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。
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.
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
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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
- Keller, J. B. (1986). The probability of heads. The American Mathematical Monthly 93(3), 191–197.
- Diaconis, P., Holmes, S., & Montgomery, R. (2007). Dynamical bias in the coin toss. SIAM Review 49(2), 211–235.
- 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.
- Bernoulli, J. (1713). Ars Conjectandi. Basel: Thurneysen.
- Schilling, M. F. (1990). The longest run of heads. The College Mathematics Journal 21(3), 196–207.





