Inspiración Diaria
Excelencia en diseño, cada día.
Trabajo seleccionado por jurado del A' Design Award, presentado fresco cada mañana.
Cada número se extrae de forma independiente con probabilidad uniforme.
Un generador de enteros aleatorios uniformes asigna exactamente la misma probabilidad a cada valor en su rango. Para 100 valores (1 a 100), cada entero tiene una probabilidad exacta de 1/100 ≈ 1.00%. Ningún valor se ve favorecido. No existe ningún patrón. Cada generación es estadísticamente independiente de todas las anteriores, lo que significa que obtener «42» no influye en absoluto en que «42» aparezca a continuación. Pierre-Simon Laplace formalizó este principio en el siglo XVIII como fundamento de la teoría clásica de probabilidad, y sigue siendo el punto de partida de toda introducción a la estadística.
El valor esperado de un entero aleatorio uniforme en [1, 100] es el punto medio aritmético: 50.5. Genera mil números de este rango, calcula su media, y el resultado estará notablemente cerca de 50.5. El gráfico de convergencia de arriba lo hace visible en tiempo real. Jacob Bernoulli demostró esta propiedad de convergencia en 1713; sigue siendo uno de los teoremas más importantes de la teoría de probabilidad.
La desviación estándar mide cuánto se alejan típicamente los resultados individuales de ese centro. Para un rango uniforme de N valores, la desviación estándar es igual a √((N² − 1) / 12). Para tu rango de 100 valores, esto resulta en aproximadamente 28.9. Alrededor de dos tercios de los resultados caen dentro de una desviación estándar del valor esperado, y el tercio restante ocupa los extremos. Cada región recibe su parte justa: eso es lo que significa «uniforme».
¿Cuántos números aleatorios hay que generar antes de que dos coincidan? La intuición dice que la respuesta debería estar cerca del tamaño del rango. Las matemáticas discrepan. El problema del cumpleaños demuestra que las colisiones aparecen mucho antes de lo esperado. Para un rango de N valores, el umbral del 50% de colisión llega tras aproximadamente √(N × π / 2) extracciones. Para el rango 1 a 100 (100 valores), es probable que aparezca un duplicado tras aproximadamente 13 extracciones. Observa el histograma de distribución de arriba: con suficientes generaciones, algunos intervalos acumulan más que otros por puro azar. Estos agrupamientos son aleatoriedad genuina, lo opuesto al sesgo.
Cada número en esta página proviene de crypto.getRandomValues(), la API Web Cryptography especificada por el W3C e implementada en todos los navegadores modernos. Es la misma fuente de entropía que genera claves de cifrado para la banca en línea y los certificados TLS. La aleatoriedad se origina en procesos físicos a nivel de hardware de tu dispositivo: ruido térmico en el silicio, fluctuaciones de temporización en los osciladores y otros fenómenos de mecánica cuántica que son fundamentalmente impredecibles.
El generador utiliza muestreo por rechazo para eliminar el sesgo de módulo. Un enfoque ingenuo (valor_aleatorio mod rango) favorece ligeramente los valores más pequeños cuando el rango no divide exactamente el espacio fuente de 32 bits. El muestreo por rechazo descarta los valores fuera del mayor múltiplo exacto del rango y vuelve a extraer, garantizando una uniformidad perfecta en las 100 salidas posibles. Tu número se genera íntegramente en tu dispositivo. El servidor entregó esta página y su trabajo ha terminado.
Haz que cada estudiante visite /integer/20/1/10 y genere 20 números del 1 al 10. Cada estudiante cuenta cuántas veces apareció cada valor. Compara los conteos en el aula: cada estudiante obtiene una distribución diferente, pero la media de la clase para cada valor converge hacia 2,0 (20 extracciones ÷ 10 valores). Esa tensión entre la variación individual y la convergencia colectiva es la lección central del muestreo estadístico.
Para un ejercicio más avanzado, usa /integer/50/1/365 para simular el problema del cumpleaños. Genera 50 números del 1 al 365 y busca duplicados. Casi todos los estudiantes encontrarán al menos una coincidencia, a menudo varias. Pide a los estudiantes que predigan el umbral antes de generar, y luego compara las predicciones con la fórmula matemática √(365 × π / 2) ≈ 24. La brecha entre la intuición y la realidad abre una conversación productiva sobre el razonamiento probabilístico. La herramienta no requiere cuentas, no recopila datos de los estudiantes y funciona en cualquier dispositivo con navegador.
El motor de enteros aleatorios funciona íntegramente dentro de tu navegador. El servidor entrega esta página. Tu dispositivo crea cada resultado. Tu historial de generaciones permanece en el localStorage de tu dispositivo, bajo tu control exclusivo. El servidor no guarda cuentas, no almacena resultados y no establece cookies de rastreo. Compartir es inherentemente seguro: el destinatario recibe la misma configuración de la herramienta, y su dispositivo genera sus propios resultados independientes a partir de su propia entropía de hardware.
La URL define la herramienta por completo. Escribe tu rango y cantidad directamente en la barra de direcciones:
Comparte el enlace. Mismo rango, diferente resultado. Mira quién saca más.
Inspiración Diaria
Trabajo seleccionado por jurado del A' Design Award, presentado fresco cada mañana.
