數字統計

猜測裡的每一格都是對答案提出的一道是非題：「你含有這個字元嗎？它在這裡嗎？」當任一種結果都能刪去剩餘答案庫的一大塊時——最好接近擲硬幣的一半一半——這道問題教你的才最多。

上面的圖表正是那張擲硬幣機率表：60.8% 的答案裡某處含有 1，2 是 52.3%，4 是 47.2%，3 是 46.4%。無論回饋是哪種顏色，答案庫大約都會少掉一半。反過來去問那個罕見數字，問題就一面倒了：0 只出現在 25.2% 的答案中，所以四次有三次會得到黑色，只刪去那四分之一的答案庫——你花了一格，學到的卻是幾乎可以直接假設的事。

這就是頂尖起手式的全部邏輯，一句話講完：六個互不相同的常見數字一次問出六道接近擲硬幣的是非題，答案庫在一回合內就從 17,723 縮減到 33 左右。

這張圖表描述的是 NerdleBuddy 產生的模型，而不是宣稱我們持有 Nerdle 的官方答案清單。Nerdle 表示其 17,723 條答案是從超過 100,000 條有效算式中挑選出來的；我們的模型獨立套用文件記載的等式限制，因此統計數據可以重現。請見 Nerdle 的官方 Classic Nerdle 說明。

第一：首位數字往小的堆積。答案裡共有 33,319 個多位數，其中 25.0% 以 1 開頭——9 開頭的只有 6.4%。盤面上所有的 1 裡，有 57.8% 正坐在首位。這種偏斜來自這套產生的等式分布與 8 字元的長度限制；它本身並不是班佛定律的示範。在模型中，22.9% 的兩位數結果落在 10–19，而三位數的值必須夠小、替算式留出空間，其中 34.4% 落在 100–199。

第二：規則餓著了零。數不能以 0 開頭，單獨一個 0 也不能站在左側。0 仍可出現在多位數內部（10、20、108…）或作為結果，因此它只觸及 25.2% 的模型化答案，而其他每個數字至少出現在 40.6% 的答案裡——完整的「單獨零」規則請見隱藏規則。

實用結論：早期猜測以 1–5 為主，預期結果會以 1 開頭，也別把早期的格子浪費在 0 上——讓排除法免費幫你找到它。