Pattern test
形态检验器
输入一个形态，比如 BBBP。它会在指定数量的随机牌靴里数一遍：这个形态出现了多少次，之后开庄的比例是多少，偏离理论值多远，以及——最关键的——这个偏离在校正之后还站不站得住。
—
形态出现次数
—
之后开庄
50.68%
理论值
—
偏离
—
95% 置信区间
卡方 p 值 · 未校正—
同长度候选形态数—
卡方 p 值 · 校正后—
Method
算法
牌靴用八副牌完整补牌规则在你的浏览器里现场生成，和局跳过不计入形态。数完之后做单比例检验，再按同长度形态的总数（2^k 个）做 Bonferroni 校正。这一步是整个工具的重点：在几千个候选形态里筛出一个 p<0.05，是必然会发生的事，不是发现。
怎么读
「显著」是怎么被筛出来的
问题不在你找到了什么，在你找了多少次
p < 0.05 的意思是：如果这个形态毫无预测力，纯靠运气也有 5% 的机会看起来这么扎眼。测一个形态，这个门槛是合理的。问题是没有人只测一个。长度为 6 的形态一共有 64 种，你把它们全扫一遍，期望能筛出 3.2 个「显著」的——在完全随机的数据里。至少出现一个的概率是 96.2%。
这正是路单「有效」的来源
把这张表倒过来读：任何人翻够多的牌局记录，一定能找到某个形态之后庄特别多。找到它不需要任何规律存在，只需要候选够多。这不是统计学的缺陷，是统计学在正确工作——它告诉你这个发现不该让你惊讶。真正该惊讶的是校正之后它还在。
Bonferroni 校正做了什么
它把门槛从 0.05 除以候选个数。长度 6 的形态，门槛变成 0.00078。这很严厉，严厉到可能漏掉真实的小效应——但在这个场景里是对的：我们事先知道形态里不存在任何信息（牌是随机生成的），所以任何通不过校正的「发现」都应该被丢掉。工具本身会同时显示校正前和校正后的结论，你可以亲眼看到那个差别。
| 形态长度 | 候选形态数 | 期望"显著"个数 | 至少一个显著的概率 | Bonferroni 门槛 |
|---|---|---|---|---|
| 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 为单次检验门槛。「期望个数」= 0.05 × 2^k，「至少一个」= 1 − 0.95^(2^k)。数据里没有任何可预测的结构——这些全部是假阳性。
常见问题
- 路单形态真的完全没有预测力吗？
- 在牌靴充分洗匀的前提下，没有。原因不是统计上没找到，而是机制上不存在：每一手的概率只取决于剩余牌堆的组成，而前面开庄还是开闲几乎不改变剩余牌堆的点数分布。唯一真实的记忆效应来自不放回发牌，量级在小数点后第四位，远小于房屋优势。
- 如果校正之后仍然显著怎么办？
- 多跑几次，换不同的牌靴数。校正后的门槛是 0.00078（长度 6），在随机数据里偶尔还是会被触发——这正是「门槛」而不是「保证」的含义。如果它每次都出现，那是生成器有问题；如果十次里出现一次，那就是你碰上了那一次。
- 为什么要跳过和局？
- 因为路单本身就是这么记的：大路上和局画一条斜线，不断开庄闲的序列。要检验的是「路单形态」这个东西，就得按路单的规则来数。和局占 9.52%，如果计入会让形态长度的含义和实际看到的路单对不上。
- 这个工具会不会帮我找到一个能用的形态？
- 不会，它的设计目的恰好相反。它让你亲手做一遍「扫描—发现—校正—落空」的全过程，看清所谓规律是怎么从随机数据里被筛出来的。如果你用它在真实牌局记录上找到了什么，这张表就是提醒你：先问问自己一共看了多少个候选。