Tilfældig rækkefølge af numre. Tilfældig talgenerator til lotteri

Bemærk, at ideelt set er distributionstæthedskurven tilfældige tal ligner den, der er vist i fig. 22.3. Det vil sige, i det ideelle tilfælde indeholder hvert interval det samme antal punkter: N jeg = N/k hvor N - det samlede antal point k - antallet af intervaller jeg \u003d 1,…, k .

Det skal huskes, at generering af et vilkårligt tilfældigt tal består af to faser:

• generering af et normaliseret tilfældigt tal (dvs. jævnt fordelt fra 0 til 1);
• konvertering af normaliserede tilfældige tal r jeg til tilfældige tal x jeg , som distribueres i henhold til den påkrævede bruger (vilkårlig) distributionslov eller i det krævede interval.

Tilfældige talgeneratorer er opdelt i:

• fysisk;
• tabelformet;
• algoritmisk.

Fysisk RNG

Et eksempel på en fysisk RNG er: en mønt (hoveder - 1, haler - 0); terninger; en tromle med en pil opdelt i sektorer med tal; hardware-støjgenerator (HS), der bruges som en støjende termisk enhed, for eksempel en transistor (fig. 22.4-22.5).

Tabelformet RNG

Tabulære RNG'er bruger specielt sammensatte tabeller, der indeholder verificerede ukorrelerede, dvs. uafhængige af hinanden, tal som en kilde til tilfældige tal. Bord 22.1 viser et lille fragment af en sådan tabel. Ved at krydse tabellen fra venstre mod højre fra top til bund kan du blive jævnt fordelt fra 0 til 1 tilfældige tal med det krævede antal decimaler (i vores eksempel bruger vi tre decimaler for hvert nummer). Da tallene i tabellen ikke afhænger af hinanden, kan tabellen omgåes forskellige vejefor eksempel fra top til bund eller fra højre til venstre eller, f.eks., kan du vælge tal, der er i lige positioner.

Værdighed denne metode ved at det giver virkelig tilfældige tal, da tabellen indeholder verificerede ikke-korrelerede tal. Ulemper ved metoden: det tager meget hukommelse at gemme et stort antal cifre; store vanskeligheder med at generere og kontrollere sådanne tabeller, gentagelser ved brug af en tabel garanterer ikke længere tilfældigheden af \u200b\u200bden numeriske sekvens og dermed pålideligheden af \u200b\u200bresultatet.

Der er en tabel, der indeholder 500 absolut tilfældige verificerede tal (taget fra bogen af \u200b\u200bI. G. Venetsky, V. I. Venetskaya "Grundlæggende matematiske og statistiske begreber og formler i økonomisk analyse").

Algoritmisk RNG

Tallene, der genereres ved hjælp af disse RNG'er, er altid pseudo-tilfældige (eller kvasi-tilfældige), dvs. hvert efterfølgende genereret nummer afhænger af det foregående:

r jeg + 1 = f(r jeg) .

Sekvenser, der består af sådanne tal, danner sløjfer, dvs. der er nødvendigvis en cyklus, der gentager et uendeligt antal gange. De gentagne cyklusser kaldes perioder.

Fordelen ved RNG-data er hastighed; generatorer kræver praktisk talt ikke hukommelsesressourcer, de er kompakte. Ulemper: Tallene kan ikke kaldes tilfældigt, da der er en afhængighed mellem dem såvel som tilstedeværelsen af \u200b\u200bperioder i rækkefølgen af \u200b\u200bkvasi-tilfældige tal.

Overvej flere algoritmiske metoder til opnåelse af RNG:

• middel kvadrater metode;
• metode til mellemprodukter;
• blandingsmetode;
• lineær kongruent metode.

Middel kvadratmetode

Der er et firecifret nummer R0. Dette nummer er kvadreret og indtastet Ren . Længere fra R1 tages midten (fire midterste cifre) - et nyt tilfældigt tal - og skrives ind R0. Derefter gentages proceduren (se fig. 22.6). Bemærk, at det faktisk ikke er nødvendigt at tage det som et tilfældigt tal ghijog 0.ghij - med et nul og et decimaltegn tildelt til venstre. Denne kendsgerning afspejles som i fig. 22.6 og i efterfølgende lignende figurer.

Ulemper ved metoden: 1) hvis nummeret på en eller anden iteration R0 bliver lig med nul, derefter degenererer generatoren, så det korrekte valg af startværdien er vigtig R0; 2) generatoren gentager sekvensen igennem M n trin (i bedste tilfælde), hvor n - cifret kapacitet R0 , M - bunden af \u200b\u200bnummersystemet.

For eksempel i fig. 22.6: hvis nummer R0 vil blive repræsenteret i det binære system, derefter gentages rækkefølgen af \u200b\u200bpseudotilfældige tal i 2 4 \u003d 16 trin. Bemærk, at gentagelse af sekvensen kan forekomme tidligere, hvis det oprindelige tal ikke vælges godt.

Metoden beskrevet ovenfor blev foreslået af John von Neumann og går tilbage til 1946. Da denne metode viste sig at være upålidelig, blev den hurtigt opgivet.

Metode til mellemprodukter

Nummer R0 ganges med R1 ud fra det opnåede resultat R2 træk midten ud R2 * (dette er et andet tilfældigt tal) og ganget med Ren . Alle efterfølgende tilfældige tal beregnes ved hjælp af dette skema (se fig. 22.7).

Omrøringsmetode

Shuffle-metoden bruger operationer til cyklisk at flytte indholdet af en celle til venstre og højre. Idéen med metoden er som følger. Lad cellen opbevare frøet R0. Cyklisk forskydning af celleindholdet til venstre med 1/4 af cellelængden får vi et nyt nummer R0 *. Ligeledes skiftende cyklisk indhold af en celle R0 til højre med 1/4 af cellelængden, får vi det andet tal R0 **. Summen af \u200b\u200btal R0 * og R0 ** giver et nyt tilfældigt tal Ren . Yderligere R1 indtastes R0, og hele rækkefølgen af \u200b\u200boperationer gentages (se figur 22.8).

Bemærk, at antallet er opnået som et resultat af summering R0 * og R0 **, passer muligvis ikke helt i cellen Ren . I dette tilfælde skal ekstra cifre kasseres fra det modtagne nummer. Lad os forklare dette til fig. 22.8, hvor alle celler er repræsenteret af otte binære cifre. Lad ske R0 * = 10010001 2 = 145 10 , R0 ** = 10100001 2 = 161 10 derefter R0 * + R0 ** = 100110010 2 = 306 10 ... Som du kan se, indtager tallet 306 9 cifre (i det binære nummersystem) og cellen R1 (som R0) kan maksimalt indeholde 8 bit. Derfor, inden du indtaster værdien i R1 er det nødvendigt at fjerne en "ekstra", den venstre bit fra nummeret 306, hvilket resulterer i R1 går ikke længere 306, men 00110010 2 \u003d 50 10. Bemærk også, at på sprog som Pascal udføres "trunkering" af ekstra bits, når en celle overstrømmes, automatisk i overensstemmelse med den specificerede type variabel.

Lineær kongruent metode

Den lineære kongruente metode er en af \u200b\u200bde enkleste og mest almindeligt anvendte procedurer til simulering af tilfældige tal. Denne metode bruger mod ( x, y), som returnerer resten af \u200b\u200bdet første argument divideret med det andet. Hvert efterfølgende tilfældigt tal beregnes ud fra det tidligere tilfældige tal ved hjælp af følgende formel:

r jeg + 1 \u003d mod ( k · r jeg + b, M) .

En række tilfældige tal opnået ved hjælp af denne formel kaldes lineær kongruent sekvens... Mange forfattere kalder en lineær kongruent sekvens for b = 0 multiplikativ kongruent metodeog kl b ≠ 0 — blandet kongruent metode.

For en generator af høj kvalitet skal du vælge egnede koefficienter. Det er nødvendigt, at antallet M var ret stor, da perioden ikke kan have mere M elementer. På den anden side er den opdeling, der anvendes i denne metode, en ret langsom operation, så det ville være logisk for en binær computer at vælge M = 2 N , da i dette tilfælde at finde resten af \u200b\u200bdivisionen er reduceret inde i computeren til en binær logisk drift "OG". Valget af det største primtal er også udbredt M mindre end 2 N : i den specielle litteratur er det bevist, at i dette tilfælde de mindst signifikante bits af det resulterende tilfældige tal r jeg + 1 opfører sig så tilfældigt som de ældre, hvilket har en positiv effekt på hele sekvensen af \u200b\u200btilfældige tal som helhed. Et eksempel er et af mersenne tallig med 2 31 - 1, og dermed M \u003d 2 31 - 1.

Et af kravene til lineære kongruente sekvenser er den størst mulige periodelængde. Periodenes længde afhænger af værdierne M , k og b ... Teoremet, som vi præsenterer nedenfor, giver os mulighed for at bestemme, om det er muligt at opnå en periode med maksimal længde for specifikke værdier M , k og b .

Sætning... Lineær kongruent sekvens defineret af tal M , k , b og r 0, har en længde M hvis og kun hvis:

• numre b og M gensidigt simpelt;
• k - 1 multiple s for enhver enkel s hvilket er en skiller M ;
• k - 1 multiplum af 4 hvis M multiplum af 4.

Lad os endelig afslutte med et par eksempler på brug af den lineære kongruente metode til at generere tilfældige tal.

Det blev fundet, at en række pseudotilfældige tal genereret ud fra dataene fra eksempel 1 gentages hver M/ 4 tal. Nummer q indstilles vilkårligt, inden beregningerne startes, men det skal huskes, at serien giver indtryk af at være tilfældig for store k (hvilket betyder at q ). Resultatet kan forbedres lidt, hvis b ulige og k \u003d 1 + 4 q - i dette tilfælde gentages rækken hver M numre. Efter en lang søgning k forskerne afregnede på værdierne 69069 og 71365.

En tilfældig talgenerator, der bruger dataene fra eksempel 2, vil producere tilfældige ikke-gentagne tal med en periode på 7 millioner.

Den multiplikative metode til generering af pseudotilfældige tal blev foreslået af D. H. Lehmer i 1949.

Kontrol af generatorens kvalitet

Kvaliteten af \u200b\u200bhele systemet og nøjagtigheden af \u200b\u200bresultaterne afhænger af kvaliteten af \u200b\u200bRNG. Derfor skal den tilfældige sekvens, der genereres af RNG, opfylde et antal kriterier.

De udførte kontroller er af to typer:

• kontrol for distributionens ensartethed
• kontrollerer for statistisk uafhængighed.

Distribution ensartethedskontrol

1) RNG skal producere tæt på følgende værdier af statistiske parametre, der er karakteristiske for en ensartet tilfældig lov:

2) Frekvens test

Frekvensprøven giver dig mulighed for at finde ud af, hvor mange tal der falder inden for intervallet (m r – σ r ; m r + σ r) , det vil sige (0,5 - 0,2887; 0,5 + 0,2887) eller i sidste ende (0,2113; 0,7887). Siden 0.7887 - 0.2113 \u003d 0.5774 konkluderer vi, at i en god RNG skal ca. 57,7% af alle faldne tilfældige tal falde ind i dette interval (se fig. 22.9).

Det er også nødvendigt at tage højde for, at antallet af tal, der falder ind i intervallet (0; 0,5), skal være omtrent lig med antallet af tal, der falder ind i intervallet (0,5; 1).

3) Chi-kvadrat test

Chi-square test (χ 2 test) er en af \u200b\u200bde mest berømte statistiske tests; det er den vigtigste metode, der anvendes i kombination med andre kriterier. Chi-kvadrat-testen blev foreslået i 1900 af Karl Pearson. Hans bemærkelsesværdige arbejde betragtes som grundlaget for moderne matematiske statistikker.

For vores sag giver chi-kvadrat-testen os mulighed for at finde ud af, hvor meget ægte RNG er tæt på RNG-standarden, dvs. om den opfylder kravet om ensartet distribution eller ej.

Frekvensdiagram reference RNG er vist i fig. 22.10. Da distributionsloven for reference-RNG er ensartet, er den (teoretiske) sandsynlighed s jeg rammer tal i jeg th interval (alle disse intervaller k ) er lig med s jeg = 1/k ... Og således i hver af k intervaller falder glat ved s jeg · N tal ( N — total genererede tal).

En reel RNG vil producere tal fordelt (og ikke nødvendigvis jævnt!) k intervaller og hvert interval inkluderer n jeg tal (i summen n 1 + n 2 + ... + n k = N ). Hvordan finder vi ud af, hvor god den testede RNG er, og hvor tæt på referencen? Det er ret logisk at overveje kvadraterne for forskellene mellem det modtagne antal tal. n jeg og "reference" s jeg · N ... Lad os tilføje dem, og som et resultat får vi:

exp 2 eksp. \u003d ( n 1 - s en · N) 2 + (n 2 - s 2 N) 2 + ... + ( n k – s k · N) 2 .

Det følger af denne formel, at jo mindre forskellen i hvert af termerne (og dermed jo mindre mindre værdi exp 2 eksp. ) jo stærkere er fordelingsloven for tilfældige tal genereret af en reel RNG tendens til at være ensartet.

I det foregående udtryk tildeles hvert af udtrykkene den samme vægt (lig med 1), hvilket faktisk ikke svarer til virkeligheden; derfor er det nødvendigt at normalisere hver for chi-kvadratstatistikken jeg -te periode ved at dividere den med s jeg · N :

Endelig skriver vi det resulterende udtryk mere kompakt og forenkler det:

Vi opnåede værdien af \u200b\u200bchi-kvadrat-testen for eksperimentel data.

Bord 22.2 er angivet teoretisk chi-kvadratværdier (χ 2 teori), hvor ν = N - 1 er antallet af frihedsgrader s Er det brugerdefinerede konfidensniveau, der angiver, hvor meget RNG skal opfylde de ensartede distributionskrav, eller s — dette er sandsynligheden for, at den eksperimentelle værdi af χ 2 eksp. vil være mindre end den tabulerede (teoretiske) χ 2 teori. eller lig med ham.

Anses acceptabel s fra 10% til 90%.

Hvis χ 2 eksp. meget mere end χ 2 teori. (dvs. s - fantastisk), så generatoren opfylder ikke ensartet fordelingskrav, da de observerede værdier n jeg gå for langt fra teoretisk s jeg · N og kan ikke betragtes som tilfældige. Med andre ord er konfidensintervallet sat så stort, at begrænsningerne på numrene bliver meget løse, kravene til tallene er svage. I dette tilfælde vil en meget stor absolut fejl blive observeret.

Selv D. Knuth bemærkede i sin bog "The Art of Programming", at det at have exp 2 exp. også lille er generelt ikke godt, selvom det ved første øjekast virker vidunderligt set fra ensartethed. Tag faktisk en række numre 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, ... - de er ideelle set fra ensartethed, og χ 2 eksp. vil være næsten nul, men det er usandsynligt, at du genkender dem som tilfældige.

Hvis χ 2 eksp. meget mindre end χ 2 teori. (dvs. s - lidt), så generatoren opfylder ikke kravet om en tilfældig ensartet fordeling, da de observerede værdier n jeg for tæt på teoretisk s jeg · N og kan ikke betragtes som tilfældige.

Men hvis χ 2 eksp. ligger i et bestemt interval mellem to værdier af χ 2 teorien. som f.eks. svarer til s \u003d 25% og s \u003d 50%, så kan vi antage, at værdierne af tilfældige tal genereret af sensoren er helt tilfældige.

Derudover skal det huskes, at alle værdier s jeg · N skal være stort nok, for eksempel mere end 5 (fundet ud af empirisk). Først da (med en tilstrækkelig stor statistisk prøve) kan de eksperimentelle betingelser betragtes som tilfredsstillende.

Så verifikationsproceduren er som følger.

Statistisk uafhængighedstest

1) Kontroller for hyppigheden af \u200b\u200bet ciffer i en sekvens

Lad os se på et eksempel. Det tilfældige tal 0.2463389991 består af cifrene 2463389991, og tallet 0.5467766618 består af cifrene 5467766618. Tilslutning af sekvenser af cifre har vi: 24633899915467766618.

Det er klart, at den teoretiske sandsynlighed s jeg nedfald jeg -te ciffer (fra 0 til 9) er 0,1.

2) Kontrol af udseendet af serier med identiske tal

Lad os betegne med n L antal serier af på hinanden følgende længdecifre L ... Alt skal kontrolleres L fra 1 til m hvor m Er et brugerdefineret nummer: det maksimalt forekommende antal identiske cifre i en serie.

I eksemplet "24633899915467766618" blev der fundet 2 serier med længde 2 (33 og 77), dvs. n 2 \u003d 2 og 2 serier 3 lange (999 og 666), dvs. n 3 = 2 .

Sandsynligheden for forekomst af en serie med en længde på L er lig med: s L \u003d 9 10 - L (teoretisk). Det vil sige, at sandsynligheden for en række af et tegn i længden er: s 1 \u003d 0,9 (teoretisk). Sandsynligheden for en række på to tegn er: s 2 \u003d 0,09 (teoretisk). Sandsynligheden for en stribe på tre tegn er: s 3 \u003d 0,009 (teoretisk).

For eksempel er sandsynligheden for en række af et tegn i længden s L \u003d 0,9, da der kun kan findes et tegn ud af 10, og der er i alt 9 tegn (nul tæller ikke). Og sandsynligheden for, at to identiske symboler "XX" vil forekomme i en række, er 0,1 · 0,1 · 9, det vil sige sandsynligheden for 0,1, at symbolet "X" vises i første position ganges med sandsynligheden 0,1, at det samme symbolet vises i anden position "X" og ganget med antallet af sådanne kombinationer 9.

Frekvensen for seriens udseende beregnes efter den tidligere analyserede "chi-kvadrat" -formel ved hjælp af værdierne s L .

Bemærk: generatoren kan kontrolleres mange gange, men kontrollen er ikke fuldstændighed og garanterer ikke, at generatoren producerer tilfældige tal. For eksempel vil en generator, der udsteder sekvensen 12345678912345 ... blive betragtet som ideel under kontrol, hvilket naturligvis ikke er helt sandt.

Afslutningsvis bemærker vi, at det tredje kapitel i Donald E. Knuths bog "The Art of Programming" (bind 2) er helt viet til undersøgelsen af \u200b\u200btilfældige tal. Det studerer forskellige metoder generere tilfældige tal, statistiske tilfældighedstest og konvertere ensartet fordelte tilfældige tal til andre typer tilfældige variabler... Mere end to hundrede sider er afsat til præsentationen af \u200b\u200bdette materiale.

Indsendt af online generator tilfældige tal fungerer på basis af en softwarebaseret pseudo-tilfældig talgenerator med en ensartet distribution indbygget i JavaScript. Heltals genereres. Som standard vises 10 tilfældige tal i området 100 ... 999, tallene er adskilt af mellemrum.

Grundlæggende indstillinger for tilfældig talgenerator:

• Antallet af tal
• Antal numre
• Separatortype
• Til / fra funktionen sletning af gentagelser (duplikater af tal)

Det samlede antal er formelt begrænset til 1000, det maksimale antal er 1 milliard. Separatorindstillinger: mellemrum, komma, semikolon.

Nu ved du nøjagtigt, hvor og hvordan man får en sekvens af tilfældige tal i et givet interval gratis på Internettet.

Tilfældige talgeneratorapplikationer

En tilfældig talgenerator (RNG i JS med en ensartet fordeling) vil være nyttig for SMM-specialister og ejere af grupper og samfund på sociale netværk Istagram, Facebook, Vkontakte, Odnoklassniki til at bestemme vinderne af lotterier, konkurrencer og lodtrækninger.

Generatoren for tilfældige tal giver dig mulighed for at trække præmier blandt et vilkårligt antal deltagere med et specificeret antal vindere. Konkurrencer kan afholdes uden reposts og kommentarer - du indstiller selv antallet af deltagere og intervallet for generering af tilfældige tal. Du kan få et sæt tilfældige tal online og gratis på dette websted, og du behøver ikke at installere nogen applikation på din smartphone eller program på din computer.

En online tilfældig talgenerator kan også bruges til at simulere en møntkast eller terninger... Vi har dog separate specialiserede tjenester til disse sager.

Udføre forskellige lotterier, gaver osv. afholdes ofte i mange grupper eller offentligheder på sociale netværk, Instagram osv. og bruges af kontoindehavere til at tiltrække nyt publikum til samfundet.

Resultatet af sådanne lodtrækninger afhænger ofte af brugerens held, da modtageren af \u200b\u200bpræmien bestemmes tilfældigt.

Til denne bestemmelse bruger arrangørerne af lodtrækningen næsten altid en online tilfældig talgenerator eller en forudinstalleret, der distribueres gratis.

Valg

Ganske ofte kan det være svært at vælge en sådan generator, da deres funktionalitet er helt anderledes - for nogle er det betydeligt begrænset, for andre er det ret bredt.

Implementeret nok et stort antal af sådanne tjenester, men vanskeligheden er, at de varierer i omfang.

Mange er for eksempel bundet af deres funktionalitet til et bestemt socialt netværk (for eksempel fungerer mange generatorapplikationer på VKontakte kun med links fra dette sociale netværk).

De fleste enkle generatorer bestemmer simpelthen tilfældigt et tal inden for et givet interval.

Dette er praktisk, fordi det ikke knytter resultatet til et bestemt indlæg, hvilket betyder, at det kan bruges, når du spiller uden for det sociale netværk og i forskellige andre situationer.

Faktisk har de ingen anden applikation.

<Рис. 1 Генератор>

Råd! Når du vælger den mest egnede generator, er det vigtigt at overveje det formål, hvortil den skal bruges.

specifikationer

For den hurtigste proces med at vælge den optimale onlinetjeneste til generering af tilfældige tal, vises nedenstående tabel over det vigtigste specifikationer og funktionaliteten af \u200b\u200bsådanne applikationer.

Alle applikationer, der er diskuteret i tabellen, er beskrevet mere detaljeret nedenfor.

<Рис. 2 Случайные числа>

RandStuff

<Рис. 3 RandStuff>

Du kan bruge denne applikation online ved at følge linket til dets officielle hjemmeside http://randstuff.ru/number/.

Dette er en simpel tilfældig talgenerator, præget af hurtig og stabil ydeevne.

Det implementeres med succes både som en separat enkeltstående applikation på det officielle websted og som en applikation på VKontakte sociale netværk.

Denne tjenestes ejendommelighed er, at den kan vælge et tilfældigt tal fra både det specificerede interval og fra en bestemt liste over numre, der kan specificeres på webstedet.

Fordele:

• Stabilt og hurtigt arbejde;
• Mangel på direkte forbindelse til et socialt netværk
• Du kan vælge et eller flere tal;
• Du kan kun vælge mellem de angivne tal.

Minus:

• Manglende evne til at holde en VKontakte-lodtrækning (dette kræver en separat applikation);
• Ansøgninger om VKontakte lanceres ikke i alle browsere;
• Resultatet synes undertiden forudsigeligt, da der kun bruges en beregningsalgoritme.

Brugeranmeldelser af denne applikation er som følger: “Vi bestemmer gennem denne service vinderne i VKontakte-grupperne. Tak "," Du er den bedste "," Jeg bruger kun denne service. "

Cast meget

<Рис. 4 Cast Lots>

Denne applikation er en simpel funktionel generator implementeret på det officielle websted i form af en VKontakte-applikation.

Der er også en generatorwidget til indlejring på dit websted.

Den største forskel fra den tidligere beskrevne applikation er, at det giver dig mulighed for at deaktivere gentagelse af resultatet.

Det vil sige, at hvis flere generationer udføres i træk i en session, gentages antallet ikke.

• Tilstedeværelsen af \u200b\u200ben widget til indlejring på et websted eller en blog;
• Evne til at deaktivere gentagelse af resultatet
• Tilstedeværelsen af \u200b\u200b"endnu mere tilfældighed" -funktionen, efter hvilken aktivering valgalgoritmen ændres.

Negativ:

• Umuligheden af \u200b\u200bat bestemme flere resultater på én gang;
• Manglende evne til at vælge fra en bestemt liste med numre;
• For at vælge en vinder offentligt skal du bruge en separat VKontakte-widget.

Brugeranmeldelser er som følger: “Det fungerer stabilt, det er ret praktisk at bruge”, “Praktisk funktionalitet”, “Jeg bruger kun denne service”.

Tilfældigt nummer

<Рис. 5 Случайное число>

Denne tjeneste findes på http: // random number.rf /.

Enkel generator med minimum af funktioner og yderligere funktioner.

Kan tilfældigt generere tal i et givet interval (maksimalt fra 1 til 99999).

Webstedet har ikke noget grafisk design, og siden er derfor let at indlæse.

Resultatet kan kopieres eller downloades ved at trykke på en knap.

Negativ:

• Mangel på en widget til VKontakte;
• Der er ingen mulighed for at holde lodtrækninger;
• Der er ingen måde at indsætte resultatet på en blog eller et websted.

Her er hvad brugerne siger om denne service: "Ikke en dårlig generator, men ikke nok funktioner", "Meget få funktioner", "Velegnet til hurtigt at generere et nummer uden unødvendige indstillinger."

Tilfældig

<Рис. 6 Рандомус>

Du kan bruge denne tilfældige talgenerator på http://randomus.ru/.

En anden, enkel nok, men funktionel tilfældig talgenerator.

Tjenesten har tilstrækkelig funktionalitet til at bestemme tilfældige tal, men til at holde lodtrækninger og andet mere komplekse processer det passer ikke.

Negativ:

• Umuligheden af \u200b\u200bat holde tegninger til genudsendelser af et indlæg osv.
• Ingen VK-app eller webstedswidget;
• Gentagne resultater kan ikke deaktiveres.

Med denne generator kan du oprette tilfældige tal i ethvert område. Denne generator giver dig også mulighed for tilfældigt at vælge eller identificere et nummer fra en liste. Eller opret en række tilfældige tal fra 2 til 70 elementer. Dette onlineværktøj giver dig ikke kun mulighed for at oprette et (1), to (2) eller trecifret (3) tilfældige tal, men også fem og syv. Let at sætte op. Alle kan mestre det. Du kan også vælge tilfældige tal til online eller offline lotterier eller konkurrencer. Og det vil være praktisk. Du kan nemt oprette hele tabeller eller rækker med tilfældige tal. I et split sekund modtager du et tilfældigt tal eller deres rækkefølge (sæt) på din skærm. Hvis du tager en række af dine tal, vælger algoritmen tilfældige eller tilfældige, enhver kan droppe ud. Ved hjælp af dette værktøj kan du selv foretage lodtrækninger. Ved for eksempel at vælge det samme interval og antal numre som et resultat kan du generere en tilfældig sekvens (kombination). Du kan også vælge tilfældige bogstavkombinationer og ord. Dette værktøj, som alt på vores side, er helt gratis at bruge (ingen undtagelser).

Indtast tal i området

Ændring af rækkevidde for at generere et tilfældigt tal

1..10 1..100 1..1000 1..10000 til lotteri 5 af 36 til lotteri 6 af 45 til lotteri 6 af 49 til lotteri 6 af 59

Antal tilfældige tal (1)

Fjern gentagelser

Vælg tilfældige værdier fra listen (adskilt med kommaer eller mellemrum, hvis komma findes, udføres deling af dem, ellers mellemrum)

Tal ledsager os overalt - hus- og lejlighedsnumre, telefon, bil, pas, plastkort, datoer, adgangskoder e-mail... Vi vælger selv nogle kombinationer af tal, men vi får de fleste tilfældigt. Uden at vide dette bruger vi tilfældigt genererede tal hver dag. Hvis vi kommer med PIN-koder, genereres unikke koder til et kredit- eller lønkort af pålidelige systemer, der udelukker adgang til adgangskoder. Tilfældige nummergeneratorer yder beskyttelse i områder, der kræver behandlingshastighed, sikkerhed og uafhængig databehandling.

Processen med at generere pseudotilfældige tal er underlagt visse love og har været brugt i lang tid, for eksempel når man holder lotterier. I den seneste tid blev trækninger udført ved hjælp af lotterietromler eller lodtrækning. Der er nu vindende numre i mange lande statslotterier bestemmes af det sæt genererede tilfældige tal.

Metodefordele

Så en tilfældig talgenerator er en uafhængig moderne mekanisme til tilfældig bestemmelse af kombinationer af tal. Det unikke og perfekte ved denne metode ligger i umuligheden af \u200b\u200bekstern indblanding i processen. Generatoren er et sæt programmer bygget for eksempel på støjdioder. Enheden genererer en strøm af tilfældige lyde, hvis aktuelle værdier konverteres til tal og formkombinationer.

At generere tal giver øjeblikkelige resultater - det tager et par sekunder at fuldføre kombinationen. Hvis vi taler om lotterier, kan deltagerne straks finde ud af, om billetnummeret falder sammen med det vindende. Dette gør det muligt at afholde lodtrækninger så ofte som deltagerne ønsker. Men den største fordel ved metoden er dens uforudsigelighed og umulighed at beregne algoritmen til valg af tal.

Hvordan genereres pseudo-tilfældige tal

Faktisk er tilfældige tal ikke tilfældige - serien starter med givet nummer og genereres af algoritmen. En pseudo-tilfældig talgenerator (PRNG eller PRNG - pseudorandom-talgenerator) er en algoritme, der genererer en sekvens af tilsyneladende ikke-relaterede tal, der normalt er ensartet fordelt. Inden for datalogi bruges pseudotilfældige tal i mange applikationer: i kryptografi, simulering, Monte Carlo osv. Kvaliteten af \u200b\u200bresultatet afhænger af PRNG's egenskaber.

Genereringskilden kan være fysisk støj fra kosmisk stråling til støj i en modstand, men sådanne enheder bruges næsten aldrig af netværkssikkerhedsapplikationer. Kryptografiske applikationer bruger specielle algoritmer, der genererer sekvenser, der ikke kan være statistisk tilfældige. Imidlertid giver en korrekt valgt algoritme dig mulighed for at få en række numre, der består de fleste tilfældighedstest. Gentagelsesperioden i sådanne sekvenser er større end det driftsinterval, hvorfra tallene tages.

Mange moderne processorer indeholder en PRNG, for eksempel RdRand. Alternativt oprettes sæt tilfældige tal og offentliggøres i en engangspude (ordbog). Kilden til numrene i dette tilfælde er begrænset og giver ikke fuldstændig netværkssikkerhed.

PRNG historie

Prototypen på tilfældig talgenerator kan overvejes brætspil Senet, almindelig i Det gamle Egypten i 3500 f.Kr. I henhold til betingelserne deltog to spillere, bevægelserne blev bestemt ved at kaste fire flade sorte og hvide pinde - de lignede PRNG på det tidspunkt. Stængerne blev kastet op på samme tid, og punkterne blev talt: hvis man faldt op med den hvide side, 1 point og et ekstra træk, to hvide - to point osv. Den maksimale score på fem point blev opnået af spilleren, der kastede fire pinde ud med den sorte side.

I disse dage er ERNIE-generatoren blevet brugt i mange år i Storbritannien i lodtrækninger. Der er to hovedgenerationsmetoder vindende numre: lineær kongruent og additiv kongruent. Disse og andre metoder er baseret på tilfældighedsprincippet og leveres af software, der uendeligt producerer tal, hvis rækkefølge er umulig at gætte.

PRNG opererer kontinuerligt, for eksempel i spilleautomater... I henhold til lovgivningen i De Forenede Stater er dette krævet tilstandsom alle softwareleverandører skal overholde.