擲硬幣模擬器

模擬最多 100 枚硬幣的真實空中飛行物理,觀察每輪正面次數逐步累積成二項分布。

100%

Each coin gets a random toss speed and spin, and the face it lands on comes out of the physics of its flight. Tap a coin to flip it alone or the table to flip them all, and watch heads per round fill out the binomial curve.

Setup
Mode
10
Model
Starting face
0°
View
Randomness check

擲硬幣模擬器 的使用體驗如何?

關於 擲硬幣模擬器

拋擲模型
Keller(1986),進動效應依據 Diaconis、Holmes 與 Montgomery(2007)
同側機率
理論預測約 51%;在 350,757 次真實拋擲中為 50.8%
10次投擲中出現正面
出現 5 次正面的機率約為 24.6%
最長連續正面長度
在 n 次公平拋擲中約為 log₂ n − 2/3

擲硬幣模擬器依據物理定律模擬硬幣飛行。本工具採用 Joseph Keller 於 1986 年提出的模型,每枚硬幣離開手中時帶有隨機的向上速度與自旋,在空中翻轉約二十次,落下時朝上的一面即為結果。程式完全不預設正反面,結果全由飛行過程決定。無論一次投擲一枚或一百枚,每輪正面次數圖表都會逐步填滿二項分布,正面累計比例也會不斷靠近虛線,這正是 Jacob Bernoulli 於 1713 年在《Ars Conjectandi》中證明的重大數法則。

真實硬幣具有微小偏差。2007 年 Persi Diaconis、Susan Holmes 與 Richard Montgomery 指出,硬幣在空中飛行時除非自旋軸完全落在幣面上,否則必然產生晃動(進動);晃動的硬幣最終落在初始朝上面上的機率約為 51%。2023 年 František Bartoš 及其團隊以 350,757 次真實投擲驗證了這項預測,結果為 50.8%。將 Starting face 設為 Heads up 並調高 Wobble 即可觀察到此偏差;若隨機設定初始面則偏差抵消,與實驗結果一致。Biased coin 模式則略過物理運算,依你自訂的機率擲出正面。

隨機序列的連續次數往往超出大眾預期。正如 Mark Schilling 所解釋,在 n 次拋擲中,正面的最長連續次數通常接近 log₂ n,因此在 200 次拋擲中通常會出現約七次連續正面。儀表板會將實際最長連續次數與理論預測比對,而 Randomness check 方塊則可用來檢驗你隨意寫下的序列。你可以將每輪正面次數或最近 10,000 次投擲匯出為 CSV,或將拋擲過程錄製為影片或 GIF。

如何使用 擲硬幣模擬器

  1. 點擊 Play. 桌面上的每枚硬幣同時擲出;每枚硬幣根據其拋擲速度與自旋決定落地朝向,並統計該輪正面次數。
  2. 觀察圖表. Heads per round 會填滿長條圖上繪製的二項分布曲線,Share of heads 則顯示累計比例逐漸貼近期望比例。
  3. 變更實驗設定. 將 Coins per round(每輪硬幣數)設定在 1 到 100 之間,Rounds(輪次頻率)可從每兩秒一次調整至 1,000 a second(每秒一千次);較快的頻率將自動略過拋擲動畫。
  4. 觀察同側偏差. 在 Physics 模式下,將 Starting face 設為 Heads up,Wobble 設為約 10°:硬幣出現正面的機率約為 51%。切換至 Biased coin 則可自由設定 Chance of heads。
  5. 手動投擲. 點擊單枚硬幣進行單獨翻轉,或點擊桌面立即投擲全部硬幣。
  6. Randomness check(隨機性檢驗). 在自創序列欄位中輸入由 H 與 T 組成的序列,檢查其正反切換頻率與連續長度是否符合真實硬幣規律。
  7. Export(匯出). 儲存為 PNG、影片或 GIF,或將每輪正面次數與最新投擲記錄下載為 CSV 檔案。

常見問題

擲硬幣真的是五五波嗎?

如果起始面是隨機的,結果非常接近 50/50。拋出的硬幣翻轉次數極多,速度與旋轉的細微差異決定了最終結果,這也是它適合作為隨機決策工具的原因。若更仔細測量,在空中晃動的硬幣落在起始面上的機率略高:在 Diaconis、Holmes 與 Montgomery 的模型中約為 51%,而在 Bartoš 團隊進行的 350,757 次真實拋擲中則為 50.8%。

硬幣落地時哪一面朝上取決於什麼?

飛行時間與自旋速度。在 Keller 的模型中,以速度 u 向上擲出的硬幣在空中停留時間為 2u/g,翻轉角度為自旋速率乘以該時間;若翻轉圈數接近整數圈(誤差在四分之一圈以內),落地時便與起始面相同。由於典型翻擲約翻轉 20 圈,結果對拋擲條件極為敏感。

什麼是二項分布?

它描述了在 n 次獨立拋擲中出現 k 次正面的機率:C(n, k) p^k (1 − p)^(n − k),其中 p 代表出現正面的機率。以 10 枚均勻硬幣為例,出現 5 次正面的機率約為 24.6%,而 10 次全為正面的情況大約每 1,024 輪才會出現一次。Heads per round 圖表會將此理論曲線繪製在統計長條圖之上。

什麼是大數法則?

隨著拋擲次數增加,正面的實際比例會越來越接近真實正面機率。這並不代表正面與反面的絕對次數差距會歸零:兩者次數的絕對差值往往會隨拋擲次數的平方根擴大,但其比例仍會穩定趨近理論值。Jacob Bernoulli 於 1713 年首次證明了此定理的最初版本。

通常會出現多長的連續正面記錄?

往往比大多數人預期的更長。Mark Schilling 指出,在 n 次公平拋擲中,最長連續正面次數通常接近 log₂ n 減去約三分之二:在 100 次拋擲中約為 6 次,在 1,000 次拋擲中約為 9 次。人類自行捏造的序列往往刻意迴避長連擊且換面過於頻繁,Randomness check 正是藉此識別真偽。

我可以用這個工具做決定嗎?

可以。將 Coins per round 設為 1 並點擊硬幣即可。拋擲採用帶種子的隨機生成器,相同的種子與設定會重現完全相同的拋擲結果;點擊 Randomize 即可換用全新種子。

參考文獻

  1. Keller, J. B. (1986). The probability of heads. The American Mathematical Monthly 93(3), 191–197.
  2. Diaconis, P., Holmes, S., & Montgomery, R. (2007). Dynamical bias in the coin toss. SIAM Review 49(2), 211–235.
  3. Bartoš, F., Sarafoglou, A., Godmann, H. R., et al. (2023). Fair coins tend to land on the same side they started: Evidence from 350,757 flips. arXiv:2310.04153.
  4. Bernoulli, J. (1713). Ars Conjectandi. Basel: Thurneysen.
  5. Schilling, M. F. (1990). The longest run of heads. The College Mathematics Journal 21(3), 196–207.