Kaip veikia automatinis monetos metimas: tikimybių teorija, visatos entropija ir kosminis chaosas

Monetos metimas tūkstantmečius buvo laikomas tobulu atsitiktinumo simboliu – nuo Romos imperijos laikų („Navia aut caput“) iki šiuolaikinių sporto varžybų teisėjavimo. Tačiau ar kada nors susimąstėte: ar kompiuterinis monetos metimas gali būti labiau atsitiktinis už tikrą monetą, metamą žmogaus ranka? Atsakymas slypi gilioje tikimybių teorijos, termodinaminės entropijos ir kvantinės fizikos sankirtoje.

1. Stanfordo tyrimas ir Bartoš empirinis patvirtinimas: kodėl tikra moneta nėra 50/50?

Kasdienybėje manoma, kad fizinė moneta turi lygiai 50,0% tikimybę nukristi herbu arba skaičiumi. Tačiau 2007 m. Stanfordo universiteto matematikos ir statistikos profesoriaus Persi Diaconis atliktas fundamentalus kinematinis tyrimas įrodė, kad tikros monetos metimas paklūsta griežtiems Niutono mechanikos dėsniams. Kadangi žmogaus nykštys monetą dažniausiai išmeta su nežymia sukimosi ašies precesija, moneta ore praleidžia šiek tiek daugiau laiko ta puse į viršų, kuria buvo laikyta prieš metimą. Šį modelį 2023 m. galutinai patvirtino didžiausias istorijoje František Bartoš et al. tyrimas su 350 757 metimais: fizinė moneta vidutiniškai 50,80% (Diaconis modelyje ~51%) atvejų nukrenta ta pačia puse, kuria buvo mesta!

2. Kaip mūsų algoritmas sukuria tikrą atsitiktinumą: šiluminė entropija ir kvantiniai reiškiniai

Šis įrankis nenaudoja primityvių pseudoatsitiktinių funkcijų (pvz., standartinio Math.random()). Vietoj to, mūsų sistema naudoja tiesioginį kriptografinį bitų srautą, pagrįstą W3C Web Cryptography API (CSPRNG) standartu, kurį tiesiogiai maitina jūsų įrenginio operacinės sistemos branduolio entropijos rezervuaras:

  • Procesoriaus šiluminis triukšmas (Johnson–Nyquist Noise): Šiuolaikiniai CPU („Intel“, AMD, „Apple Silicon“, ARM) naudoja specialius aparatūrinius generatorius (TRNG), kurie fiksuoja mikroskopinius, chaotiškus elektronų šiluminius virpesius silicio kristalo gardelėje. Kadangi procesorius veikia šilčiau nei absoliutus nulis (-273,15 °C), atomų ir elektronų judėjimas yra fundamentaliai neprognozuojamas.
  • Kvantinis elektronų tuneliavimas: Esant vos kelių nanometrų puslaidininkių barjerams, veikia Heisenbergo neapibrėžtumo principas. Kvantinės fliuktuacijos garantuoja, kad elektrono buvimo vieta yra tikimybinė, o ne iš anksto nulemta.
  • Aparatūrinis mikro-laiko svyravimas (Clock Jitter): Įrenginio aparatūros taktų nanosekundžių fliuktuacijos sumaišomos su šilumos entropija, sukuriant nenuspėjamą skaitmeninį chaosą.

Kiekvienas metimas paima tiksliai 1 gryną bitą iš šio kosminio ir termodinaminio chaoso baseino. Todėl mūsų virtuali moneta yra matematiškai sąžiningesnė (ideali 50,000000% tikimybė) už bet kurią metalinę monetą Žemėje.

3. Didžiųjų skaičių dėsnis (LLN) ir konvergencija realiu laiku

Pagal Didžiųjų skaičių dėsnį (suformuluotą Jakobo Bernulio 1713 m.), atliekant nedidelį metimų skaičių (pvz., 10 ar 20), herbo ir skaičiaus santykis gali smarkiai svyruoti (pvz., 70% prieš 30%). Tačiau atliekant 1 000, 10 000 ar 100 000 metimų, stebimas empirinis dažnis neišvengiamai ir griežtai konverguoja į teorinę 50,00% ribą. Mūsų realaus laiko grafike galite savo akimis matyti šią konvergencijos kreivę.

4. Statistiniai nuokrypiai, Z-įvertis ir pasikliautinieji intervalai

Binomialiniuose tikimybių eksperimentuose, kai $n$ yra nepriklausomų bandymų skaičius, o $p = 0,5$, teorinė herbų matematinė viltis (vidurkis) lygi $\mu = np = 0,5n$, o standartinis nuokrypis – $\sigma = \sqrt{np(1-p)} = 0,5\sqrt{n}$. Standartinis nuokrypis parodo natūralią atsitiktinę sklaidą, kurios statistiškai tikimasi aplink teorinį vidurkį.

Norint įvertinti, kiek gautas rezultatas nukrypsta nuo teorinės normos, taikomas standartizuotas Z-įvertis (Z-Score):

Z = (Faktiniai herbai - μ) / σ = (K - 0,5n) / (0,5√n)

Pagal normaliojo pasiskirstymo empirinę taisyklę (Centrinę ribinę teoremą):

  • 68,27% visų eksperimentų patenka į $1\sigma$ rėžį ($|Z| \le 1,0$) – tai visiškai įprastas atsitiktinis svyravimas.
  • 95,45% visų eksperimentų patenka į $2\sigma$ rėžį ($|Z| \le 2,0$) – standartinė binomialinė variacija.
  • 99,73% visų eksperimentų patenka į $3\sigma$ rėžį ($|Z| \le 3,0$) – ekstremalūs nuokrypiai, pasitaikantys rečiau nei 0,3% atvejų.

Be to, mūsų įrankis realiu laiku apskaičiuoja 95% ir 99% pasikliautinuosius intervalus (CI) tikrajai monetos tikimybei. Didėjant metimų skaičiui, proporcijos standartinė paklaida ($SE = 0,5/\sqrt{n}$) traukiasi proporcingai $1/\sqrt{n}$, siaurindama intervalą ir tiksliai nustatydama tikrąjį fizinį monetos balansą.

5. Lošėjo klaida (Gambler's Fallacy) ir Šanono binarinė entropija

Jei moneta iškrito herbu 8 kartus iš eilės, kokia tikimybė, kad kitas metimas bus herbas? Daugelis žmonių intuityviai mano, kad skaičiaus tikimybė dabar yra „didesnė“. Tai vadinama Lošėjo klaida. Kiekvienas monetos metimas yra visiškai nepriklausomas įvykis be atminties (angl. memoryless process). Kito metimo tikimybė išlieka lygiai 50,00%. Mūsų analizatorius matuoja Šanono binarinę entropiją ($H(X) = 1,0000$ bit), patvirtinančią maksimalią sistemos netvarką ir informacinį nenuspėjamumą.