Is Wheel of Names Rigged? Fairness Lab & Audit
Run up to 500,000 simulated spins with the exact same picker the wheel uses. Verify true mathematical randomness with live Chi-Square (χ²) goodness-of-fit testing.
The spread of winners is consistent with a fair wheel. Small differences between slices are just normal chance.
5.32
p-value: 0.621 (≥ 0.05 is uniform)
12.47%
Expected: 12.50% (independence check)
Slice Distribution vs Expected Frequency
Observed winner counts mapped directly against the 95% confidence interval bounds.
Detailed Slice Statistics
Exact count distribution, theoretical expectations, and binomial error ranges per slice.
| Slice | Observed | Expected | 95% Confidence Band | Percentage Share |
|---|---|---|---|---|
| Alex | 1,282 | 1,250 | 1,185–1,315 | 12.82% |
| Maya | 1,243 | 1,250 | 1,185–1,315 | 12.43% |
| Jordan | 1,216 | 1,250 | 1,185–1,315 | 12.16% |
| Priya | 1,278 | 1,250 | 1,185–1,315 | 12.78% |
| Liam | 1,276 | 1,250 | 1,185–1,315 | 12.76% |
| Sofia | 1,255 | 1,250 | 1,185–1,315 | 12.55% |
| Noah | 1,254 | 1,250 | 1,185–1,315 | 12.54% |
| Zara | 1,196 | 1,250 | 1,185–1,315 | 11.96% |
Arkitektura
Paano gumagana ang aming napatunayang patas na random engine
Ang pagpili ng panalo ay hindi kailanman visual animation trick o may depektong pseudo-randomness. Narito kung paano ginagarantiyahan ng aming client-side cryptographic architecture ang tunay na mathematical fairness sa bawat ikot.
CSPRNG Cryptographic Entropy
Sa halip na predictable na Math.random(), tinatawag ng engine ang Web Crypto API ng browser (crypto.getRandomValues). Kumukuha ito ng pisikal na entropy ng operating system mula sa thermal at CPU timing noise, na tinitiyak na ang resulta ay hindi mahuhulaan.
Zero-Modulo Rejection Sampling
Ang mga simpleng picker ay gumagamit ng `random % slices`, na pumapabor sa mababang numero dahil hindi eksaktong nahahati ang 2^32. Tinutukoy ng aming sampler ang pinakamataas na eksaktong multiple sa ibaba ng 2^32 at itinatapon ang mga labis na numero upang garantiyahan ang pantay na tsansa.
Chi-Square (χ²) Goodness-of-Fit
Pinagsasama ng Fairness Lab ang libu-libong ikot sa isang Pearson Chi-Square test na may (k - 1) degrees of freedom. Sa pamamagitan ng pag-compute ng p-value gamit ang incomplete gamma functions, pinapatunayan nito na ang mga pagkakaiba ay tugma sa random variance.
Serial Independence at Walang Memorya
Ang isang patas na picker ay dapat walang memorya ng nakaraan. Sinusubaybayan ng lab ang magkakasunod na ikot upang sukatin ang Markov repeat frequencies. Para sa 8 hati, bawat hati ay may eksaktong 12.5% tsansa na maulit; anumang labis na paglihis ay senyales ng hidden momentum o stuck state.
Ipinapakita ng statistical testing na libu-libong simulated outcomes ang tugma sa mathematical uniformity. Ang pinakamahalagang garantiya ay ang pagpapatupad: rejection-sampled CSPRNG na nabuo 100% sa iyong browser bago magsimula ang pag-ikot.
Mga libre at pribadong gamit para sa iyong pang-araw-araw na gawain.
Kung kailangan mo ng mga simpleng tool para sa araw-araw na trabaho, bisitahin ang Tooltri. Binuo namin ito na may 30+ libreng gamit para pagsamahin ang mga PDF, mag-compress ng mga larawan, gumawa ng QR code, at mag-calculate nang mabilis. Hindi mo kailangang gumawa ng account o magbayad ng anuman. Lahat ay gumagana nang direkta sa iyong browser.
QR Code Generator
Mga link, Wi-Fi at teksto agad-agad
Word Counter
Mga salita, karakter at oras ng pagbasa
Pagsamahin ang PDF
Pagsamahin ang mga dokumento sa browser
Image Compressor
Paliitin ang file, walang pag-upload sa server
Password Generator
Matibay at cryptographically secure
Unit Converter
Haba, timbang at temperatura
FAQ
Mga Madalas Itanong
Lahat ng kailangan mong malaman tungkol sa randomness engine, chi-square hypothesis testing, at patunay ng pagiging patas.
Paano nagpapasya ng panalo ang randomness engine ng gulong?
Bago pa man umikot ang gulong, ang winning slice index ay napili na agad sa memorya gamit ang crypto.getRandomValues na may uniform rejection sampling. Ang kasunod na spin animation ay isa lamang visual depiction na naka-calibrate para dahan-dahang huminto sa eksaktong patas na slice na iyon.
Bakit ginagamit ng Spin Names Now ang crypto.getRandomValues sa halip na Math.random()?
Ang karaniwang JavaScript Math.random() ay isang pseudo-random number generator (PRNG) na hindi ligtas sa cryptography at maaaring mahulaan ang state. Sa kabilang banda, ang crypto.getRandomValues ay kumukuha ng hardware entropy mula sa operating system, na nagbibigay ng tunay na hindi mahuhulaang random bytes.
Ano ang modulo bias at paano ito pinipigilan ng rejection sampling?
Ang simpleng random code ay kumukuha ng 32-bit integer at nagko-compute ng `randomInt % numSlices`. Dahil ang 2^32 (4,294,967,296) ay bihirang eksaktong multiple ng bilang ng slices, bahagyang mas madalas mapili ang mababang numero. Inaalis namin ang bias na ito gamit ang rejection sampling upang matiyak na bawat pangalan ay may eksaktong parehong probabilidad.
Ano ang sinusuri ng Chi-square (df 7) test sa Fairness Lab?
Sinusuri ng Chi-square goodness-of-fit test kung ang naobserbahang distribusyon ng mga panalo ay tugma sa teoretikal na inaasahan (para sa 8 hati, bawat isa ay dapat manalo ng 12.5% ng pagkakataon). Ang degrees of freedom (df) ay bilang ng hati bawas isa (8 - 1 = 7) upang patunayan na ang gulong ay ganap na patas.
Paano ko dapat unawain ang resulta ng p-value?
Sinusukat ng p-value ang probabilidad na makakuha ng resulta na kasing-sukdulan ng naobserbahan sa ilalim ng palagay na patas ang gulong. Ang p-value >= 0.05 ay nagpapatunay na ang distribusyon ay pare-pareho at patas. Kung ang p-value ay higit sa 0.05, walang anumang ebidensya ng pagkiling.
Bakit paminsan-minsang bumababa sa 0.05 ang p-value sa isang patas na gulong?
Sa tunay na randomness, inaasahang bababa sa 0.05 ang p-value nang natural sa humigit-kumulang 1 sa bawat 20 test runs (5% ng oras). Likas sa randomness ang mag-cluster. Ang nagpapatunay ng pagiging patas ay hindi paulit-ulit na lumalabas ang kakaibang resulta sa iisang slice sa maraming pagsusuri.
Ano ang ipinapakita ng shaded 95% confidence bands sa chart?
Para sa bawat slice, ang inaasahang dalas ay sumusunod sa binomial distribution na may standard deviation σ = √(N · p · (1 - p)). Ipinapakita ng shaded bars ang ±1.96σ range. Sa isang patas na gulong, humigit-kumulang 95% ng resulta ay papasok sa loob ng shaded band sa paulit-ulit na pagsusuri.
Ano ang sinusukat ng 'Parehong nanalo nang magkasunod'?
Ito ay serial independence check. Para sa 8 pantay na hati, ang theoretical probability na mapili ang parehong panalo nang magkasunod ay 1/8 (12.50%). Kung ang gulong ay may nakatagong memorya o bias, tataas ang porsyentong ito. Ang pagtutugma sa ~12.50% ay nagpapatunay na ang bawat ikot ay hiwalay na subok.
Maaari bang dayain, manipulahin, o harangin ng server ang gulong?
Hindi. Ang lahat ng pagpili at physics calculation ay 100% lokal na tumatakbo sa iyong browser. Walang komunikasyon sa server habang umiikot, walang nakatagong remote seed, at walang third-party API na maaaring makaimpluwensya sa resulta.
Nakaaapekto ba ang tagal ng ikot o friction sa resulta?
Hindi. Dahil napili na ang panalo sa pamamagitan ng cryptography bago magsimula ang animation, ang tagal ng ikot, bilis ng paghinto, at tunog ay pawang visual details lamang upang maayos na tumapat sa gitna ng nanalong slice.