使用方法（3 步）
- 選擇清單模式（按大小 / 自訂）並設定模擬次數。
- 點選 比較，用同樣設定跑兩種洗牌。
- 檢視熱力圖與統計，然後複製僅含設定的連結或下載報告。
看清洗牌偏差
洗牌偏差比較工具
樸素交換每一步都在全範圍取隨機索引；費雪–耶茲 每一步縮小範圍，在隨機整數均勻時能得到均勻排列。
允許重複。分析會用行號（1..n）作為標識。
這是 JavaScript 中常見的反模式。結果依賴引擎，通常有偏差。
概覽
提示：這裡的 χ² 和 df 是建立直覺用的近似值（因為存在約束，並不嚴格）。不要把它當作正式證明。
圖表
圖例：naive=紅、FY=綠、sort=紫（開啟時）。
曲線是 df = n² - 1（近似）的 χ² 密度。直線表示觀測到的 χ²。
此圖依 |i - j|（與對角線的距離）彙總。大於 1 表示「太靠近原位置」。
結果
每一側都顯示位置矩陣（項目 i → 位置 j）的統計結果。
樸素洗牌
費雪–耶茲
sort(() => random - 0.5)
常見問題
費雪–耶茲 一定沒有偏差嗎？
如果 randomInt 均勻，就沒有演算法偏差。把隨機位元組映射到整數範圍時，仍要避免取模偏差。
為什麼不建議 sort(() => random - 0.5)？
它有偏差，而且結果依賴 JS 引擎。你可以在本頁勾選它，看看你的瀏覽器會出現什麼結果。
通過這項檢查就代表加密安全嗎？
不。此工具展示的是洗牌演算法偏差。安全性仍取決於你的 RNG 與威脅模型。
模擬次數用多少合適？
先從 100k 開始。n ≤ 8 時，開啟排列頻率跟蹤更容易直接看出偏差。