20世纪初，学者开始发展各种技术来处理随机结果的概念。有几种方法被人设计出来，用以察觉异常现象（anomalies）。皮尔逊（Karl Pearson）教授设计出第一种非随机检定方法。上过统计学入门课程的人都知道奈曼-皮尔逊（Neyman-Pearson）检定法。皮尔逊教授设计的非随机检定方法，其实是做偏离正常值的检定，但就目的来说，属同一回事。1902年7月，他调查了数百万个所谓的蒙特·卡罗结果，发现这些结果并非完全随机，而且具有很高的统计重要性，其误差低于10-9。什么？转盘转出的结果不随机？这个发现令皮尔逊教授大吃一惊。但是这个结果本身并没有告诉我们什么事情；我们知道世界上根本没有纯随机抽样这种东西，因为抽样的结果取决于设备的品质。够多的小事集中在一起，我们就能在某些地方发现非随机现象，例如转盘本身可能不是摆得很平，或者旋转的球不是很圆。统计学的哲学家把这叫做参考个案问题（reference case problem），用以解释实务上没办法真正取得随机，只有理论上才找得到。此外，经理人会质疑这种非随机现象能否造就真的能够赚钱的法则。如果我需要赌一万次，每次一块钱，才可望赚到一块钱，那不如兼差去当大楼管理员。

但是这个结果还有另一个可疑的成分。这里和实务更有关系的地方，是下面所说非随机性的严重问题。连这位统计学之父也忘了随机连续序列不一定要呈现随机的模式（pattern）；事实上，数据如果完美到未呈现任何模式，反倒十分可疑，让人觉得有捏造之嫌。单一的随机连续序列势必呈现某种模式——如果我们努力去找的话，一定找得到。皮尔逊教授等学者很早就对创造人为随机数据发生器很感兴趣，由此得出的随机数表，可以作为各种科学和工程仿真（蒙特·卡罗仿真器的前身）的输入资料。问题出在他们不希望这些随机数表呈现任何形式的规则性，而真正的随机现象看起来并不随机！(www.daowen.com)

癌症丛集（cancer clusters）这种现象非常有名，从这种现象的研究，可以进一步说明上述的道理。假设随机掷出16支飞镖到一个正方形，它们插中正方形中任何一个地方的概率相同。现在把这个正方形分成16个更小的正方形。这么一来，我们预期每个小正方形平均会有一支飞镖在上面——但这只是平均值而已。16支飞镖恰好分别插中16个不同的正方形，这样的概率非常低。比较常见的结果是，一些正方形里面会有一支以上的飞镖，许多正方形则一支飞镖也没有。这些格子如果不出现（癌症）丛集，将是极为罕见的事。现在，把插有飞镖的格子覆盖在任何地区的地图上，一些报纸就会宣称其中某个地方（飞镖数高于平均值者）的辐射线太强，造成癌症病例显著增多，因而促使律师开始去找癌症患者，准备索赔。