先区分“指定序列”和“事后找模式”
假设案例：一枚硬币每次正面、反面的概率都分别是二分之一，并且各次独立。若事先指定四次必须全是正面，那么概率是：
二分之一 × 二分之一 × 二分之一 × 二分之一 = 二的四次方分之一 = 十六分之一。
如果事先指定的序列是“正、反、正、反”，计算完全相同，也是十六分之一。两种序列的外观不同，但在这个模型中，每个指定的四次序列机会相等。
问题一旦改成“无论顺序，四次中恰有两次正面”，答案就不再是十六分之一。满足条件的六种序列是：正正反反、正反正反、正反反正、反正正反、反正反正、反反正正。每一种概率都是十六分之一，合计为六乘十六分之一，也就是八分之三。这里问的是一个集合，不是某一个预先指定的序列。
为什么连续重复并不自动构成证据
四次结果共有十六种等长序列：
正正正正、正正正反、正正反正、正正反反；正反正正、正反正反、正反反正、正反反反；反正正正、反正正反、反正反正、反正反反；反反正正、反反正反、反反反正、反反反反。
在上述假设下，它们各自的概率都为十六分之一。因此，“四次全正”虽然显眼，却没有比“正反正反”更能说明下一次会怎样。连续重复之所以容易让人警觉，是因为人会优先注意整齐、对称或成串的图案；但如果先看完所有结果，再从中挑出“连续”“交替”“两次一组”等描述，实际上是在事后选择模式。
假设案例：如果先规定“观察四次，只要出现任意一种两正序列就记录”，就会得到六种符合条件的结果。若看完一批结果后才决定关注“两正”，这个比例不能直接当作原本唯一的问题来解释，因为关注的标准已经受到了结果影响。
第五次为什么仍是二分之一
在独立、公平硬币的题设内，无论前四次是全正、全反、正反交替，还是恰有两正，第五次正面的概率仍为二分之一。原因不是“前面已经平均过了”，也不是“连续重复后该轮到反面”，而是模型直接规定每次试验相互独立，且正反机会相等。
这也是“不要从连串结果推测下一次”的严格边界：只有在独立、公平的假设成立时，才能作出这个结论。如果结果由有记忆的机制、受条件影响的设备，或带有偏差的过程产生，那么独立性和公平性都需要另外检验。短序列最多提示一个值得研究的假设，不能单独证明程序有规律，也不能证明程序绝对没有规律。
怎样把“看起来有规律”变成可检验的问题
第一，事前写下观察目标，例如“检验四次全正是否超过模型预期”，不要等看到结果后再决定指标。第二，说明样本单位、观察次数和允许的随机波动；只列一段短序列，通常很难区分偶然重复与稳定偏差。第三，先定义可能的替代解释：是真正的偏向、结果之间有关联，还是只是挑中了醒目的排列？第四，若要判断现实程序，应寻找机制、测试记录或可复核的数据，而不是只凭几次输出下结论。
英国赌博委员会的远程赌博与软件技术标准把随机结果的要求表述为可检验且不可预测；这是英国监管语境下的标准，不能据此声称所有地区或所有程序都自动符合，也不能把它当成某个平台已经合规的证明。参见随机结果生成标准。
一个简短的判断清单
看到连续重复时，可以依次问：我是否在结果出现前就指定了这个模式？这个模式对应一个序列，还是多个序列的集合？计算时是否把所有符合条件的排列都算进去？独立、公平的题设是否有理由成立？如果没有，手上的结果究竟支持了哪一个具体假设？
因此，连续结果可以成为提出问题的起点，却不是预测下一次的算法。清楚写出序列、概率和假设，才能避免把事后挑出的图案误认为程序已经暴露出规律。