自然测量数据的热力学级随机误差导致末位数字服从均匀分布（0~9 各 1/10）。人工编造的数据往往在某个数字上出现异常聚集。利用组合公式可以计算"数据是自然产生"的概率——70 个数据中有 26 个以 5 结尾时，数据真实的概率仅为 10⁻⁹（双色球头奖概率的十分之一）。
实例：70 个数据 26 个以 5 结尾
检查论文数据是否造假的原理，建立在测量误差的物理性质上。任何物理测量都存在热力学级别的随机误差。当实验数据的波动范围足够大时，末位数就是 0~9 中的一个均匀随机变量——每个数字出现的概率都是 1/10。不同次测量的误差彼此独立。如果把 70 个数据的末位数看成 70 个独立随机变量，每个是 5 的概率为 0.1，那么有 26 个 5 的概率就是：
计算结果约为 1.3 × 10⁻⁹（十亿分之一）。这里 C(n, k) 是组合数，表示从 70 个位置中选出 26 个来"放 5"的方式数。
如果同时注意到数据里还没有 3 和 7（即剩下 44 个数据也不在 3/7 上），那么剩余每个位置"不是 5"的概率从 0.9 缩小到 0.7，概率进一步缩小到 4.4 × 10⁻¹⁴。
对比参考
- 双色球头奖概率：约 1.7 × 10⁻⁸
- 70 个数据中恰好 7 个以 5 结尾（正态情况）：约 0.157
- 90% 置信区间内任一末位数字出现次数不超过 10 次
为什么 N 增大时偏差越来越"不可接受"？
直觉陷阱：10% 的偏差（50% → 60%）在 N=10 时很常见——概率 37.7%，在 N=1000 时却几乎不可能——概率 1.3 × 10⁻¹⁰。这可以用高尔顿板来可视化。
高尔顿板与抛硬币的同构
小球从上方掉下，每遇到一根柱子有 1/2 概率向左、1/2 概率向右——完全等价于抛硬币（正面=右，反面=左）。小球最终横向落点的位置，精确记录了 N 次抛掷中"正面比反面多多少"。
- 落在最左端：N 次全是反面
- 落在正中心：正反次数相等
- 向右偏移 1 格：正面比反面多 1 次
用大量小球同时做实验，本质上就是自然的并行采样计算。
中心化（Concentration）
把硬币抛掷结果记作 +1（正面）和 -1（反面），N 次的总和除以 N 就是均值。大数定律（Law of Large Numbers）的核心结论是：当 N 足够大时，均值以极高的概率集中在期望值附近。
从高尔顿板可以直观看到：N=10 时，偏离中心 2 格以上的小球比例还很多；N=50 时已经很少；N=1000 时几乎不可见。
在概率论中，这一现象被精确量化为中心极限定理（Central Limit Theorem）：均值的分布趋向于正态分布 𝒩(μ, σ²/N)，标准差以 1/√N 的速度收缩。
数学推导：从杨辉三角到高斯分布
考虑第 2N 行的杨辉三角。正中心的组合数为 C(2N, N)，偏离中心 X 位置的组合数为 C(2N, N+X)。它们的比值：
斯特林公式（Stirling's Approximation）
对阶乘取近似：
代入所有阶乘，将比值化为：
取对数：
当 N ≫ X 时，使用一阶泰勒展开 ln(1+ε) ≈ ε：
化简得到：
两边取指数：
这正是高斯分布（正态分布） e^(−x²) 形式的缩放版。它解释了为什么杨辉三角第 N 行在 N 很大时自动呈现钟型曲线。
收缩速度的直观理解
分布的中心部分宽度约为 √N，而杨辉三角第 2N 行的总宽度为 2N。随着 N 增大：
即：有效出口占总出口的比例越来越小——这就是"中心化"在物理上的直观含义。
赌场应用：2.8% 的数学铁律
三个骰子猜大小的游戏中，一半情况为大、一半为小，看起来公平。但多了"豹子（三个骰子同点数）庄家通杀"的规则：
这导致：
P(玩家赢) = 0.5 − 1/72 ≈ 48.61%
庄家胜率只高出 2.8 个百分点——但大数定律保证：玩得越多，庄家赢走的筹码占总赌注的比例就越精确地收敛到 2.8%。不怕你赢，就怕你不来。
可复用的打假检查框架
将末位数字打假法总结为以下步骤：
- 提取：从实验数据中提取所有数值的末位数字
- 统计：统计每个数字（0~9）出现的频次
- 计算：对可疑的数字 k，若出现 n 次，总数据量 N，则
P = C(N, n) × (0.1)ⁿ × (0.9)ᴺ⁻ⁿ
- 阈值判定：P < 10⁻⁶（百万分之一）即为强造假信号
- 交叉验证：结合本福特定律（首位数字分布）等多维度检验