数学与概率模拟
偶然性在单次试验中具有不可预测性,但在大数积累下却展现出清晰的确定规律:单次抛硬币的结果无法断言,但抛掷千次后正反面的比例必然趋近于一半。这些模拟器能在数秒内重复成千上万次独立试验,将随机波动逐渐收敛为经典概率分布曲线的动态过程直观呈现出来。
高尔顿板再现了弗朗西斯·高尔顿(Francis Galton)在19世纪70年代设计的钉板小球下落实验;每次碰撞都是一次向左或向右的随机二项选择,底部汇聚的小球轮廓天然遵循二项分布并逐渐逼近正态分布钟形曲线。抛硬币模拟器引入了刚体空中翻滚的真实物理机制,甚至还原了在350,757次真实翻转测试中测得的细微“同侧偏向”偏差。概率树与贝叶斯通过分支小球直观呈现条件概率的分配;根据已知结果进行后验筛选,直观展示贝叶斯定理如何更新先验概率,有效解答三门问题等反直觉概率悖论。布丰投针实验模拟在平行木地板上随机投掷细针估算π值,这是历史上最早的蒙特卡洛数值方法之一。
随机性同样驱动着微观物理世界。布朗运动与随机游走追踪花粉颗粒受不可见分子撞击产生的不规则运动——爱因斯坦于1905年对此给出了理论阐释——并直观展示扩散中的随机漫步质点如何铺展为正态分布。放射性衰变赋予每个原子核微小的恒定衰变概率,群体呈现出平滑的指数级半衰期曲线。理想气体与熵展现了刚性分子碰撞如何自发趋向麦克斯韦-玻尔兹曼速率分布,揭示了封闭气体熵增与不可逆过程的统计本质。渗透模型逐步开放离散晶格,演示系统在达到临界贯通概率时发生的宏观相变跃迁。
确定的规则也能产生看似随机的现象。在滑块碰撞求圆周率中,两个滑块间的碰撞次数正好等于圆周率 π 的各数字;π 搜索能在圆周率的前一百万位中检索数字、单词和图像。双摆混沌呈现出典型的混沌特性:初始状态即使只改变十亿分之一,其摆动轨迹也会迅速变得截然不同。
内置的一键分享链接可完整复制运行状态供课堂教学使用,图表可实时比对实验数据与理论曲线,全平台支持导出高清图像、过程视频与CSV原始数据。
14 个数学与概率工具

高尔顿板
让小球穿过层层钉阵并堆叠成二项式钟形曲线,支持真实物理碰撞或精确硬币抛掷模拟。

抛硬币模拟器
以真实物理规律一次投掷多达100枚硬币,观察每轮正面向上的次数如何逐渐汇聚成二项分布。

概率树与贝叶斯
构建概率树状图,投下蒙特卡洛小球并根据已知证据筛选条件,亲身体验贝叶斯定理的运作机制。

布丰投针实验
将细针随机投向地板,利用针穿过缝隙的比例估算圆周率 π。

布朗运动与随机游走
观察受分子撞击的花粉微粒,或如墨滴扩散般的随机游走粒子群。

放射性衰变
观察原子逐个衰变、样本量每过一个半衰期减半的过程,其盖革计数器的计数规律严格服从泊松分布。

理想气体与熵
碰撞分子逐渐趋于麦克斯韦-玻尔兹曼分布;推动活塞并观察两气室混合时的熵增。

渗透模型
随机连通网格格点,探索团簇彼此相连并允许水流渗透的临界概率。

滑块碰撞求圆周率
推动重块撞击墙边轻块并统计碰撞次数:质量比为 100ⁿ 时,总碰撞次数即为 π 的各位数字。

双摆混沌
拖拽并释放双摆;初始角度仅相差一万亿分之一弧度的双摆会迅速分道扬镳。
Sorting Algorithms
Watch nine sorting algorithms sort a row of bars and count every comparison and move, on five kinds of input or on bars drawn by hand.

Correlation & Causation
Plot real measures across countries with r, ρ and a fitted line, draw cases from causal diagrams, and test many pairs with corrections.

Group Rates & Risk
See a published rate as 1,000 people, compare groups by sex and age, and draw samples to see how sure a survey's share is.

π 搜索
在圆周率 π 的前 100 万位数字中搜索数字、日期、文字或小图片,查看其首次出现的位置。
常见问题解答
什么是蒙特卡洛模拟(Monte Carlo simulation)?
这是一种通过大量重复随机抽样实验来求解数值或概率问题的计算方法。该名称得名于著名的蒙特卡洛赌场,由物理学家尼古拉斯·梅特罗波利斯(Nicholas Metropolis)与斯坦尼斯瓦夫·乌拉姆(Stanislaw Ulam)于1949年正式提出。随着抽样次数的不断增加,统计频率会无限趋近于客观概率,这正是大数定律的直接体现。
为什么自然界中很多统计规律都符合钟形曲线?
中心极限定理指出,当一个宏观结果是由大量微小的、相互独立的随机因素叠加而成时,无论每个因素本身的概率分布形式如何,它们累加后的总和分布最终都会渐进趋向于正态分布(高斯分布)。高尔顿板将这一数学定理具象化:每个小球落入底槽的最终位置,本质上就是它沿途经历的一连串向左与向右随机反弹位移的数学总和。
这些模拟工具适合用于日常课堂教学演示吗?
非常适合。所有工具完全免费,免注册登录,可顺畅运行于平板电脑和Chromebook等设备上。分享链接会直接固化当前的所有实验参数,便于全班同学在相同初始条件下开展验证。教师还可灵活运用“Pause”(暂停)与“Step”(单步步进)控制模拟节奏,引导学生在下一阶段事件发生前主动推理并预测概率结果。