Pattern test
形態檢驗器
輸入一個形態，比如 BBBP。它會在指定數量的隨機牌靴裡數一遍：這個形態出現了多少次，之後開莊的比例是多少，偏離理論值多遠，以及——最關鍵的——這個偏離在校正之後還站不站得住。
—
形態出現次數
—
之後開莊
50.68%
理論值
—
偏離
—
95% 信賴區間
卡方 p 值 · 未校正—
同長度候選形態數—
卡方 p 值 · 校正後—
Method
演算法
牌靴用八副牌完整補牌規則在你的瀏覽器裡現場生成，和局跳過不計入形態。數完之後做單比例檢驗，再按同長度形態的總數（2^k 個）做 Bonferroni 校正。這一步是整個工具的重點：在幾千個候選形態裡篩出一個 p<0.05，是必然會發生的事，不是發現。
怎麼讀
「顯著」是怎麼被篩出來的
問題不在你找到了什麼，在你找了多少次
p < 0.05 的意思是：如果這個形態毫無預測力，純靠運氣也有 5% 的機會看起來這麼扎眼。測一個形態，這個門檻是合理的。問題是沒有人只測一個。長度為 6 的形態一共有 64 種，你把它們全掃一遍，期望能篩出 3.2 個「顯著」的——在完全隨機的資料裡。至少出現一個的機率是 96.2%。
這正是路單「有效」的來源
把這張表倒過來讀：任何人翻夠多的牌局記錄，一定能找到某個形態之後莊特別多。找到它不需要任何規律存在，只需要候選夠多。這不是統計學的缺陷，是統計學在正確工作——它告訴你這個發現不該讓你驚訝。真正該驚訝的是校正之後它還在。
Bonferroni 校正做了什麼
它把門檻從 0.05 除以候選個數。長度 6 的形態，門檻變成 0.00078。這很嚴厲，嚴厲到可能漏掉真實的小效應——但在這個場景裡是對的：我們事先知道形態裡不存在任何資訊（牌是隨機生成的），所以任何通不過校正的「發現」都應該被丟掉。工具本身會同時顯示校正前和校正後的結論，你可以親眼看到那個差別。
| 形態長度 | 候選形態數 | 期望"顯著"個數 | 至少一個顯著的機率 | Bonferroni 門檻 |
|---|---|---|---|---|
| 3 位（如 BBP） | 8 | 0.40 | 33.7% | 0.0063 |
| 4 位（如 BBPB） | 16 | 0.80 | 56.0% | 0.0031 |
| 5 位 | 32 | 1.60 | 80.6% | 0.0016 |
| 6 位 | 64 | 3.20 | 96.2% | 0.00078 |
| 7 位 | 128 | 6.40 | 99.9% | 0.00039 |
| 8 位 | 256 | 12.80 | > 99.99% | 0.00020 |
以 α = 0.05 為單次檢驗門檻。「期望個數」= 0.05 × 2^k，「至少一個」= 1 − 0.95^(2^k)。資料裡沒有任何可預測的結構——這些全部是假陽性。
常見問題
- 路單形態真的完全沒有預測力嗎？
- 在牌靴充分洗勻的前提下，沒有。原因不是統計上沒找到，而是機制上不存在：每一手的機率只取決於剩餘牌堆的組成，而前面開莊還是開閒幾乎不改變剩餘牌堆的點數分佈。唯一真實的記憶效應來自不放回發牌，量級在小數點後第四位，遠小於房屋優勢。
- 如果校正之後仍然顯著怎麼辦？
- 多跑幾次，換不同的牌靴數。校正後的門檻是 0.00078（長度 6），在隨機資料裡偶爾還是會被觸發——這正是「門檻」而不是「保證」的含義。如果它每次都出現，那是生成器有問題；如果十次裡出現一次，那就是你碰上了那一次。
- 為什麼要跳過和局？
- 因為路單本身就是這麼記的：大路上和局畫一條斜線，不斷開莊閒的序列。要檢驗的是「路單形態」這個東西，就得按路單的規則來數。和局佔 9.52%，如果計入會讓形態長度的含義和實際看到的路單對不上。
- 這個工具會不會幫我找到一個能用的形態？
- 不會，它的設計目的恰好相反。它讓你親手做一遍「掃描—發現—校正—落空」的全過程，看清所謂規律是怎麼從隨機資料裡被篩出來的。如果你用它在真實牌局記錄上找到了什麼，這張表就是提醒你：先問問自己一共看了多少個候選。