數學與機率統計模擬

機率在單次事件中難以預測,但在巨量樣本中卻展現出嚴謹的規律:單次拋硬幣的結果無法預知,但投擲一千次時,正面次數必定極為接近半數。這些模擬工具能在數秒內重複數千次實驗,讓你親眼見證隨機性如何逐步收斂為機率理論預測的數學分佈。

高爾頓板 讓鋼珠穿過 Francis Galton 於 1870 年代設計的交錯釘陣;每次彈跳皆為非左即右的二元選擇,底部的鋼珠堆積因而符合二項分佈,並逐漸趨近常態分佈鐘形曲線。擲硬幣模擬器 依據真實拋擲物理模型模擬硬幣飛行,甚至重現了在 350,757 次真實投擲實驗中觀測到的微小「同面傾向」。機率樹與貝氏定理 讓小球穿過條件機率分支;選定觀測證據後,貝氏定理便能將先驗機率更新為後驗機率,完美解構三門問題(Monty Hall problem)。布豐投針問題 透過將細針投擲至條紋地板來估算圓周率 π,重現歷史上最早的蒙地卡羅實驗之一。

隨機性同樣主宰著物理世界。布朗運動與隨機漫步 追蹤花粉微粒受周遭隱形分子撞擊的軌跡——這正是愛因斯坦於 1905 年所解釋的布朗運動,並展示隨機漫步如何擴散為鐘形分佈。放射性衰變 賦予每個原子微小且恆定的衰變機率,巨量原子疊加後便呈現出平滑的半衰期曲線。理想氣體與熵 模擬彈性碰撞分子如何自然趨向馬克士威-波茲曼速率分佈,解釋氣體為何不會自發聚集回角落。滲透理論 隨機打通網格單元,展示連通通道在臨界機率下驟然形成的相變過程。

嚴格確定的規則有時看似隨機。在 碰撞積木與圓周率 中,兩個滑動積木之間的碰撞次數精準對應 π 的各個數位;圓周率搜尋器 能在圓周率前一百萬位中搜尋數字、單字與影像;雙擺混沌系統 則呈現混沌現象:只要將初始位置微調十億分之一,擺動軌跡很快就會變得截然不同。

透過 Share(分享)連結可讓全班學生重現相同的實驗設定,內建即時圖表能與理論值即時對照,實驗數據與過程皆可完整匯出為圖片、影片或 CSV 檔案。

14 款 數學與機率 工具

高爾頓板 範例成果

高爾頓板

讓小球穿過層層釘陣,觀察堆疊出的二項分布鐘形曲線;可切換真實物理碰撞或理想擲硬幣模式。

擲硬幣模擬器 範例成果

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。

機率樹與貝氏定理 範例成果

機率樹與貝氏定理

建構機率樹並以蒙地卡羅小球下落模擬,透過條件機率觀察貝氏定理的實際運作。

布豐投針問題 範例成果

布豐投針問題

在條紋地板上隨機投針,根據壓線針數的比例估算圓周率 π。

布朗運動與隨機漫步 範例成果

布朗運動與隨機漫步

花粉微粒受分子撞擊的軌跡,或如墨水滴入水中般逐漸擴散的隨機漫步群。

放射性衰變 範例成果

放射性衰變

觀察原子逐一衰變與樣本隨半衰期減半的過程,搭配符合卜瓦松分布的蓋格計數器聲響。

理想氣體與熵 範例成果

理想氣體與熵

碰撞的分子逐漸趨向馬克士威-波茲曼分布;推動活塞,並觀察兩室氣體混合時熵的變化。

滲透理論 範例成果

滲透理論

隨機打通網格格子,找出使群集連通、液體得以穿透的臨界機率。

碰撞積木與圓周率 範例成果

碰撞積木與圓周率

推動大積木撞向靠牆的小積木並計算碰撞次數:當質量比為 100ⁿ 時,碰撞次數恰好給出圓周率 π 的數字。

雙擺混沌系統 範例成果

雙擺混沌系統

拖曳雙擺的擺錘並放手;初始角度僅差萬億分之一弧度的複製品,隨後軌跡便會急劇分歧。

Sorting Algorithms 範例成果

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 範例成果

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 範例成果

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.

圓周率搜尋器 範例成果

圓周率搜尋器

在圓周率 π 的前 100 萬位數中搜尋特定數字、日期、單字或小圖片,找出其首次出現的位置。

常見問題

什麼是蒙地卡羅模擬?

蒙地卡羅模擬是一種藉由大量隨機取樣與統計結果來求解機率問題的計算方法。其名稱源自蒙地卡羅賭場;數學家 Nicholas Metropolis 與 Stanislaw Ulam 於 1949 年正式提出此概念。隨著實驗次數累積,觀測到的事件頻率會依據大數法則逐漸逼近真實機率。

為什麼自然界中眾多現象都呈現鐘形曲線?

根據中央極限定理,當一個結果是由大量微小、獨立的隨機變數相加而成時,無論各變數原本的分佈形態為何,其總和的分佈都會趨近於常態分佈曲線。高爾頓板直觀地呈現了此原理:每顆球最終的水平位置,正是每一次左右隨機彈跳位移的累加結果。

這些模擬適合用於課堂教學嗎?

非常適合。工具完全免費、無需註冊,可在 Chromebook 與平板電腦順暢執行,並將所有參數完整保存在分享連結中,確保每位學生都能從相同的基準展開實驗。運用 Pause(暫停)與 Step(單步)功能,教師可在事件發生前引導學生預測下一步的結果。

更多分類