如何科学证明抽签的公平性：用数学与统计学理解随机性
你参加的抽签，能确定地说是真正公平的吗？
抽签的公平性不是靠感觉，而是可以用数学和统计学严格地定义和证明。本文从科学角度解说抽签方法的公平性，尽量减少数学公式，以通俗易懂为主。
公平抽签的4个条件
数学上能称为"公平"的条件有以下4个。
条件1：等概率性（Equal Probability）
所有参与者到达所有结果的概率相等。
用公式表示如下：
P(参与者i 到达结果j) = 1/n
n = 参与者数（=结果数）
例如5人抽5个结果的情况下，每人获得各结果的概率为 1/5 = 20%。
条件2：独立性（Independence）
上一次抽签结果不影响下一次抽签。
P(本次结果 | 上次结果) = P(本次结果)
即使上次A先生是第1名，本次A先生成为第1名的概率也不变。
条件3：不可预测性（Unpredictability）
抽签执行前无法预测结果。判断标准是：以人类计算能力无法预测，具有一定以上的复杂性（熵）。
条件4：一一对应（Bijection）
所有参与者必定得到不同的结果。数学上表示为：
映射 f: 参与者集合 → 结果集合 为双射
全射意味着所有结果都有人到达（无遗漏），单射意味着不会有多人到达同一结果（无重复）。
阿弥陀签的数学证明
证明1：一一对应的保证
定理：阿弥陀签必定满足一一对应。
证明按以下步骤进行。
步骤1，确认结构。有n条竖线 L1, L2, ..., Ln 和m条横线 h1, h2, ..., hm，每条横线仅连接相邻的2条竖线。
步骤2，展示路径唯一性。从各竖线出发，向下前进，遇到横线必定通过，再次沿竖线向下前进，重复此过程到达终点。该过程是确定性的，从同一起点必定到达同一终点。
步骤3，进行置换证明。阿弥陀签在数学上表示置换（permutation）。
1条横线的效果：
交换竖线位置 i 和 i+1
m条横线的效果：
m个置换的合成
置换必定是双射（bijection），因此一一对应得到保证。
结论：阿弥陀签在数学上保证一一对应。
证明2：等概率性
定理：横线随机配置时，所有置换以等概率生成。
n条竖线的置换有 n! 种。
例：3条则 3! = 6种
- (1,2,3) -> (1,2,3)
- (1,2,3) -> (1,3,2)
- (1,2,3) -> (2,1,3)
- (1,2,3) -> (2,3,1)
- (1,2,3) -> (3,1,2)
- (1,2,3) -> (3,2,1)
各横线位置独立随机选择时，通过画足够数量的横线可以等概率生成所有置换，这已被证明（Fisher-Yates洗牌理论）。
数学上公平分布所需的横线数约为 n^2 log(n) / (2 pi^2)（相邻换位混洗的混合时间，Lacoin 2016）。10人约需12条（理论阈值），20人约需61条，50人约需495条。所需数量呈二次方增长。
结论：横线充分随机配置时满足等概率性。
证明3：不可预测性
定理：横线3条以上时，人类难以视觉预测结果。
分析计算量：横线0条时，预测时间O(1)，各竖线到达自身。横线1条时，预测时间O(1)，仅横线连接的2条交换。横线2条时，预测时间O(n)，熟练后可视觉预测。
横线3条以上时，预测时间O(m)，与横线数成正比。横线越多复杂性越增加，10条以上实质上无法预测。
人类视觉追踪能力在3个以上交叉点急剧下降。
结论：横线3条以上时实用上满足不可预测性。
与其他抽签方法的比较
抽签的数学分析
抽签使用n个签 k1, k2, ..., kn，为各签分配结果，参与者按顺序抽取。
问题在于：制作失误可能导致结果重复或遗漏（无数学保证），制作者知道结果可以推荐特定签（透明性低）。
等概率性在正确制作时满足。独立性满足。不可预测性因制作者知道而较弱。一一对应无保证。
轮盘（数字）的数学分析
数字轮盘使用伪随机数生成器（PRNG），采用线性同余法等算法。
X(n+1) = (a * X(n) + c) mod m
问题在于：伪随机不是真随机而是确定性算法，知道种子值就可预测结果。伪随机数必定有周期。用户无法验证算法，容易黑盒化。
等概率性取决于算法。独立性取决于种子。不可预测性取决于算法。一一对应取决于设计。
猜拳的数学分析
猜拳可以建模为二人零和博弈，纳什均衡为 (1/3, 1/3, 1/3)。
问题在于：心理偏向使人类无法完全随机选择，首次出拳"石头"较多（统计已证明）。平局频发（2人情况为1/3，n人时概率更高）。可能同时多人获胜，因此一一对应不成立。
等概率性因心理偏向而不完全。独立性因依赖对手选择而不满足。不可预测性因有策略性而受限。一一对应不保证。
比较汇总表
| 抽签方法 | 等概率性 | 独立性 | 不可预测性 | 一一对应 | 透明性 |
|---|---|---|---|---|---|
| 阿弥陀签 | 优秀 | 优秀 | 优秀 | 优秀 | 优秀 |
| 抽签 | 良好 | 良好 | 一般 | 一般 | 一般 |
| 轮盘 | 良好 | 一般 | 一般 | 良好 | 差 |
| 猜拳 | 一般 | 差 | 一般 | 差 | 优秀 |
| Excel随机 | 良好 | 一般 | 一般 | 良好 | 一般 |
统计学验证方法
以下介绍统计学验证实际抽签是否公平的方法。
验证1：卡方检验（chi-squared检验）
用于验证各结果出现次数是否相等。
步骤如下。首先设定假设：零假设H0为所有结果等概率出现，对立假设H1为存在偏向。然后实施100次抽签，记录各结果出现次数。
统计量计算公式：
chi-squared = Sum [(观测值 - 期望值)^2 / 期望值]
chi-squared值小于临界值则无偏向，大于等于临界值则有偏向。
例：5个结果100次抽签
| 结果 | 观测值 | 期望值 | (O-E)^2/E |
|---|---|---|---|
| A | 22 | 20 | 0.2 |
| B | 19 | 20 | 0.05 |
| C | 18 | 20 | 0.2 |
| D | 21 | 20 | 0.05 |
| E | 20 | 20 | 0 |
| 合计 | 100 | 100 | 0.5 |
chi-squared = 0.5 < 临界值(9.49)，判定无偏向
验证2：柯尔莫哥洛夫-斯米尔诺夫检验
用于验证分布的均匀性，适合大规模数据（1000次以上）的验证。
验证3：熵测量
定量化随机性程度的方法。香农熵的计算公式：
H = -Sum [P(i) * log2 P(i)]
完全随机时的最大熵：
H_max = log2 n
例：5个结果则 H_max = log2 5 约等于 2.32。实际熵接近此值则随机性高。
体验阿弥陀签的公平性
实验1：小规模阿弥陀签（3人）
用3条竖线和3条横线，可以确认所有可能的结果（3! = 6种）：
1. (1,2,3) -> (1,2,3)
2. (1,2,3) -> (1,3,2)
3. (1,2,3) -> (2,1,3)
4. (1,2,3) -> (2,3,1)
5. (1,2,3) -> (3,1,2)
6. (1,2,3) -> (3,2,1)
改变横线配置模式，确认各结果等概率出现。
实验2：大规模模拟
在免费在线Amida-san中，进行10人100次抽签，记录各自获得"第1名"的次数，确认是否接近理论值10次。各自获得第1名的次数约10次（正负3次左右的偏差）。
常见问题
Q1：横线少会影响公平性吗？
横线少时存在以下问题：不能等概率生成所有置换，边缘位置更容易停留在原始位置。数学上公平的分布需要与 n^2 log(n) 成正比的横线数。Amida-san通过算法保证公平性。
Q2：数字工具的随机数可靠吗？
因工具而异。可靠工具的条件是：开源可验证、使用密码学安全随机数生成器（CSPRNG）、透明性高的机制。
Amida-san由全体参与者添加横线，因此运营方也无法操控结果。
Q3：有比阿弥陀签更公平的方法吗？
理论上，使用真随机数生成器（TRNG）的数字抽签最公平。但TRNG需要特殊硬件、透明性低（黑盒）、参与者无法验证。阿弥陀签在公平性与透明性的平衡上最为优秀。
总结
科学证明抽签公平性需要满足4个条件：等概率性（所有结果等概率）、独立性（不受上次结果影响）、不可预测性（事前预测困难）、一一对应（全员获得不同结果）。
阿弥陀签在数学上满足所有这些：置换性质保证一一对应，充分的横线由Fisher-Yates理论保证等概率性，3条以上横线实用上满足不可预测性，过程完全可视化确保透明性。
要实现科学证明的公平抽签，请使用Amida-san。