Random Number Generator
Generate random numbers within a range. Perfect for games, decisions, and statistics. Try this free online math calculator for instant, accurate results.
Ce este un generator de numere aleatoare?
Un generator de numere aleatoare (RNG) este un instrument sau un algoritm care produce numere fără nici un model discernibil — fiecare ieșire este statistic independentă de ieșirile anterioare, cu fiecare valoare din intervalul egal probabil să apară. Numerele aleatoare sunt fundamentale pentru statistica, jocurile, criptografia, simularea științifică și programarea computerului.
Randomitatea adevărată provine din fenomene fizice care sunt în mod intrinsec imprevizibile: decăderea radioactivă, zgomotul atmosferic, zgomotul termic în circuitele electronice sau evenimentele de tunelare cuantice. RNG-urile hardware măsoar aceste fenomene pentru a produce fluxuri de bituri aleatoare autentice. Serviciile precum random.org strâng zgomotul atmosferic din receptorii radio pentru a oferi numere aleatoare autentice.
Numerele computer generate sunt tehnic pseudorandom — sunt secvențe determinate care par aleatoare dar sunt complet determinate de o valoare inițială numită semănată. Dacă se stabilește aceeași semănată, un generator de numere pseudorandom (PRNG) produce aceeași secvență exactă. Acest lucru este chiar util pentru reproducerea în simulările științifice: stabilește semănată, înregistrează-o și poți reproduce rezultatele mai târziu.
Cum funcționează generatorii de numere pseudorandome
PRNG-urile moderne folosesc algoritmi matematici pentru a genera secvențe cu proprietăți statistice excelente. Algoritmii cel mai răspândit este Mersenne Twister (MT19937), dezvoltat de Matsumoto și Nishimura în 1997. Are un ciclu de 2^19937 − 1 (un număr cu aproape 6.000 de cifre) înainte de a se repeta, trece toate testele statistice standard pentru aleatoriu și este generatorul de numere aleatoare implicit în Python, PHP, Ruby, R și multe alte limbi de programare.
Algoritmii mai noi includ xoshiro/xoroshiro (extrem de rapid, mică stare) și PCG (Generatorul Congruențial Permutat) (calitate statistică excelentă cu mică stare). Pentru aplicațiile criptografice, acești PRNG standard sunt insuficienți — PRNG-urile criptografice sigure (CSPRNG) sunt necesare deoarece PRNG-urile standard pot fi predictibile dacă un atacator știe suficiente ieșiri.
Navele web oferă acces la o CSPRNG prin API-ul crypto.getRandomValues(), care acest calculator folosește pentru a genera numere aleatoare. Acesta este semnificativ mai sigur decât Math.random(), care folosește un PRNG simplu și nu ar trebui niciodată folosit pentru aplicații sensibile la securitate.
| Algoritm | Perioadă | Velocitate | Criptografic? | Utilizat în |
|---|---|---|---|---|
| Math.random() | Dependente de implementare | Extrem de rapid | Nu | JS Browser (non-crypto) |
| Mersenne Twister | 2^19937 − 1 | Rapid | Nu | Python, R, MATLAB |
| xoshiro256** | 2^256 − 1 | Extrem de rapid | Nu | Rust, .NET, Julia |
| PCG-64 | 2^128 | Rapid | Nu | NumPy, multe limbi de programare |
| ChaCha20 | — | Rapid | Da | Linux /dev/urandom, TLS |
| Fortuna | — | Mediu | Da | macOS, iOS, Windows |
Utilizări comune pentru numerele aleatoare
Jocuri și divertisment: Aruncarea cu zaruri, amestecarea cartilor, generarea nivelurilor procedurale, sistemele de prindere a premii, randomizarea comportamentului NPC. Experiența întregului joc de roguelike (Nethack, Spelunky, Hades) depinde de aleatoriu de calitate care simte echitabil dar imprevizibil.
Loteriile și raflele: Selectarea aleatoare pentru premii, cadouri, selecția juriului, tragerea la sorți, și orice alocare echitabilă a unei resurse limitate printre concurenți. Selectarea aleatoare adevărată asigură lipsa oricărei baze.
Simularea științifică (Metodele de Monte Carlo): Numerele aleatoare conduc simulările Monte Carlo, care folosesc eșantioane aleatoare repetate pentru a estima rezultatele matematice complexe. Aplicațiile includ estimarea lui π, prețuirea derivaților financiare, modelarea reacțiilor nucleare, prognoza vremii și studiile interacțiunilor medicamentoase.
Statistica și cercetarea: Eșantionarea aleatoare pentru sondaje, alocarea aleatoare în trialurile clinice (testele controlate randomizate), generarea eșantioanelor bootstrap pentru intervalele de încredere, și validarea în învățarea automată a eșantioanelor aleatoare.
Criptografia și securitatea: Generarea cheilor pentru criptarea, generarea tokenurilor de sesiune, provocările CAPTCHA, parolele unice (OTP/2FA), valorile de sare pentru hashingul parolelor, și noncii în protocoalele criptografice toate necesită aleatoriu de calitate. Aleatoriu slab în aplicațiile criptografice poate fi catastrofală — a condus la breșe de securitate reale.
Programarea computerului: Generarea datelor de testare, testarea încărcării, fuzzing-ul (găsirea bugurilor prin alimentarea cu inputuri aleatoare a software-ului), testarea A/B, alocarea aleatoare a algoritmilor de amestecare (ca și caracteristica "amestecare" a Spotify), și testarea simulată.
Justiție și Așteptări Statistice
O generatoră de numere aleatoare echitabile acordă fiecărui valoare din interval ună probabilitate egală. Pentru un interval 1–6 (ca un cub), fiecare număr ar trebui să apară aproximativ 1/6 ≈ 16,67% din timp, în multe aruncări. Dar în timpul scurtelor curse, deviațiile sunt normale și așteptate — acesta este ceea ce ne spune în realitate probabilitatea.
Legea Numărului Mare afirmă că, cu cât numărul de încercări crește, frecvențele observate converg către probabilitățile teoretice. Aruncați un cub 12 de ori și veți vedea {1,3,5,6,2,1,4,3,2,6,5,4} — nu exact 2 de fiecare număr. Aruncați-l 60.000 de ori și veți vedea foarte aproape de 10.000 de fiecare număr. Această convergență este garantată de lege, dar modelele scurte nu.
Înșelătura Jucătorului este credința greșită că rezultatele trecute influențează cele viitoare în evenimente independente aleatoare. Obținerea a 5 capete în rândul următor nu face ca "tăișul" să fie "datorit". Fiecare aruncare este independentă; moneda nu are memorie. De asemenea, un generator de numere aleatoare care a produs 7 nu este mai puțin probabil să producă 7 din nou la apelul următor.
| Interval | Probabilitate per Valoare | Frecurență Așteptată (per 1000) | Utilizare Tipică |
|---|---|---|---|
| 1–2 | 50% | 500 | Simularea aruncării unei monede |
| 1–6 | 16,67% | 167 | Simularea aruncării unui cub |
| 1–10 | 10% | 100 | Alegerea decilului |
| 1–52 | 1,92% | 19 | Barajul unei mâini de cărți |
| 1–100 | 1% | 10 | Percentilul general/ utilizare generală |
| 1–1.000.000 | 0,0001% | 0,001 | Simularea bilețelului de loterie |
Generarea Numărului Aleatoriu în Știință: Metodele Monte Carlo
Metodele Monte Carlo folosesc eșantionarea aleatoare pentru a rezolva probleme care sunt dificile sau imposibile analitic. Numele lor provine de la cazinoul din Monaco (pentru motive evidente), aceste metode transformă problemele deterministe dificile în cele probabilistice rezolvabile prin simulare.
Estimarea π: Genereazăți puncte aleatoare într-un pătrat unit (x,y fiecare uniform în [0,1]). Numărați câte din ele cad în cercul unit (x² + y² ≤ 1). Raportul este π/4. Cu 1 milion de puncte aleatoare, puteți estima π la aproximativ 3-4 zecimale. Aceasta nu este o modalitate eficientă de a calcula π, dar demonstrează frumos puterea aleatoriu.
Modelarea Financiară: Prețuirea Black-Scholes și calcularea Valoarea la Risc simulează mii de posibile drumuri viitoare ale prețurilor folosind numere aleatoare. Fiecare drum de simulare reprezintă o posibilitate viitoare. Distribuția rezultatelor în milioane de simulări dă distribuția probabilității a returnurilor portofoliului.
Dezvoltarea Medicamentelor: Simulările Monte Carlo modelează interacțiunile moleculelor de medicamente, predicând cât de probabil este un candidat de medicament să se lege de o proteină țintă. Acest lucru reduce numărul de experimente de laborator necesare, economisind miliarde de dolari în dezvoltarea farmaceutică.
Generarea Numărului Aleatoriu Unic (Fără Înlocuire)
Uneori aveți nevoie de numere aleatoare care nu se repetă — de exemplu, amestecarea unei mâini de cărți, alocarea participanților în grupe sau selectarea câștigătorilor la loterie. Acesta este numit echantionarea fără înlocuire (în opoziție cu echantionarea cu înlocuire, unde aceeași valoare poate apărea de mai multe ori).
Algoritmul standard pentru acesta este șiruirea Fisher-Yates (cunoscută și sub numele de șiruire Knuth). Pentru un array de n elemente: începeți de la ultimul element, schimbați-l cu un element aleatoriu ales din întregul array (inclusiv el însuși), apoi treceți la elementul dinaintea celui din urmă, schimbați-l cu un element aleatoriu din cei rămași, și continuați. Rezultatul este o permutare aleatoare uniformă în O(n) timp.
Pentru a genera k numere aleatoare unice din intervalul [min, max]: creați un array cu toate valorile din interval, aplicați șiruirea Fisher-Yates, luați primele k elemente. Acest lucru asigură fiecare combinație a k valori este la fel de probabilă — un eșantion adevărat fără înlocuire.
Numere aleatoare în luarea deciziilor cotidiene
Generatorii de numere aleatoare sunt surprinzător de utile pentru decizii practice cotidiene:
Încheierea de egalități: Când există două opțiuni echivalente, un număr aleatoriu poate face decizia fără a se gândi prea mult. Cercetările sugerează că atunci când oamenii se gândesc prea mult la alegerea adevărată, ei introduc prejudecăți care le fac să fie mai puțin fericiți cu rezultatul decât dacă ar fi ales aleatoriu.
Programarea și planificarea: Schedele de rotație aleatoare asigură echitatea în timp. Cine alege primul într-un draft de fantasy, cine are schimbul preferat, care subiect se discută primul într-o întâlnire — alocarea aleatoare elimină favoritismul și percepțiile de nepotism.
Aprendizajul și practica: Elevii care folosesc cărți de învățare cu întrebări și răspunsuri beneficiază de ordonarea aleatoare — prevenind învățarea "indicilor de context" (știind răspunsul la cartea 15 deoarece ați răspuns la cartea 14). Înșiruirea aleatoare a problemelor de practică este o tehnică probată (înșiruirea practicii) care întărește reținerea pe termen lung în comparație cu practica blocată.
Inspirația creativă: Scriitorii, artiștii și muzicienii folosesc generatori de cuvinte aleatoare, generatori de teme și instrumente de constrângere aleatoare pentru a depăși blocajele creativității. Constrângerile impuse aleatoriu forțează de obicei soluții creative neașteptate și interesante.
Întrebări frecvente
Este generatorul cu adevărat aleatoriu?
Se bazează pe API-ul crypto.getRandomValues() al browserului dvs., care este un generator de numere pseudorandom aleatoare criptografic sigur (CSPRNG). Pentru jocuri, decizii, statistici și rafle, acesta este indiscernabil de adevăratul aleatoriu. Pentru adevăratul aleatoriu absolut (din fenomene fizice), utilizați RNG-uri hardware sau servicii precum random.org.
Poate genera numere aleatoare fără repetiții?
Da — acesta se numește eșantionare fără înlocuire. Calculatorul folosește algoritmul Fisher-Yates shuffle: generează toate valorile din interval, le amestecă aleatoriu, returnează primii N. Acest lucru garantează că fiecare valoare apare cel mult o dată și fiecare combinație este la fel de probabilă.
Cât de probabil este să obțineți același număr de două ori?
Cu înlocuire (modul standard), pentru un interval de N valori, probabilitatea de a obține același valoare la două extrageri consecutive este 1/N. Pentru intervalul 1–100: 1% pe perechi. La multe extrageri, repetițiile sunt așteptate și normale. Cu "fără repetiții" activat, dublele consecutive sunt imposibile prin design.
Poate utilizați acest lucru pentru alegerea numărului de loterie?
Absolut. Setați intervalul pentru a se potrivi loteriei dvs. (de exemplu, 1–49) și activați "fără repetiții" pentru a alege numere unice. Fiecare combinație este la fel de probabilă — niciun număr sau combinație nu este mai probabilă sau mai puțin probabilă de a câștiga. Loteria însăși este aleatoare, așa că orice metodă de selecție este la fel de valabilă.
Ce este un semănat în generarea numărului aleatoriu?
Un semănat este valoarea de pornire pentru un generator de numere pseudorandom aleatoare. Același semănat produce întotdeauna aceeași secvență. Acesta este util pentru simulări reproducibile — setați semănatul, rulați simularea, înregistrați semănatul și puteți reproduce aceeași secvență aleatoare mai târziu pentru verificare sau debbuging.
Cum aleg un element aleatoriu dintr-o listă?
Numărați elementele 1 până la N, apoi generați un număr întreg aleatoriu din 1 până la N. Elementul corespunzător este selecția dumneavoastră aleatoare. De exemplu, pentru a selecta aleatoriu din 7 membri ai echipei, generați un număr întreg aleatoriu din 1 până la 7. Fiecare persoană are o șansă de aproximativ 14,3% de a fi selectată.
Este Math.random() în JavaScript cu adevărat aleatoriu?
Da. Math.random() este un PRNG simplu fără garanții de securitate. Este suficient pentru jocuri și aplicații neesențiale, dar niciodată nu ar trebui utilizat pentru scopuri criptografice (generarea cheilor, tokenuri, parole). Pentru aplicații de securitate, utilizați întotdeauna crypto.getRandomValues() sau un CSPRNG de server.
Ce este diferența între un PRNG și un CSPRNG?
Un PRNG (Generator de Numere Pseudorandom) este determinist și rapid, dar predictibil dacă știți destul de mult despre starea sa. Un CSPRNG (Generator de Numere Pseudorandom Criptografic) adaugă proprietatea că ieșirile sunt indiscernabile de adevăratul aleatoriu chiar dacă un atacator observă unele ieșiri. CSPRNG-urile sunt necesare pentru parole, chei și tokenuri.
Ce este o simulare Monte Carlo?
O simulare Monte Carlo folosește numere mari de eșantioane aleatoare pentru a estima cantități complexe. Exemplu: estimați π prin a plasa puncte aleatoare într-un pătrat care conține un cerc — raportul punctelor din interiorul cercului la puncte totale converge la π/4. Metodele Monte Carlo sunt utilizate în finanțe, fizică, inginerie și statistică.
Poate generatorii de numere aleatoare să fie biaziți?
Generatorii de numere aleatoare de calitate slabă pot prezenta o bias — unele valori apar mai des decât altele, sau corelații între valori consecutive. Calitatea este măsurată prin teste statistice (Testul NIST, Testul BigCrush TestU01). Algoritmi moderni precum Mersenne Twister, PCG și xoshiro trec toate testele standard și sunt nebiase pentru scopuri practice.
{ “@context”: “https://schema.org”, “@type”: “FAQPage”, “mainEntity”: [ { “name”: “Is this generator truly random?”, “acceptedAnswer”: { “@type”: “Answer”, “text”: “It uses your browser’s crypto.getRandomValues() API, which is a cryptographically secure pseudorandom number generator (CSPRNG). For games, decisions, statistics, and raffles, this is indistinguishable from true randomness. For absolute true randomness (from physical phenomena), use hardware RNGs or services like random.org.” } }, { “name”: “Can I generate random numbers without repeats?”, “acceptedAnswer”: { “@type”: “Answer”, “text”: “Yes — this is called sampling without replacement. The calculator uses the Fisher-Yates shuffle algorithm: generate all values in the range, shuffle them randomly, return the first N. This guarantees each value appears at most once and every combination is equally likely.” } }, { “name”: “What is the probability of getting the same number twice?”, “acceptedAnswer”: { “@type”: “Answer”, “text”: “With replacement (standard mode), for a range of N values, the probability of getting the same value on two consecutive draws is 1/N. For range 1–100: 1% per pair. Over many draws, repetitions are expected and normal. With "no repeats" mode, consecutive duplicates are impossible by design.” } }, { “name”: “Can I use this for lottery number picks?”, “acceptedAnswer”: { “@type”: “Answer”, “text”: “Absolutely. Set the range to match your lottery (e.g., 1–49) and enable "no repeats" to pick unique numbers. Each combination is equally likely — no number or combination is more or less likely to win. The lottery itself is random, so any selection method is equally valid.” } }, { “name”: “What is a seed in random number generation?”, “acceptedAnswer”: { “@type”: “Answer”, “text”: “A seed is the starting value for a pseudorandom number generator. The same seed always produces the same sequence. This is useful for reproducible simulations — set the seed, run your simulation, record the seed, and you can reproduce the same random sequence later for verification or debugging.” } }, { “name”: “How do I pick a random item from a list?”, “acceptedAnswer”: { “@type”: “Answer”, “text”: “Number your items 1 through N, then generate a random integer from 1 to N. The corresponding item is your random selection. For example, to randomly select from 7 team members, generate a random integer from 1 to 7. Each person has an equal 1/7 ≈ 14.3% chance of selection.” } }, { “name”: “Is Math.random() in JavaScript truly random?”, “acceptedAnswer”: { “@type”: “Answer”, “text”: “No. Math.random() is a simple PRNG with no security guarantees. It is fine for games and non-sensitive applications but should never be used for cryptographic purposes (key generation, tokens, passwords). For security applications, always use crypto.getRandomValues() or a server-side CSPRNG.” } }, { “name”: “What is the difference between a PRNG and a CSPRNG?”, “acceptedAnswer”: { “@type”: “Answer”, “text”: “A PRNG (Pseudorandom Number Generator) is deterministic and fast but predictable if you know enough about its state. A CSPRNG (Cryptographically Secure PRNG) adds the property that outputs are computationally indistinguishable from true randomness even if an attacker observes some outputs. CSPRNGs are required for passwords, keys, and tokens.” } }, { “name”: “What is a Monte Carlo simulation?”, “acceptedAnswer”: { “@type”: “Answer”, “text”: “A Monte Carlo simulation uses large numbers of random samples to estimate complex quantities. Example: estimate π by randomly placing points in a square containing a circle — the ratio of points inside the circle to total points converges to π/4. Monte Carlo methods are used in finance, physics, engineering, and statistics.” } }, { “name”: “Can random number generators be biased?”, “acceptedAnswer”: { “@type”: “Answer”, “text”: “Poor-quality RNGs can exhibit bias — some values appearing more frequently than others, or correlations between consecutive values. Quality is measured by statistical tests (NIST Test Suite, TestU01 BigCrush). Modern algorithms like Mersenne Twister, PCG, and xoshiro pass all standard tests and are unbiased for practical purposes.” } } ] }
Numere aleatorii în jocuri și generare procedurală
Jocurile video sunt construite pe bază de aleatoriu. De la generarea aleatorie a tile-urilor în crearea lumii din Minecraft la amestecul comportamentului AI al inamicilor, o calitate ridicată a aleatorului creează experiențe reîncărcabile și imprevizibile. Generarea conținutului procedural (PCG) folosește numere aleatorii cu constrângeri matematice pentru a crea conținut vast cu un efort manual minim — cele 18 de quintiliuni de planete din No Man's Sky au fost generate procedural din semințe aleatoare.
Jocurile roguelike precum Nethack, Spelunky și Hades definesc genul prin generarea procedurală a nivelurilor. Fiecare rulare generează un diferit dungeon, plasarea inamicilor și distribuția itemelor. Jocul semințează această aleatorie astfel încât rulările să se simtă echitabile (RNG-ul nu decide în mod aleatoriu să moară imediat) în timp ce rămâne imprevizibil. Mulți roguelike afișează semința astfel încât jucătorii să poată rula o rulare identică sau să împărtășească semințe interesante cu alții.
Jocurile de masă au folosit aleatoriu fizic (cu ajutorul zarurilor, cartile amestecate, spinerele) de secole. Echivalentele digitale trebuie să imite aceste distribuții exact. Un aruncare standard a unui zar cu 6 fețe folosește o distribuție uniformă peste {1,2,3,4,5,6}. Un deschidere dintr-o mână amestecată folosește o permutare aleatoare. Unele jocuri folosesc păduri de zaruri (aruncați mai multe zaruri, luați cel mai mare) sau zaruri cu avantaje/disavantaje — necesitând un design statistic atent pentru a atinge distribuțiile de probabilitate intenționate.
Generarea altor distribuții din numere uniforme aleatoare
Majoritatea generatorilor de numere aleatoare produc numere uniform distribuite între 0 și 1 (sau întregi într-un interval). Adesea avem nevoie de numere aleatoare care urmează alte distribuții — normală, exponențială, Poisson, etc. Acestea pot fi derivate din numere uniforme aleatoare folosind metode de transformare.
Transformarea Box-Muller generează numere aleatoare normale distribuite din două numere uniforme aleatoare U₁ și U₂: Z₁ = √(−2ln(U₁)) × cos(2πU₂) și Z₂ = √(−2ln(U₁)) × sin(2πU₂). Ambele Z₁ și Z₂ urmează distribuția normală standard N(0,1). Scală cu Z × σ + μ pentru a obține N(μ,σ²).
Metoda Inversă a Transformării folosește inversul funcției de distribuție cumulativă (CDF). Pentru o distribuție exponențială cu rata λ: X = −ln(1−U)/λ unde U este uniform în [0,1]. Acest lucru transformă direct o variabilă aleatoare uniformă într-o variabilă exponențială distribuită. Metoda funcționează pentru orice distribuție cu un CDF analitic inversabil.
Teste Statistice pentru Aleatoriu
Cum verificăm dacă un generator de numere aleatoare este efectiv aleatoriu? Testele statistice verifică dacă o secvență de numere prezintă modele care ar fi improbabile într-o secvență aleatorie autentică. Suitea de teste NIST conține 15 de teste utilizate pentru a evalua RNG-uri pentru aplicații criptografice. Testele cheie includ:
Testul de frecvență (Monobit): Verifică dacă 0-urile și 1-urile apar cu aceeași frecvență în reprezentarea binară a numerelor generate. Un monedă cu o parte de cap 60% ar eșua acest test.
Testul de rulaje: Verifică numărul de biti consecutivi identici (rulaje). Prea multe rulaje lungi ale aceluiași bit indică un model non-aleatoriu. O secvență aleatorie autentică are o distribuție predictibilă a lungimilor de rulaj.
Testul serial: Verifică dacă perechi, triple sau cuadrupluri de valori apar cu aceeași frecvență. Dacă generatorul produce secvența 1,2,3,4,5,6,1,2,3,4,5,6... trece testul de frecvență, dar eșuează testul serial — perechile sunt non-aleatoare.
| Testul Statistic | Ceea ce detectează | NIST Test Suite? |
|---|---|---|
| Testul de frecvență (Monobit) | Frecvență neuniformă 0/1 | Da |
| Testul de rulaje | Prea multe/few valori consecutive identice | Da |
| Autocorelație | Valori corelate cu valori anterioare | Da |
| Chi-Square | Distribuție non-uniformă | Da (test de frecvență) |
| Spațierea zilei de naștere | Spațierea prea regulată între valori | Via TestU01 |
| Diehard | Multiple teste de modele | Suită separată |
Suitea de teste "BigCrush" a TestU01 este considerată cea mai stringentă test practică — rulează 106 de teste și respinge multe algoritme care trec prin suite mai mici de teste. Algoritmele moderne, cum ar fi PCG și xoshiro, trec BigCrush; algoritmele vechi, cum ar fi generatorul congruential linear utilizat în bibliotecile C vechi, eșuează mai multe teste și nu ar trebui utilizate pentru aplicații de calitate.
Utilizarea acestui Generator de Numere Aleatoare
Setați valorile minime și maxime pentru a defini intervalul dvs. Setați "cât de mulți" pentru a genera numere multiple simultan. Activează opțiunea "fără repetiții" pentru a genera o listă de numere unice (sămplează fără înlocuire) — ideal pentru alegerea de numere la loterie, tragerea de cărți sau alocarea de participanți în grupe fără repetiție. Secvența generată folosește API-ul criptografic al browserului pentru rezultate de înaltă calitate adecvate oricărui scop non-securitate. Pentru utilizarea la loterie, generați numere egale cu numărul de alegere necesar în intervalul loteriei. Pentru tragerea la sorți, alocă numere consecutive pentru intrări și trag numărul corespunzător. Rezultatele sunt generate nou la fiecare apăsare a butonului — rezultatele anterioare nu sunt stocate sau urmărite.
{"@context":“https://schema.org”,"@type":“Pagină de Intrebări și Răspunsuri”,“mainEntity”:[{"@type":“Intrebare”,“nume”:“Este acesta cu adevărat aleatoriu?”,“răspuns acceptat”:{"@type":“Răspuns”,“text”:“Utilizează generatorul de numere aleatoare intern al browserului (Math.random sau crypto.getRandomValues). Pentru utilizări cotidiene — jocuri, decizii, raffle-uri — acesta este efectiv aleatoriu. Pentru aplicații de înaltă securitate, se preferă generatorii de numere aleatoare hardware dedicate.”}},{"@type":“Intrebare”,“nume”:“Poate genera numere aleatoare fără repetări?”,“răspuns acceptat”:{"@type":“Răspuns”,“text”:“Da — acesta se numește eșantionare fără înlocuire. Generează toate numerele din interval, amestecă-le aleatoriu (Fisher-Yates shuffle), apoi ia primii N. Acest calculator suportă acest mod pentru desenarea numărului unic.”}},{"@type":“Intrebare”,“nume”:“Ce este probabilitatea de a obține același număr de două ori?”,“răspuns acceptat”:{"@type":“Răspuns”,“text”:“Pentru intervalul 1–N, probabilitatea de a obține același număr la două extrageri consecutive este 1/N. Pentru 1–100, aceasta este 1% pe perechi. La multe extrageri, valori repetate sunt așteptate și normale — nu este un semn de un generator defect.”}}}