请在 1 到 10 之间随便想一个整数。如果很多人独立做这件事，答案会平均分布吗？
人的“随便”经常带着偏好。与此同时，真正按随机模型产生的结果，又可能连成一串、挤成一团，看起来像是有人刻意安排。这两种现象，共同制造了对随机的误解。
随便想的数字，也有偏好
YouGov 在 2024 年 9 月调查了 2241 名英国成年人，让受访者自行填写 1 到 10 中想到的随机数字。结果中，33% 选择了 7；6 和 8 分别约占 14%，1 约占 2%。这些比例来自具体调查，也经过四舍五入。[2]
如果每次选择都服从 1 到 10 上的均匀分布，每个数的理论概率应为 10%。调查结果说明，在这组提问与样本里，人们的选择显著偏向某些数字。它不能直接代表所有文化、年龄或其他提问方式下的人群。[1]
凭感觉排除“太整齐”“太靠边”“太常见”的数字，恰好可能让许多人一起集中到几个看起来最随意的答案上。
把范围放大到100，偏好还会留下形状
一组公开展示的非正式英文网络问卷，收集了1380个1至100的选择：69有81人选择，37有43人选择；许多以7结尾的数也比较醒目。69还带着网络文化的特殊含义，这已经提醒我们，答案不仅来自对“随机”的想象。
这组问卷的完整原始数据与抽样记录未公开，不能把它当作代表总体的调查，也不能据此断言所有人最爱37。它适合说明一种观察方法：把数字排进10×10方格，以颜色深浅表示次数，再把前690人、后690人分开，检查某些偏好会不会重复出现。
两半都出现相近的热点，可以提示共同的选择倾向；还需要统计检验，排除样本波动和事后挑图。电脑从均匀分布重复抽样，也可能在某些位置偶然出现重合热点，它不会保证两张图“毫不相干”。
人觉得随意的答案，和每个数字机会相同，是两套标准。 把机制讲清楚，比凭一张热力图判断真假更有用。
连续四次相同，并不罕见
公平硬币独立抛十次，每一条指定的完整正反序列，概率都是 1/1024。下面两条指定序列，因此同样可能：
正反正反正反正反正反
正正正正反正反反正反
但“一条指定序列”和“一大类序列”需要分开。十次中出现至少一段连续四次相同，包含许多条不同序列。把全部 1024 种结果逐一计数，满足条件的有 476 种，概率约为 46.48%。
也就是说，一小段连续相同并不稀奇。若为了让结果“看起来随机”，每次连出几次正面就强行换成反面，反而引入了与独立抛掷不同的规则。
把次数增加到100，至少出现一段连续六次相同的概率约为80.68%。这个数可以用逐步计数计算：记录每一步最后是哪一面、已经连续几次，只保留尚未达到六连的序列，最后从全部序列中扣除。连续片段的位置和正反两种方向都算在内，不能只计算某个预先指定位置的六连。
概率高，仍然允许这次没有发生。若每见到一小段连续结果，就自动判定程序做了手脚，同样会误判。
一年很长，就容易看到扎堆
再做一个明确的假设：每天独立地以 1/7 的概率遇到某类事情，一天只记发生或没发生。平均每周发生一天，并不意味着每个星期都恰好一天。
按二项分布计算，一个固定的七天星期里，至少三天发生的概率约为 6.52%。一年若按 52 个互不重叠的星期计算，至少有一个星期达到这个条件的概率，约为 97.0%。
这是对假设模型的计算，没有测量现实中的“倒霉概率”。它说明的是观察窗口的作用：在很长的记录里寻找一段密集事件，远比事先指定某一周会发生什么容易。
随机播放，还可能追求听起来均衡
歌单中同一歌手连来三首，很容易让人怀疑播放顺序。均匀打乱歌曲，本来就允许出现这样的连续片段；但产品也可能主动追求更少重复的听感。
2014年，Spotify的工程师就介绍过调整随机播放的工作：把同一歌手的歌曲尽量摊开，让播放更符合人对“随机”的感受。负责这项改进的工程师在自己的博客中也记录了这次发布。[4]
例如，有四首A歌手、两首B歌手、两首C歌手的歌：
允许出现的均匀打乱示例：A A A B C A C B
刻意分散歌手的排列示例：A B A C A B A C
前一种排列出现连播，并不妨碍它来自均匀打乱；后一种为相邻歌曲增加了限制，追求的是更分散的听感。它不保证每一种排列仍有相同概率。
Spotify 在 2025 年介绍的 Fewer Repeats 方案，会生成多组随机顺序，再结合最近听过哪些歌，对顺序的新鲜程度评分并选择结果。它同时保留不参考最近播放记录的标准随机模式。[3]
“数学上允许”和“听起来舒服”，可以发生冲突；这不要求某一方装作另一方不存在。候选顺序来自随机生成，最后又按新鲜程度筛选，最终输出就多了一层目标约束。评价它是否合理，需要先明确目标是均匀抽样，还是减少听感上的重复。
判断随机，因而不能只看一小段结果是否整齐。更有用的问题是：结果由什么机制产生，每种结果有多大机会，以及在观察之前已经决定要检验什么。
想象随机时，我们常希望它把好运坏运、歌手和硬币都安排得均匀一些。概率模型没有这种照顾人的任务。记住记录有多长、哪些条件事先定好，才能少把偶然的扎堆读成命运的暗示。