十年大乐透数据分析「1」大数规律

玩游戏别用大号

上一篇，和大家分享了爬取十年大乐透数据的方法，并做了简单的分析，很多朋友觉得看的不过瘾，这一篇文章就专门分享一些大乐透历史数据的分析思路和结果。
这篇文章主要想解决2个问题：

• 每个号码出现的次数是一样的吗？
  
• 往期数据能预测下一期的号码吗？
  

<hr/>每个号码出现的次数是一样的吗？

为了方便，我用"红球"表示"35选5"，用"蓝球"表示"12选2"。首先，我统计了红球和蓝球十年来每一个号码的出现次数，结果如下图：每根柱子的高度代表了对应号码出现的次数；虚线代表平均值，也即，在完全随机的情况下，每个号码出现的次数。


不难发现，在红球中，数字29-35的出现次数是明显高于平均次数的，而出现次数最少的数字包括16、4等。蓝球中十二个数字的出现次数均匀了很多，最容易出现的数字是10.
那么，是什么原因造成红球的大数字更容易出现呢？有2种可能的原因：一是，某些年份大数字出现的偏多；二是，大数字在每一年的出现次数都偏多。于是，我查看了每一年的数字次数分布：


可见，2007-2013这7年都更倾向于出现大数字的红球，而这一规律在2014年之后似乎不起作用了。
<hr/>往期数据能预测下一期的号码吗？

这个问题可以简化为——上一期的数字在下一期里出现的几率是不是高于随机（瞎蒙）的情况呢？首先，我统计了连续2期的数字里，有1个数字重复、2个数字重复、3个数字重复......这些情况发生的次数：每个柱子上面的数字表示其所占的比例。


可以发现，红球里，相邻2期产出的数字中，至少出现一个重复数字的比例是57%，而蓝球为31%。那么，红球和蓝球的组合起来看又是什么样的呢？


图中，"1_2"就表示红球中相邻2期有1个重复数字，蓝球中相邻2期有2个重复数字的情况，其他组合以此类推。可见，最容易出现的组合情况是"0_0"和"1_0"。接下来，小编想看看，在随机情况下，也就是瞎蒙的时候，上下期重复数字的个数跟我们观察到的实际结果是不是一致呢？简化模型如下：
以红球为例，从1-35这35个数字中随机抽取5个数字，抽取1万次，并标注先后序号。然后分析，在随机状态下，相邻2次抽取中，重复数字出现的次数。代码如下：
# model
D <- data.frame()
for (i in 1:10000) { ## 随机抽样1万次
D <- rbind(D, sample(1:35, 5))
}
E <- c()
for (j in 1:(1e5-1)) { ## 统计临近抽样的重复数字
E <- c(E, sum(c(t(D[j,]))%in%c(t(D[(j+1),]))))
}
print (table(E))之后，把观察到的实际结果与随机的抽样结果放在一起比较，如下图：蓝色的柱子代表实际观察的比例，橙色的柱子代表随机抽样1万次得到的比例。


显而易见，上一期的数字在下一期里出现与否是完全随机的。当然，这里只考虑了最简单的情况。至少说明，根据前一期的结果选择数字，跟瞎蒙是一样的。
总结一下，（1）大乐透里，红球的每个号码出现次数偏差较大，并与年份有关；蓝球的每个号码出现次数偏差较小。（2）前一期的号码不能预测后一期的号码。这一篇就先到这里，看官们如果觉得满意，就顺手点个赞呗。后续还有更精彩的分析，让我们互相学习，请多多关注我。
<hr/>文 | 索罗斯的书屋，全流程数据分析师，财经数据爱好者，原创不易，转载请注明版权。

元瑾

厉害了

鳥

其实你不用统计的，算算概率就可以了