Ispirazione Quotidiana
Eccellenza nel design, ogni giorno.
Opere selezionate dalla giuria dell’A' Design Award, presentate fresche ogni mattina.
Ogni intero ha la stessa probabilità. Distribuzione uniforme, generata nel tuo browser.
Un generatore di interi casuali uniformi assegna esattamente la stessa probabilità a ogni valore nel suo intervallo. Per 1,000,000 valori (1 a 1,000,000), ogni intero ha una probabilità esattamente di 1/1,000,000 ≈ 0.0001%. Nessun valore è favorito. Non esiste alcuno schema. Ogni generazione è statisticamente indipendente da tutte le precedenti, il che significa che il risultato "42" non ha alcuna influenza sulla possibilità che "42" appaia di nuovo. Pierre-Simon Laplace formalizzò questo principio nel XVIII secolo come fondamento della teoria classica della probabilità, e rimane il punto di partenza di ogni introduzione alla statistica.
Il valore atteso di un intero casuale uniforme nell'intervallo [1, 1,000,000] è il punto medio aritmetico: 500,000.5. Genera un migliaio di numeri da questo intervallo, calcola la loro media, e il risultato sarà notevolmente vicino a 500,000.5. Il grafico di convergenza qui sopra lo rende visibile in tempo reale. Jacob Bernoulli dimostrò questa proprietà di convergenza nel 1713; rimane uno dei teoremi più importanti della teoria della probabilità.
La deviazione standard misura quanto i singoli risultati si discostano tipicamente dal centro. Per un intervallo uniforme di N valori, la deviazione standard è uguale a √((N² − 1) / 12). Per il tuo intervallo di 1,000,000 valori, il risultato è approssimativamente 288,675.1. Circa due terzi dei risultati cadono entro una deviazione standard dal valore atteso, e il terzo rimanente occupa i bordi esterni. Ogni regione riceve la sua giusta quota: questo è ciò che significa "uniforme".
Quanti numeri casuali bisogna generare prima che due di essi coincidano? L'intuizione suggerisce che la risposta dovrebbe essere vicina alla dimensione dell'intervallo. La matematica non è d'accordo. Il problema del compleanno dimostra che le collisioni appaiono molto prima del previsto. Per un intervallo di N valori, la soglia del 50% di collisione arriva dopo circa √(N × π / 2) estrazioni. Per l'intervallo 1 a 1,000,000 (1,000,000 valori), un duplicato diventa probabile dopo circa 1,254 estrazioni. Osserva l'istogramma di distribuzione qui sopra: con abbastanza generazioni, alcuni gruppi si accumulano più velocemente di altri per puro caso. Questi raggruppamenti sono casualità genuina, l'opposto di un bias.
Ogni numero su questa pagina proviene da crypto.getRandomValues(), la Web Cryptography API specificata dal W3C e implementata in ogni browser moderno. Questa è la stessa fonte di entropia che genera le chiavi di cifratura per l'online banking e i certificati TLS. La casualità ha origine da processi fisici a livello hardware nel tuo dispositivo: rumore termico nel silicio, jitter temporale negli oscillatori e altri fenomeni quantomeccanici fondamentalmente imprevedibili.
Il generatore utilizza il campionamento per rigetto per eliminare il bias del modulo. Un approccio ingenuo (valore_casuale mod intervallo) favorisce leggermente i valori più piccoli quando l'intervallo non divide uniformemente lo spazio sorgente a 32 bit. Il campionamento per rigetto scarta i valori al di fuori del più grande multiplo esatto dell'intervallo e li rigenera, garantendo un'uniformità perfetta su tutti i 1,000,000 possibili risultati. Il tuo numero è generato interamente sul tuo dispositivo. Il server ha consegnato questa pagina e il suo lavoro è finito.
Fai visitare a ogni studente /integer/20/1/10 e genera 20 numeri da 1 a 10. Ogni studente conta quante volte è apparso ciascun valore. Confronta i conteggi nella classe: ogni studente ottiene una distribuzione diversa, eppure la media della classe per ogni valore converge verso 2,0 (20 estrazioni ÷ 10 valori). Quella tensione tra variazione individuale e convergenza collettiva è la lezione centrale del campionamento statistico.
Per un esercizio più avanzato, usa /integer/50/1/365 per simulare il problema del compleanno. Genera 50 numeri da 1 a 365 e cerca i duplicati. Quasi ogni studente troverà almeno una collisione, spesso diverse. Chiedi agli studenti di prevedere la soglia prima di generare, poi confronta le previsioni con la formula matematica √(365 × π / 2) ≈ 24. Il divario tra intuizione e realtà apre una conversazione produttiva sul ragionamento probabilistico. Lo strumento non richiede account, non raccoglie dati degli studenti e funziona su qualsiasi dispositivo con un browser.
Il motore di generazione di interi casuali funziona interamente all'interno del tuo browser. Il server consegna questa pagina. Il tuo dispositivo crea ogni risultato. La tua cronologia di generazione resta nel localStorage del tuo dispositivo, sotto il tuo controllo esclusivo. Il server non gestisce account, non memorizza risultati e non imposta cookie di tracciamento. La condivisione è intrinsecamente sicura: il destinatario riceve la stessa configurazione dello strumento, e il suo dispositivo genera i propri risultati indipendenti dalla propria entropia hardware.
L'URL definisce completamente lo strumento. Digita il tuo intervallo e la quantità direttamente nella barra degli indirizzi:
Condividi il link. Stesso intervallo, risultato diverso. Scopri chi estrae il numero più alto.
Ispirazione Quotidiana
Opere selezionate dalla giuria dell’A' Design Award, presentate fresche ogni mattina.
