人能做到真正随机吗？
这个随机性测试让你看看自己到底够不够随机：凭脑子编20次抛硬币，机器每次都想提前猜中。心理学家研究人编的随机序列已经几十年了，Falk和Konold 1997年在《Psychological Review》上的论文就是其中之一。抛完20次你才会看到被猜中几次、是哪个习惯出卖了你、真硬币又是什么样。
这个测试把这些习惯变成一场和机器的较量。你假装抛20次硬币，每次出手前，一个小预测器只根据你前面的结果先猜一次：8个简单的猜法，各押一种人的习惯（爱换面、爱连着、连两次就换、跟着最近的套路走、正反凑平均），用加权多数投票合起来，哪条押得准就更信哪条。猜测在你抛完后才亮出来。只看过去结果的预测器，猜真硬币不可能比瞎猜更准，20次平均会猜错10次；你的随机度就是你让它猜错的次数占这10次的比例。你的前12次还会拿去和Gauvrit等人2017年研究里3449名网上志愿者比，他们每人想象着抛了12次，同样过一遍这台预测器。之后你会看一枚真硬币抛20次，最后在0到9里挑一个数，而机器的猜测在你挑之前就已经封好。
它不是性格测试，也不测智商。20次样本很小：就算是真硬币，也有约13%的时候会被猜中13次以上。对照人群是做在线测试的普通人，不是尽了全力的人，其中143人12次全写同一面，所以排名只是参照，不是定论。
这个测试测什么
只测一件事，对手是一台机器：你编的硬币有多难被猜中。
怎么测
- 凭脑子假装抛20次硬币，每次点一下正面或反面
- 预测器只看你之前的结果，提前猜每一次：8种习惯猜法用加权多数投票合成，同样的20次永远得到同样的猜测
- 接着看一枚真硬币抛20次作对照，用的是浏览器的加密级随机数
- 最后在0到9里挑一个数，机器的猜测在你挑之前已经封好
你会得到什么
- 20次里被提前猜中几次，以及最明显的那个习惯
- 随机度：你让机器猜错的次数，占真硬币平均10次的百分之几，0到100%
- 你的前12次在Gauvrit等(2017)的3449名网上志愿者里排在哪：比百分之多少的人更难猜
- 一张分析单：你的换面率和真硬币的50%比、你的最长连串和真硬币连这么长的机会、连串长度分布、出卖你的习惯
- 一张可分享的成绩卡，和一个邀请朋友来比谁更难猜的链接
开始之前
- 大约一分钟
- 不需要耳机，音效可开可关
- 手机和电脑都能玩，键盘上左右方向键也能抛
- 别用真硬币或随机数App，要测的是你自己脑子编出来的
关于随机和抛硬币的常见问题
这个测试免费吗？要注册才能看结果吗？
免费，也不用注册：不要账号、不要邮箱、不用付钱。做完最后一题，结果就直接出现在这一页，可以马上分享，也可以再玩一次。
人能做到真正随机吗？
这正是这个测试要问你的，答案在你抛完20次之后的分析单上，因为先知道就会改变你的抛法。研究者量过人编序列时的各种习惯，比如多常换面（Falk和Konold，1997）；这里的预测器押的就是八种这样的习惯，分析单会告诉你，它在你身上抓到了哪一种，或者一种也没抓到。
随机度是怎么算的？
随机度看的是机器在你20次里猜错了几次，再除以真硬币平均会被猜错的10次。猜错10次以上是100%，猜错6次是60%。预测器只能看到你已经抛出的结果，所以它猜真硬币不可能比瞎猜更准。
抛20次硬币，连续几次同一面算正常？
抛完20次后，分析单会告诉你，所以先凭感觉抛。它把你的最长连串和真硬币抛20次最常见的最长连串放在一起，算出真硬币至少连这么长的精确机会，还会紧接着真抛20次给你看。这些都是把20次的所有可能序列逐一数出来的精确值。
为什么第二次测出来不一样？
20次样本很小，运气占的比重不小：一枚真硬币也有约13%的时候会被这台预测器猜中13次以上。多测几次比只测一次更说明问题，分析单上列出的习惯也比单次分数更稳定。
测试里的真硬币是真随机吗？
是。对照用的20次真硬币，来自浏览器的加密级随机数生成器，不是事先排好的图案。分析单上真硬币的数字都是精确值：20次的全部2²⁰种可能序列，都逐一跑过了同一台预测器。
够不够随机，和智商或性格有关吗？
没有关系。这是一个一分钟的小游戏，讲的是人判断随机时一个被研究得很透的习惯，不是心理测评。拿来对照的是Gauvrit等(2017)的3449名网上志愿者，不少人答得很随意，所以排名说明的是这12次，不是你这个人。
数字从哪里来
排名是把你前12次被预测器猜错的次数，和同一台预测器跑在Gauvrit等公开数据里3449名志愿者各自想象的12次上的结果比较；只保留汇总计数。真硬币的数字是对所有可能序列的精确计数，不是模拟。本站不公开自己玩家的数据。
- Falk & Konold (1997), Psychological Review — Making sense of randomness: Implicit encoding as a basis for judgment
- Gauvrit, Zenil, Soler-Toscano, Delahaye & Brugger (2017), PLOS Computational Biology — Human behavioral complexity peaks at age 25
- Gauvrit et al. (2017) data set — HumanBehavioralComplexity
怎么计分
加权多数投票
8个简单的预测器各押一种习惯。哪个猜错一次，它的发言权就降到原来的55%，所以最后的判断会偏向你身上真有的那个习惯。
随机度
20次里机器猜错的次数，除以真硬币平均猜错的10次，最高100%。猜错10次是100%，猜错6次是60%。
人群排名
只用你的前12次，过同一台预测器，再和志愿者想象的12次比。比你更容易被猜中的人全算，和你一样的算一半。
换面率
相邻两次之间换了面的比例。公平硬币的期望换面率是50%。