رياضيات الأعداد العشرية العشوائية

العدد العشري العشوائي بين 0 و1 هو الوحدة الأساسية الأكثر جوهرية للعشوائية في الرياضيات. يُعيّن التوزيع المنتظم المتصل على الفترة [0, 1] كثافة احتمالية متساوية لكل نقطة. احتمال الوقوع في أي فترة فرعية [a, b] يساوي تمامًا b ناقص a. القيمة بين 0.3 و0.7 لها احتمال 40%. والقيمة بين 0 و0.01 لها احتمال 1% بالضبط. البساطة هي القوة: كل شريحة من الفترة تخضع للقاعدة نفسها.

الدقة والإنتروبيا

كل منزلة عشرية تُضاعف عدد القيم الممكنة بعشرة أضعاف. مع 2 منازل عشرية، يُنتج هذا المولّد واحدة من 100 قيمة متساوية الاحتمال. وهذا يُترجم إلى ما يقارب 6.6 بت من الإنتروبيا لكل عدد عشري. للمقارنة، يحمل قلب العملة بتًا واحدًا، ويحمل حجر النرد القياسي 2.58 بت، وتحمل كلمة مرور من 16 حرفًا نحو 100 بت. تُضيف كل منزلة عشرية إضافية 3.32 بت من الإنتروبيا، لأن log₂(10) = 3.3219.

تُولَّد الأرقام التي تراها عن طريق سحب بايتات عشوائية من crypto.getRandomValues() وتعيين كل بايت إلى رقم من 0 إلى 9 باستخدام أخذ العينات بالرفض. تُستبعد البايتات التي قد تُسبب انحياز المعامل (القيم من 250 إلى 255) ويُعاد سحبها. وهذا يضمن أن كل رقم عشوائي بشكل مستقل ومنتظم.

أساس المحاكاة

تبدأ كل عملية عشوائية تقريبًا في العلوم الحسابية بعدد عشري منتظم من الفترة [0, 1]. تُحوّل تقنية أخذ العينات بالتحويل العكسي، التي صاغها الرياضيون في أوائل القرن العشرين، متغيرًا عشوائيًا منتظمًا إلى أي توزيع مطلوب. أدخل عددًا عشريًا منتظمًا في معكوس دالة التوزيع التراكمي وسيتبع الناتج ذلك التوزيع تمامًا. المنحنيات الطبيعية، والتناقص الأسي، ووصول بواسون: كلها تنبثق من هذه اللبنة الأساسية الواحدة.

كان ستانيسلاف أولام وجون فون نيومان رائدَي أساليب مونت كارلو في مختبر لوس ألاموس في أربعينيات القرن العشرين، حيث استخدما أعدادًا عشوائية منتظمة لمحاكاة انتشار النيوترونات في الفيزياء النووية. واليوم يدفع المبدأ نفسه التنبؤ بالطقس، والنمذجة المالية، واكتشاف الأدوية، وتدريب التعلم الآلي. الكسر المتواضع من الفترة [0, 1] هو البذرة التي تنمو لتصبح كل محاكاة.

التوزيع المنتظم بصريًا

يُقسّم مخطط التوزيع أعلاه الفترة [0, 1] إلى عشر حاويات متساوية ويحسب عدد القيم المولَّدة في كل منها. كل شريط يحمل لونه الخاص من طيف القيم: مرجاني للقيم القريبة من الصفر، أصفر زاهٍ في المنتصف، وأخضر بالقرب من الواحد. مع مرور الوقت، تتقارب الأشرطة إلى ارتفاعات متساوية. هذا التسطّح البصري هو التوزيع المنتظم. يتتبع مخطط التقارب المتوسط التراكمي. لاحظ كيف تُحدث القيم الأولى تقلبات حادة وكيف يسحب التوليد المستمر المتوسط بثبات نحو القيمة المتوقعة وهي 0.5 تمامًا.

في الفصل الدراسي

توفر الأعداد العشرية العشوائية جسرًا مباشرًا بين نظرية الاحتمالات المجردة والتجريب العملي. اطلب من كل طالب توليد 20 عددًا عشريًا من /decimal/20 وترتيبها يدويًا. اسأل: كم عدد القيم التي تقل عن 0.5؟ الإجابة المتوقعة هي 10، لكن التباين الفردي يجعل التمرين مفاجئًا. اطلب من الصف دمج نتائج الجميع في رسم بياني مشترك. سيقترب المخطط الجماعي من التوزيع المنتظم المثالي أسرع بكثير من أي مجموعة فردية، مما يوضح كيف يتحكم حجم العينة في الموثوقية الإحصائية.

كتمرين متقدم، اطلب من الطلاب حساب متوسط قيمهم العشرين. سيتجمع متوسط الصف لتلك المتوسطات بإحكام حول 0.5. يوضح هذا التقارب المتداخل نظرية النهاية المركزية: متوسطات العينات العشوائية تُشكّل منحنى جرسي حول القيمة المتوقعة، بغض النظر عن التوزيع الأساسي. لا تتطلب الأداة حسابات، ولا تُخزّن بيانات الطلاب، ولا تُعيّن ملفات تعريف ارتباط للتتبع.

خصوصية بالتصميم

يُولَّد كل عدد عشري بالكامل داخل متصفحك باستخدام واجهة Web Cryptography API. يُقدّم الخادم الصفحة؛ وجهازك يُنتج كل قيمة. تُخزَّن النتائج في localStorage بمتصفحك وذاكرته، تحت سيطرتك وحدك. مشاركة هذا الرابط تُرسل الأداة، وليس المخرجات أبدًا. يُولّد المستلم أعداده العشرية العشوائية المستقلة من جهازه الخاص.