使用方法（3 步）
- 选择列表模式（按大小 / 自定义）并设置模拟次数。
- 点击 对比，用同样设置跑两种洗牌。
- 查看热力图和统计，然后复制仅设置的 URL 或下载报告。
看清洗牌偏差
洗牌偏差对比工具
朴素交换每一步都在全范围取随机索引；Fisher–Yates 每一步缩小范围，在随机整数均匀时能得到均匀排列。
允许重复。分析会用行号（1..n）作为标识。
这是 JavaScript 中常见的反模式。结果依赖引擎，通常有偏差。
概览
提示：这里的 χ² 和 df 是直观用的近似（因为存在约束，并不严格）。不要把它当作正式证明。
图表
图例：naive=红、FY=绿、sort=紫（开启时）。
曲线是 df = n² - 1（近似）的 χ² 密度。竖线表示观测到的 χ²。
此图按 |i - j|（与对角线的距离）汇总。大于 1 表示“太靠近原位置”。
结果
每一侧都显示位置矩阵（项目 i → 位置 j）的统计结果。
朴素洗牌
Fisher–Yates
sort(() => random - 0.5)
常见问题
Fisher–Yates 一定没有偏差吗？
如果 randomInt 是均匀的，就没有算法偏差。把随机字节映射到整数范围时要避免取模偏差。
为什么不推荐 sort(() => random - 0.5)？
它有偏差且依赖 JS 引擎。你可以在本页勾选它，看看你的浏览器会出现什么结果。
通过这个就代表加密安全？
不。此工具展示的是洗牌算法的偏差。安全性取决于你的 RNG 和威胁模型。
模拟次数用多少合适？
先从 100k 开始。n ≤ 8 时，打开排列频率跟踪更容易直接看出偏差。