Fit to the random model Multi Multi
Do the results deviate from the uniform and independent model?
- Game
- Multi Multi
- Number pool
- 80
- Selected range
- 50 most recent
- Draws in the sample
- 50
- From
- 2026-08-22T20:00:00Z
- To
- 2026-09-16T12:00:00Z
- Latest draw in the sample
- 2026-09-16T12:00:00Z
- Data version (calculated)
- 2026-09-16T18:41:16+02:00
What do these numbers show?
- W 50 losowaniach statystyka częstości T wyniosła 80,1 przy 79 stopniach swobody; model równomierny daje oczekiwaną 79 i odchylenie 12,6, czyli T leżało 0,08 odchylenia od oczekiwanej (źródło: historia i model).
- Asymptotyczna wartość p wyniosła 0,446 — powyżej umownego progu 0,05. To wynik orientacyjny; nie dowodzi ani losowości, ani jej braku.
- Wartość p poniżej 0,05 wystąpiła w 2 z 7 okien z danymi. Okna nakładają się na siebie, więc nie są niezależne — przy tak wielu porównaniach pojedynczy alarm nie jest niczym nietypowym.
These are historical data. Each draw is independent of previous draws, so these numbers do not tell us what will be drawn next.
How do I use this page?
- Wybierz liczbę ostatnich losowań lub zakres lat.
- Odczytaj T i ile odchyleń dzieli je od wartości oczekiwanej df — to skala rozbieżności częstości od modelu.
- Wartość p traktuj orientacyjnie; poniżej 0,05 to umowna granica, nie dowód.
- W tabeli okien porównaj, czy rozbieżność utrzymuje się w różnych zakresach, pamiętając, że okna zachodzą na siebie.
What this page does not do: nie przewiduje kolejnych wyników, nie wskazuje liczb do gry i nie zwiększa szansy wygranej.
Agreement of frequencies with the random model
Model równomierny i niezależny zakłada, że każda z 80 liczb w każdym losowaniu Multi Multi miała tę samą szansę 20/80 na wylosowanie. Zakłada też, że wynik jednego losowania nie zależał od poprzednich. Ta strona sprawdza pierwszy warunek testem częstości; niezależność sprawdzają osobne analizy (autokorelacja, przerwy).
Frequency statistic T (N = 50 draws, source: history)
80,1
expected under the model: df = 79, model deviation 12,6
How many deviations from expected: (T − df) / √(2·df)
0,08
source: χ²(df) model; a positive value — frequencies more spread out than expected, negative — more even
P-value (asymptotic, indicative)
0,446
percentile calibrated by simulation: —
Simultaneous band — did any number fall past the threshold
Largest deviation of a single number: max |z| = 2,45 (N = 50, źródło: historia). Próg pasma 95%: —, 99%: —.
Kalibracja symulacyjna progów pasma w przygotowaniu — bez niej nie oceniamy, czy max |z| jest nietypowe.
All windows side by side
Each row is a different window of recent draws. Windows overlap (the last 50 includes the last 25), so they are not independent samples.
| range | N | T | df | (T−df)/√(2df) | p | max |z| |
|---|---|---|---|---|---|---|
| ostatnie 1 | 1 | 79,0 | 79 | 0,00 | — | 1,73 |
| ostatnie 7 | 7 | 73,0 | 79 | -0,48 | — | 1,96 |
| ostatnie 14 | 14 | 97,8 | 79 | 1,50 | 0,074 | 3,40 |
| ostatnie 25 | 25 | 105,5 | 79 | 2,11 | 0,025 | 2,43 |
| ostatnie 50 | 50 | 80,1 | 79 | 0,08 | 0,446 | 2,45 |
| ostatnie 100 | 100 | 63,0 | 79 | -1,27 | 0,906 | 2,77 |
| ostatnie 250 | 250 | 71,9 | 79 | -0,56 | 0,701 | 2,56 |
| ostatnie 500 | 500 | 72,2 | 79 | -0,54 | 0,694 | 2,48 |
| wszystkie | 17 028 | 105,8 | 79 | 2,13 | 0,024 | 2,73 |
Windows without a row in the table have no data — the reason is shown by the range selector.
How we calculate this and what it doesn't tell you
T to suma po wszystkich 80 liczbach kwadratów odchylenia (O − E)² podzielonych przez wariancję N·p·(1−p), z poprawką (m−1)/m, gdzie O to liczba wystąpień w N losowaniach, E = N·p, p = 20/80, m = 80. Pod modelem równomiernym T ma w przybliżeniu rozkład χ² o df = 79 stopniach swobody, więc oczekiwana wartość to df, a odchylenie √(2·df). Wartość p z tego rozkładu jest asymptotyczna — dla krótkich okien przybliżenie jest słabe, stąd percentyl kalibrowany symulacją (w przygotowaniu), liczony jako odsetek symulacji z T ściśle mniejszym od obserwowanego.
A result consistent with the model does not prove randomness — test może nie wykryć odchyleń innego rodzaju niż nierówne częstości. Oglądanie wielu nakładających się okien zwiększa ryzyko przypadkowego alarmu: przy progu 0,05 fałszywy sygnał w którymś z okien jest spodziewany. Nie zakładaj niezależności okien. Żadna z tych liczb nie wskazuje, co padnie następnym razem.
Cztery testy modelu w tym serwisie: częstość (T, ta strona), pasmo jednoczesne (max |z| wobec progu c95, ta strona), przerwy między wystąpieniami liczby (rozkład geometryczny, osobna analiza) i autokorelacja losowań (osobna analiza).
Related analyses
Frequency test
Does the distribution of hits for all numbers match the model?
Simultaneous band
Did any number fall outside the band calculated for all numbers at once?
Gaps vs. model
Do gap lengths look like a geometric distribution?
Sum autocorrelation
Does a draw's sum depend on the sums of previous draws?