关键在于 σ 按 √n 增长，而 E[X] 按 n 增长。这正是《大数定律到底保证了什么》的核心结论在这里的具体形态：
- 相对偏差
σ/E[X] = √((1−p)/(np))随 n 减小 → 频率趋于稳定。 - 绝对偏差
σ随 n 增大 → 冷热差距会越拉越大。
所以期数越多，冷热号的次数差距不会缩小，只会扩大。这与「大数定律会抹平差异」的通俗印象正好相反。
2.1 极差的量级
49 个号码的次数近似是 49 个独立同分布的正态变量。n 个标准正态变量的极差期望，在 n = 49 时约为 3.2。所以：
上图的实测极差就落在这个量级附近。差距大小本身，携带的信息量接近于零。
2.2 一个必须说清的技术细节
二项近似在这里并不精确
同一期内的 6 个号码是无放回抽取的，因此各号码在同一期内存在轻微的负相关（见《独立事件与条件概率》第八节）。严格来说，49 个计数服从的是多元超几何的 n 次卷积，不是独立二项。
后果有两点：(1) 单个号码的边际分布确实是 B(n, 6/49)——这部分完全精确；(2) 但 49 个计数之间不独立（它们的和恒等于 6n），所以把它们当独立正态来算极差、以及套用自由度 48 的卡方分布，都只是近似。
由于 6/49 较小、期数很大，这个近似的偏差很小，不影响本文的定性结论。要做严格推断，正确做法是用蒙特卡洛模拟出零假设下的统计量分布，直接比对——方法见《随机性检验：卡方统计量与 p 值》。本文选择说明这一点，而不是掩盖它。
三、波动带：多大的差距才算大
既然差距必然存在，正确的问题就不是「有没有差距」，而是「差距超出正常范围了吗」。答案由波动带给出：在均匀假设下，约 95% 的号码次数应落在
| 期数 n | 期望 np | 标准差 σ | 95% 波动带 | 带宽 ÷ 期望 |
|---|---|---|---|---|
| 100 | 12.2 | 3.28 | 5.8 – 18.7 | 105% |
| 500 | 61.2 | 7.33 | 46.9 – 75.6 | 47% |
| 1,000 | 122.4 | 10.36 | 102.2 – 142.7 | 33% |
| 3,000 | 367.3 | 17.95 | 332.1 – 402.5 | 19% |
| 10,000 | 1,224.5 | 32.77 | 1,160.3 – 1,288.7 | 10% |
| 100,000 | 12,244.9 | 103.63 | 12,041.8 – 12,448.0 | 3.3% |
看第三列和第五列的分道扬镳：σ 一路上升（3.3 → 104），而相对带宽一路下降（105% → 3.3%）。这两列不矛盾，它们是同一件事的两种度量。要判断「异常」，必须用相对尺度，绝不能用绝对次数。
四、极差随期数的变化
下图直接把上一节的两条趋势画出来：同一批均匀模拟数据下，冷热极差的绝对值与相对值随期数如何变化。
冷热极差：绝对次数上升，相对比例下降
同一次均匀模拟（种子 20260618）在不同期数处的截面统计，横轴对数刻度。两条线用了不同的归一化，仅比较趋势方向。
橙线（极差 ÷ σ）基本水平地贴在 3.2 附近——这正是理论预言的值。也就是说，用 σ 归一化之后，冷热差距根本没有随期数变化。它看起来在变大，纯粹是因为 σ 本身在变大。
五、多重比较：92% 的假警报
现在来看一个更隐蔽的错误。假设你对每一个号码分别做检验，显著性水平取常规的 α = 0.05。
在完全均匀的前提下，单个号码被误判为异常的概率是 5%。但你检验了 49 个号码。至少有一个被误判的概率是：
预期被误判的号码个数是 49 × 0.05 = 2.45 个。
这意味着什么
在一批完全干净的均匀数据上，逐个号码做 5% 水平的检验，你有 92% 的把握能找出至少一个「显著异常」的号码，平均能找出 2 到 3 个。
如果检验的是 49 个号码 × 若干个统计维度（出现次数、连续遗漏、奇偶比、和值、区间分布……），维度一多，「找出显著结果」就从有可能变成了必然。任何一份「经过大数据分析发现的规律」，如果没有交代它一共检验了多少个假设，这份结果的信息量就是零。
5.1 两种修正方法
Bonferroni 校正：把显著性水平除以检验个数。
校正之后，波动带变成 [308.4, 426.2]——上图中没有任何一个号码会越出这个范围。Bonferroni 简单、保守，在检验数极多时会损失检出力。
Benjamini–Hochberg 法：控制的不是「至少一个假阳性的概率」，而是「被判为阳性的结果中假阳性所占比例」（FDR）。做法是把 m 个 p 值升序排列，找最大的 k 使 p₍ₖ₎ ≤ k·α/m，然后拒绝前 k 个。检出力更高，是当代多重检验的主流方法。
5.2 正确的做法只有一个
与其逐个号码检验，不如做一次整体检验：卡方拟合优度检验一次性回答「这 49 个频次作为一个整体，是否与均匀分布相容」。它只做一次检验，不存在多重比较问题。上图的第四格统计量就是这么算的。完整方法见《随机性检验：卡方统计量与 p 值》。
六、德州神枪手谬误
典故是这样的：一个人朝谷仓墙面胡乱开了一梭子，然后走过去，在弹孔最密集的地方画上靶心，宣布自己百发百中。
错误不在于「弹孔确实密集」——那是真的。错误在于靶心是看到弹孔之后才画的。任何一批随机散点里都必然存在某个局部密集区；先看数据再定义「目标」，等于把随机波动重新命名为规律。
| 领域 | 名称 | 具体形态 |
|---|---|---|
| 统计学 | 事后假设 / HARKing | 看完结果再倒推出「假设」并宣称验证成功 |
| 金融 | 过拟合 / 曲线拟合 | 在历史行情上调参到完美，实盘立即失效 |
| 机器学习 | 测试集泄漏 | 用测试集反复调参，测试集事实上变成了训练集 |
| 医学研究 | 亚组分析滥用 | 整体无效，就切分人群直到某个子群「显著」 |
| 号码分析 | 冷热号 / 走势规律 | 在已有记录里搜索模式，再宣称它能外推 |
唯一的解药是样本外验证：先把规则完整写死（哪些号码、什么条件、如何判定），再拿它去面对此前从未看过的数据。凡是无法通过这一关的「规律」，都只是对噪声的描述。
一个可以自己动手的检验
任何声称有效的选号规则，都可以这样验证：把它写成一段明确的、无歧义的程序（不允许出现「结合盘感灵活调整」这类描述），在模拟器里对一批全新的均匀随机数据跑一遍。
结果几乎总是命中率恰好等于 6/49。因为在均匀随机数据上，所有选号规则的命中率都严格等于 6/49——这是《期望值与返奖率》里期望线性性的直接推论，与规则的复杂程度无关。
七、p 值操纵的六种常见形式
Simmons、Nelson 与 Simonsohn 在 2011 年的著名论文中证明，若干看似无害的分析自由度组合起来，可以把假阳性率从 5% 推高到 60% 以上。以下六种在号码分析里都很常见：
| 做法 | 表现 | 为什么错 |
|---|---|---|
| 选择性截止 | 「最近 50 期」「近三年」——换几个窗口直到出现规律 | 窗口本身成了被优化的参数 |
| 选择性指标 | 次数不显著就换遗漏值、和值、跨度、奇偶比 | 指标数量 = 隐藏的检验次数 |
| 选择性分组 | 把 49 个号码按各种方式分区，直到某个分区显著 | 分法有指数级多种 |
| 可选停止 | 边收集数据边看 p 值，一跌破 0.05 就停 | 停止规则依赖数据，破坏了 p 值的定义 |
| 剔除异常值 | 把不符合结论的期次称为「特殊情况」排除 | 用结论筛选数据，循环论证 |
| 只报告成功 | 试了 30 种规则，只展示成功的那一种 | 发表偏倚；未报告的 29 次才是真实基础率 |
结合第五节的基础率讨论：当真规律的先验概率极低时（在一个设计良好的随机装置上，这个先验接近 0），即使检验本身很准，报出来的阳性结果里也几乎全是假阳性。这不是对分析者动机的怀疑，而是贝叶斯定理的直接后果。
八、就算真有偏差，方向也不是你想的那样
假设经过严格的整体检验、正确的多重比较校正、独立的样本外验证之后，某个装置真的被证实存在物理偏差。那么该怎么办？
这里有一个几乎所有人都会搞反的地方：
偏差意味着「它会继续偏」，不是「该轮到别的了」
若检验显示某号码系统性偏多，唯一合理的推断是这台机器倾向于它——所以它未来还会偏多。
而「冷号该出了」的逻辑要求的恰恰相反：它假设装置会自我纠偏。这就是赌徒谬误。
于是两种说法陷入了自相矛盾：如果装置均匀，历史数据无用（独立性）；如果装置有偏，历史数据指向的方向与「追冷」正好相反。无论哪种情形，「追冷号」都是错的。
而且即便偏差真实存在，它在经济上通常也没有意义。设某号码的真实概率从 6/49 偏移到 6/49 × 1.05（偏高 5%，这已经是极大的机械偏差），带来的期望改善约为 5%；而返奖率带来的固定损失 1 − R 在多数规则下是 20% 到 50%。5% 的改善填不上 20% 以上的坑——这是《期望值与返奖率》里那条恒等式的又一次出场。
历史上确实有过利用轮盘物理偏差获利的案例（如 1873 年 Joseph Jagger 在蒙特卡洛，以及 1990 年代 Gonzalo Garcia-Pelayo 的团队），但它们的共同前提是：机械式设备、可长期现场观测、偏差幅度远超庄家优势。现代摇号装置的设计、随机化流程与定期检验，正是针对这类漏洞建立的。
延伸阅读与参考
- Simmons, J. P., Nelson, L. D., & Simonsohn, U. (2011). False-Positive Psychology. Psychological Science, 22(11), 1359–1366. 分析自由度如何把假阳性率推到 60% 以上。
- Benjamini, Y. & Hochberg, Y. (1995). Controlling the false discovery rate. JRSS-B, 57(1), 289–300. FDR 方法的原始论文。
- Ioannidis, J. P. A. (2005). Why most published research findings are false. PLoS Medicine, 2(8), e124. 基础率与多重比较对研究结论的系统性影响。
- Gilovich, T., Vallone, R., & Tversky, A. (1985). The hot hand in basketball. Cognitive Psychology, 17(3), 295–314. 人类在随机序列中识别「热手」的经典研究。
- Miller, J. B. & Sanjurjo, A. (2018). Surprised by the Hot Hand Fallacy? Econometrica, 86(6), 2019–2047. 对上一篇的重要修正，说明原分析本身存在一个选择偏差。
- Wasserstein, R. L. & Lazar, N. A. (2016). The ASA Statement on p-Values. The American Statistician, 70(2), 129–133.
- Barnard, G. A. & others. 关于蒙特卡洛轮盘偏差案例的记述，见 Bass, T. A. The Eudaemonic Pie (1985)。