本文要点
- 未经调整的随机结果也会自然出现连串重复。这并不意味着随机数生成器故障或有偏差。
- 人的直觉会期待结果比真实随机更早交替出现；这种落差往往才是抱怨的来源。
- 减少重复策略会依据近期结果调整候选项的权重。重复会减少，但不会降为零。
- 奖品抽取、审计等场景不能改变每次抽取的概率，应继续使用标准工具。需要轮换更公平、体验更顺畅时，可使用减少重复页面。
连串重复并非故障
骰子连续三次掷出4点时，很多人会怀疑骰子是否做了手脚。但完全未经调整的随机来源也经常产生连串结果：同一点数连续出现三次，大约每36个起始位置会发生一次；掷100次，平均会出现两三次这样的连串。
连串结果之所以显眼，是因为直觉。人们期待结果比真实随机更早交替出现。Bar-Hillel和Wagenaar的研究显示，人们手写的数字序列比真正的随机序列更少出现连串。真实随机看起来比“像样的”列表更不规整。
固定概率的扭蛋抽取也会出现同样情况。每次抽取都不参考上一次结果，因此连续落空或连续抽中稀有物品，都属于概率范围内。只把好运连发视为意外，就忽略了关键：在真正的随机抽取中，任何方向的连串都很常见。
为什么“怎么又是同一个人？”让人不舒服
抽签或洗牌总是选中同一个人时，使用者会同时产生两种感受：怀疑工具是否出错，以及一直等不到自己的人感到不满。
后一种不满来自把候选名单看成一种轮换顺序。对于值日表、每周演讲顺序等需要考虑历史记录的用途，根据近期结果调整候选项概率的策略会更方便。
音乐应用也遇到过同样的抱怨。Spotify会调整随机播放，让同一首歌不容易连续播放；参考资料列出了Spotify Engineering对这一实现方式的说明。
减少重复策略如何运作
本站的专用页面采用以下方式。
- 随机熵来源与标准工具相同，使用浏览器内的密码学安全随机数。
- 每次选择前，会根据近期结果为候选项计算“不容易再次出现”的程度：刚刚出现的值受到较大的惩罚，短时间内多次出现的值受到较小的惩罚。
- 然后在候选项中随机选出实际结果，惩罚会反映在各项权重上。
由于惩罚力度较轻，重复不会降为零，也不会永久偏向或禁止任何结果。长期频率会回到较均匀的分布，而不是放大偏差；序列也不会锁定为1→2→3…这样的循环。
近期结果如何改变下一次掷骰的概率
1. 最近四次掷骰结果（右侧为最新）
2. 比较下一次掷骰的概率
标准随机不看近期结果；每个点数的概率都是1/6（约16.7%）。
| 点数 | 标准随机 | 减少重复 |
|---|---|---|
| 1 | 16.7% | 20% |
| 2 | 16.7% | 20% |
| 3 | 16.7% | 6% |
| 4 | 16.7% | 20% |
| 5 | 16.7% | 14% |
| 6 | 16.7% | 20% |
- 3连续出现了两次，因此下次让3的概率降低。
- 5最近出现过，因此也让5的概率略微降低。
3. 按这些概率抽取（本例掷出了2）
本例中，3下一次仍有6%的概率出现。没有任何点数会被排除。
比较100次和1,000次结果
下方模拟器会以相同次数分别掷标准骰子和减少重复骰子，并排比较各点数次数和连串情况。每次点击都会生成一对新序列，不会保存结果。
进行100次时，两种方式都常会出现某个点数20次、另一个点数8次的差距。增加到1,000次后，减少重复策略下各点数的出现频率会接近理论值1/6；与上一次相同的点数次数和最长连串长度则会明显下降。
两种方式都以相同次数掷六面骰子，并排展示各点数出现次数和连串情况。每次点击都会生成一组新结果。
注意：减少重复方式的结果与独立掷骰的理论值并不一致。这种偏差正是策略考虑历史记录所产生的效果。若计算需要精确理论值，请使用标准随机工具。
如何选择策略
| 场景 | 更合适的方式 | 原因 |
|---|---|---|
| 奖品抽奖、审计抽签 | 标准随机 | 需要承担说明责任时，每次抽取的概率不能改变。 |
| 休闲游戏中的运气 | 均可 | 连串结果让人烦恼时用减少重复策略；测试概率时用标准随机。 |
| 每日值日、演讲顺序 | 减少重复策略 | 近期中奖者和排在第一的人不容易连续重复。 |
| 学习或测试概率 | 标准随机 | 与理论值对比需要各次试验相互独立。 |
应该使用哪一种
请根据用途选择，而不是比较哪种听起来更好。如果每次抽取的概率不能改变，标准随机才合适。如果用户更在意轮换过程是否公平顺畅，减少重复页面会更方便。
参考资料
- Bar-Hillel, Maya & Wagenaar, Willem A. (1991), “The perception of randomness”, Advances in Applied Mathematics, 12(4), 428–454. 研究讨论了真实随机序列中的连串结果与人们预期之间的差异。
- Falk, Ruma & Konold, Clifford E. (1997). “Making sense of randomness: Implicit encoding as a basis for judgment”. Psychological Review, 104(2), 301–318.
- Spotify Engineering (2025-11-13). “Shuffle: Making Random Feel More Human”.
更新日期: 2026-10-10