رياضيات الأعداد الصحيحة العشوائية المنتظمة

يُعيّن مولّد الأعداد الصحيحة العشوائية المنتظمة احتمالًا متساويًا تمامًا لكل قيمة في نطاقه. بالنسبة لـ 1,000 قيمة (1 إلى 1,000)، يبلغ احتمال كل عدد صحيح بالضبط 1/1,000 ≈ 0.1000%. لا تُفضَّل أي قيمة. لا يوجد أي نمط. كل عملية توليد مستقلة إحصائيًا عن كل ما سبقها، مما يعني أن ظهور العدد "42" ليس له أي تأثير على ظهور "42" مرة أخرى. صاغ بيير سيمون لابلاس هذا المبدأ في القرن الثامن عشر كأساس لنظرية الاحتمالات الكلاسيكية، ولا يزال نقطة البداية لكل مقدمة في علم الإحصاء.

القيمة المتوقعة والانتشار

القيمة المتوقعة لعدد صحيح عشوائي منتظم على المجال [1، 1,000] هي نقطة المنتصف الحسابية: 500.5. ولّد ألف عدد من هذا النطاق، واحسب متوسطها، وستجد النتيجة قريبة بشكل ملحوظ من 500.5. يُظهر مخطط التقارب أعلاه هذا بشكل مباشر في الوقت الفعلي. أثبت جاكوب برنولي خاصية التقارب هذه عام 1713؛ وتظل واحدة من أهم النظريات في نظرية الاحتمالات.

يقيس الانحراف المعياري مدى ابتعاد النتائج الفردية عادةً عن هذا المركز. بالنسبة لنطاق منتظم من N قيمة، يساوي الانحراف المعياري √((N² − 1) / 12). بالنسبة لنطاقك البالغ 1,000 قيمة، يبلغ ذلك تقريبًا 288.7. حوالي ثلثي النتائج تقع ضمن انحراف معياري واحد من القيمة المتوقعة، والثلث المتبقي يشغل الأطراف الخارجية. كل منطقة تحصل على نصيبها العادل: هذا هو معنى كلمة "منتظم".

مفاجأة تصادم أعياد الميلاد

كم عددًا عشوائيًا يجب أن تولّده قبل أن يتطابق اثنان منها؟ يقول الحدس إن الإجابة يجب أن تكون قريبة من حجم النطاق. لكن الرياضيات تختلف. تثبت مسألة عيد الميلاد أن التصادمات تظهر أبكر بكثير مما هو متوقع. بالنسبة لنطاق من N قيمة، يصل عتبة التصادم بنسبة 50% بعد حوالي √(N × π / 2) سحبة. بالنسبة للنطاق 1 إلى 1,000 (1,000 قيمة)، يصبح التكرار محتملًا بعد حوالي 40 سحبة. راقب مخطط التوزيع أعلاه: مع توليد عدد كافٍ، تتراكم بعض الخانات أسرع من غيرها بحكم الصدفة البحتة. هذه التجمعات هي عشوائية حقيقية، وهي عكس التحيز.

العدالة التشفيرية

كل عدد في هذه الصفحة يأتي من crypto.getRandomValues()، وهي واجهة Web Cryptography API المحددة من قبل W3C والمُنفَّذة في كل متصفح حديث. هذا هو نفس مصدر الإنتروبيا الذي يولّد مفاتيح التشفير للخدمات المصرفية عبر الإنترنت وشهادات TLS. تنبع العشوائية من عمليات فيزيائية على مستوى العتاد في جهازك: الضوضاء الحرارية في السيليكون، والارتعاش الزمني في المذبذبات، وظواهر ميكانيكا الكم الأخرى التي لا يمكن التنبؤ بها بشكل جوهري.

يستخدم المولّد أخذ العينات بالرفض للتخلص من تحيز باقي القسمة. النهج البسيط (random_value mod range) يُفضّل القيم الأصغر قليلًا عندما لا يقسم النطاق فضاء المصدر ذا 32 بت بالتساوي. يتجاهل أخذ العينات بالرفض القيم خارج أكبر مضاعف دقيق للنطاق ويعيد السحب، مما يضمن انتظامًا مثاليًا عبر جميع 1,000 مخرجات ممكنة. يتم توليد عددك بالكامل على جهازك. الخادم قام بتسليم هذه الصفحة وانتهت مهمته.

في الفصل الدراسي

اطلب من كل طالب زيارة /integer/20/1/10 وتوليد 20 عددًا من 1 إلى 10. يقوم كل طالب بإحصاء عدد مرات ظهور كل قيمة. قارن الإحصائيات عبر الفصل: كل طالب يحصل على توزيع مختلف، لكن متوسط الفصل لكل قيمة يتقارب نحو 2.0 (20 سحبة ÷ 10 قيم). هذا التوتر بين التباين الفردي والتقارب الجماعي هو الدرس الجوهري لأخذ العينات الإحصائية.

لتمرين أكثر تقدمًا، استخدم /integer/50/1/365 لمحاكاة مسألة عيد الميلاد. ولّد 50 عددًا من 1 إلى 365 وابحث عن التكرارات. سيجد كل طالب تقريبًا تصادمًا واحدًا على الأقل، وغالبًا عدة تصادمات. اطلب من الطلاب التنبؤ بالعتبة قبل التوليد، ثم قارن التنبؤات بالصيغة الرياضية √(365 × π / 2) ≈ 24. الفجوة بين الحدس والواقع تفتح محادثة مثمرة حول التفكير الاحتمالي. لا تتطلب الأداة أي حسابات، ولا تجمع بيانات الطلاب، وتعمل على أي جهاز يحتوي على متصفح.

خصوصية بالتصميم

يعمل محرك الأعداد الصحيحة العشوائية بالكامل داخل متصفحك. الخادم يُسلّم هذه الصفحة. جهازك يُنشئ كل نتيجة. يبقى سجل التوليد الخاص بك في localStorage على جهازك، تحت سيطرتك وحدك. لا يحتفظ الخادم بأي حسابات، ولا يخزن أي نتائج، ولا يضع أي ملفات تعريف ارتباط للتتبع. المشاركة آمنة بطبيعتها: يحصل المتلقي على نفس إعدادات الأداة، ويولّد جهازه نتائجه المستقلة الخاصة من إنتروبيا عتاده الخاص.