抛硬币
在线模拟抛硬币，随机生成正面或反面
什么是抛硬币工具？
抛硬币工具模拟只有两种结果的随机选择：正面或反面。它适合处理低风险、两边都能接受的小决定，比如谁先开始、先评审哪份稿子、走哪条路线、游戏里谁先手等。在线抛硬币的优势是方便、结果清晰，并能记录最近几次结果、连续次数和正反面比例。公平硬币在大量次数下会接近 50/50，但少量样本出现连续正面或反面很正常，这属于概率波动。这个工具适合日常决策、课堂概率演示和轻量游戏，不适合正式抽奖、法律决定、奖品发放或需要身份校验的场景。
使用方法
使用方法
- 点击「抛硬币」按钮开始
- 查看硬币翻转动画，等待结果出现
- 查看结果（正面或反面）
- 历史记录自动统计正反面次数及占比
- 点击「清除历史」重置所有统计数据
随机性说明
- 结果仅适用于日常决策参考，浏览器随机数可用于娱乐，但不可用于博彩、安全场景或正式抽签。
- 若多人依赖此结果，开始前应约定是否参考历史记录或重复抛掷。
使用场景
技术原理
每次抛掷从 crypto.getRandomValues(new Uint8Array(1)) 中提取一个字节，测试其最低位：0 对应反面，1 对应正面。WHATWG Web Cryptography 规范要求 Web Crypto API 从加密安全的伪随机数生成器（CSPRNG）获取随机字节，该生成器通常由操作系统的熵池支持（Linux 上的 getrandom，Windows 上的 CryptGenRandom/BCryptGenRandom，macOS/iOS 上的 SecRandomCopyBytes）。Math.random() 被明确定义为非加密级，返回来自未指定算法的 53 位双精度浮点数（V8 中使用 xorshift128+），从少量输出样本即可观察到偏差和可预测性，因此本工具避免使用它进行每次抛掷的决策。 根据强大数定律，随着试验次数 N 的增加，正面的经验比例会收敛到 0.5，但对于有限的 N，二项分布 Bin(N, 0.5) 的方差为 N × 0.25，标准差为 0.5 × √N。对于 N = 100，95% 的置信区间为 50 ± 10，因此观察到 60/40 的分布完全在正常方差范围内，并非随机数生成器存在偏差的证据。连续出现遵循几何分布：在 N 次抛掷中某处出现至少 k 次连续正面的概率约为 1 - (1 - 0.5^k)^(N-k+1)，这意味着 100 次抛掷中出现连续 6 次正面的概率约为 17%——同样属于正常现象，并非异常。 硬币动画由 requestAnimationFrame 驱动，与浏览器重绘周期同步（通常为 60 Hz，每帧 16.67 毫秒，120 Hz 显示器上更高），历史记录持久化到 localStorage，连续计数器在同一源的页面刷新后仍然有效。对于真正有偏的物理硬币，统计学上有意义的检测大约需要 10,000 次试验才能以 95% 的置信度检测出 1% 的偏差；本工具的 CSPRNG 源消除了数字抛掷的这一问题。对于高风险的抽奖或具有法律效力的抽签，建议使用可审计的第三方 RNG 服务或经认证的硬件 RNG，因为浏览器端随机性不会留下可外部验证的记录。
- crypto.getRandomValues 从 CSPRNG 填充 Uint8Array；Math.random 不是加密级的，可以被预测。
- 决策规则：byte & 1，将位 0 映射为反面，位 1 映射为正面（单个位上均匀分布 50/50）。
- Bin(N, 0.5) 的方差为 0.25 × N；100 次抛掷中 60/40 的分布完全在 ±2σ 的正常方差范围内。
- 以 95% 的置信度检测 1% 偏差的物理硬币需要约 10,000 次试验，远超课堂样本量。
- 动画由 requestAnimationFrame 驱动，与显示器刷新频率同步（通常每帧 16.67 毫秒）。
- 连续记录和历史通过 window.localStorage 持久化，仅限当前源有效。
- 浏览器端随机性不会留下可外部审计的记录；正式抽签请使用经认证的 RNG 服务。
示例
10 次抛掷序列（单次记录）
第 1 次 -> 正面
第 2 次 -> 反面
第 3 次 -> 反面
第 4 次 -> 正面
第 5 次 -> 正面
第 6 次 -> 正面（连续：3 次）
第 7 次 -> 反面
第 8 次 -> 正面
第 9 次 -> 反面
第 10 次 -> 反面
合计：正面 5（50%），反面 5（50%）100 次抛掷统计（典型一轮）
总抛掷次数 ：100
正面次数 ：52 (52%)
反面次数 ：48 (48%)
最长正面连胜：6
最长反面连胜：5
观察 ：样本量小时，结果很少正好是 50/50。三局两胜 —— 决定谁买单
A 选正面，B 选反面。
第 1 局：正面 -> A 胜
第 2 局：反面 -> B 胜
第 3 局：正面 -> A 胜（最终：A 2 - B 1）
B 买单。课堂概率演示（50 次）
10 次后 ：正 7 反 3 (70% / 30%)
25 次后 ：正 14 反 11 (56% / 44%)
50 次后 ：正 26 反 24 (52% / 48%)
规律：随着样本量增大，比例会向 50/50 收敛。常见问题
抛硬币真的是随机的吗？
是的。页面使用 Web Crypto API 中的 crypto.getRandomValues，其种子来自操作系统的密码学随机源。每一次抛掷都相互独立——之前的结果对下一次没有任何影响。刷新页面也不会重置随机性。
为什么我连续抛出了 5 次正面？
随机并不意味着「正反交替均匀出现」。连续 5 次同一面的概率是 1/16 ≈ 6.3%——少见但并不罕见。在真正的随机序列中，长连击是正常现象；恰好完美交替的序列反而是人为偏差的迹象，而不是随机的体现。
每次抛掷的概率真的是 50/50 吗？
完全是。真实硬币会有微小的物理偏差（朝上的一面落地时朝上的概率会稍高一点），但计算机模拟器没有这种偏差——两面的概率都是精确的 50.000…%。用它来公平地决出胜负完全没问题。
用它来做集体决策公平吗？
数学上是公平的。不过从社交角度看，「要不要抛」以及「抛完后能不能反悔」这两个环节，比抛硬币本身更重要。在抛之前先约定好——结果一旦出来，大家都得认。
可以查看一系列抛掷的统计数据吗？
页面每次抛一枚硬币，并在当前会话中跟踪抛掷历史、正反面次数、百分比、当前连击和最长连击。这些统计数据让你可以总览所有抛掷情况。关闭标签页或点击「清空历史」会重置数据。
我的抛掷结果会被保存吗？
近期的抛掷记录会保留在你当前的浏览器标签页中。关闭标签页通常就会清除；某些版本会保存到 localStorage。任何数据都不会上传或与他人共享。
可以用它做有法律效力的决定吗？
对于无关紧要的选择（谁请客吃饭、谁先来），可以放心使用。任何具有法律效力的事项（监护权、合同、财产分割）都需要有见证的、文档化的实物流程。网页工具事后无法被审计。