ランダム小数の数学

0から1までのランダムな小数は、数学における最も基本的な乱数の単位です。区間 [0, 1] 上の連続一様分布は、すべての点に等しい確率密度を割り当てます。任意の部分区間 [a, b] に入る確率は、正確に b から a を引いた値に等しくなります。0.3から0.7の間の値が出る確率は40%です。0から0.01の間の値が出る確率は正確に1%です。この単純さこそが力です：区間のどの部分も同じ規則に従います。

精度とエントロピー

小数点以下の桁が1つ増えるごとに、可能な値の数は10倍になります。小数点以下4桁の場合、このジェネレーターは10,000個の等確率の値の中から1つを生成します。これは1つの小数あたり約13.3ビットのエントロピーに相当します。比較として、コイン投げは1ビット、標準的なサイコロは2.58ビット、16文字のパスワードは約100ビットのエントロピーを持ちます。小数点以下の桁を1つ追加すると、3.32ビットのエントロピーが追加されます。これは log₂(10) = 3.3219 だからです。

表示される数字は、crypto.getRandomValues()からランダムなバイトを取得し、棄却サンプリングによって各バイトを0から9の数字にマッピングすることで生成されます。モジュロバイアスを引き起こすバイト（値250から255）は破棄され、再抽出されます。これにより、すべての桁が独立かつ均一にランダムであることが保証されます。

シミュレーションの基礎

計算科学におけるほぼすべてのランダムプロセスは、一様 [0, 1] 小数から始まります。20世紀初頭に数学者たちによって定式化された逆変換サンプリングと呼ばれる技法は、一様確率変数を任意の望む分布に変換します。一様小数を累積分布関数の逆関数に入力すると、出力はその分布に正確に従います。正規曲線、指数減衰、ポアソン到着：すべてこの単一の構成要素から生まれます。

スタニスワフ・ウラムとジョン・フォン・ノイマンは1940年代にロスアラモスでモンテカルロ法を開拓し、一様乱数を使用して核物理学における中性子拡散をシミュレーションしました。今日、同じ原理が天気予報、金融モデリング、創薬、機械学習の訓練を支えています。ささやかな [0, 1] の小数は、あらゆるシミュレーションへと成長する種なのです。

目に見える均一性

上の分布チャートは区間 [0, 1] を10等分し、生成された値がそれぞれにいくつ入るかを数えます。各バーは値のスペクトラムに応じた固有の色を持ちます：0に近い値はコーラル色、中央は鮮やかな黄色、1に近い値は緑色です。時間が経つにつれ、バーは等しい高さに収束します。その視覚的な平坦さこそが一様分布です。収束チャートは移動平均を追跡します。初期の値が大きな振れを生み出し、継続的な生成が平均を期待値のちょうど0.5に向かって着実に引き寄せる様子を観察してください。

教室での活用

ランダム小数は、抽象的な確率理論と実践的な実験との間に直接的な橋渡しを提供します。各生徒に/decimal/20で20個の小数を生成させ、手作業で並べ替えさせましょう。問いかけ：0.5未満はいくつあるでしょうか？期待される答えは10ですが、個々のばらつきがこの演習を驚きに満ちたものにします。クラス全員の結果を1つの共有ヒストグラムにまとめましょう。集合的なチャートは、個々のセットよりもはるかに速く完全な均一性に近づき、サンプルサイズが統計的信頼性をいかに左右するかを実証します。

発展課題として、生徒に自分の20個の値の平均を計算させましょう。それらの平均値のクラス平均は0.5の周りにきつく集まります。この入れ子になった収束は中心極限定理を示しています：ランダムサンプルの平均は、元の分布に関係なく、期待値を中心としたベルカーブを形成します。このツールはアカウント不要で、生徒のデータを保存せず、トラッキングCookieも設定しません。

設計によるプライバシー

すべての小数はWeb Cryptography APIを使用してブラウザ内で完全に生成されます。サーバーはページを配信するだけで、すべての値はあなたのデバイスが生成します。結果はブラウザのlocalStorageとメモリに保存され、あなただけが管理します。このURLを共有してもツールが送られるだけで、出力は送られません。受信者は自分のデバイスから独自の独立したランダム小数を生成します。