Die kurze Antwort
Ein Zufallszahlengenerator erzeugt Werte, die innerhalb eines ausgewählten Bereichs unvorhersehbar erscheinen. Dieses Tool verwendet einen Pseudozufallsalgorithmus – unter der Haube deterministisch, aber statistisch nicht von echter Zufälligkeit für den alltäglichen Gebrauch wie Spiele, Gewinnspiele und Gewinnspiele zu unterscheiden. Legen Sie ein Minimum, ein Maximum, eine Anzahl und einen Zahlentyp (Ganzzahl oder Dezimalzahl) fest, und jede Ziehung wird im gesamten Bereich mit gleicher Wahrscheinlichkeit ausgewählt.
Wichtige Erkenntnisse
- Pseudozufallsgeneratoren eignen sich gut für Spiele, Simulationen und Gelegenheitsauswahl, nicht jedoch für die kryptografische Sicherheit, die echte oder kryptografisch sichere Zufälligkeit erfordert.
- Durch den Ausschluss bestimmter Zahlen werden diese vollständig aus dem Pool entfernt – die übrigen Zahlen haben weiterhin die gleiche Chance, gezogen zu werden.
- Bei vielen Ziehungen sollten sich die Zahlen eines einheitlichen Generators im Durchschnitt in der Mitte des Bereichs bewegen – die Anzahl und der Bereich bestimmen, wie nahe eine einzelne Charge an diesem Durchschnitt liegt.
- Stichproben mit oder ohne Wiederholung sind verschiedene Modi – ohne Wiederholung wird jede Zahl aus dem Pool entfernt, sobald sie gezogen wurde, was wichtig ist, wenn sich die Zählung der Größe des Bereichs nähert.
Pseudozufällig vs. echter Zufall
| Typ | Quelle | Gut für |
|---|---|---|
| Pseudozufällig | Deterministischer Algorithmus | Spiele, Simulationen, Sampling, Unterricht |
| Echter Zufall | Physikalische Entropie (atmosphärischer Lärm, radioaktiver Zerfall) | Kryptografische Schlüssel, sicherheitskritische Zeichen |
Auswahl zwischen ganzen Zahlen und Dezimalzahlen
Verwenden Sie ganze Zahlen für alles, was in ganzen Einheiten gezählt wird – Würfelwürfe, Lottozahlen, Auswahl einer Gewinnscheinnummer, Zuweisung der Teamreihenfolge. Verwenden Sie Dezimalzahlen, wenn Sie kontinuierliche Messungen simulieren – Höhen, Gewichte, Sensorwerte oder jede statistische Stichprobenübung, bei der die Werte natürlicherweise zwischen ganzen Zahlen liegen.
Arbeitsbeispiel: erwarteter Mittelwert eines Bereichs
Erwarteter Mittelwert = (min + max) / 2
Bereich 1 bis 10 → erwarteter Mittelwert = (1 + 10) / 2 = 5,5
Ein Stapel von nur ein paar zufälligen Ziehungen von 1 bis 10 ergibt nicht unbedingt einen Durchschnittswert von genau 5,5 – kleine Stichproben können leicht zufällig nach oben oder unten abweichen. Generieren Sie stattdessen Hunderte oder Tausende von Zahlen, und der Durchschnitt wird stetig näher an 5,5 heranrücken, eine direkte Veranschaulichung des Gesetzes der großen Zahlen.
Häufige Fehler, die es zu vermeiden gilt
- Expecting a small batch of random numbers to look "evenly spread" — genuine randomness often produces clumps and streaks; a suspiciously even spread can actually signal a non-random pattern.
- Das Ausschließen von mehr Zahlen als der Bereich kann eine eindeutige Ziehung unterstützen – Sie können nicht mehr eindeutige Werte anfordern, als nach Ausschlüssen übrig bleiben.
- Verwendung einer pseudozufälligen Ausgabe für kryptografische Schlüssel oder die Passwortgenerierung – hierfür ist stattdessen eine kryptografisch sichere Zufallsquelle erforderlich.
- Overlooking decimal precision when generating decimal values, which can make results look artificially "clean" for what's meant to simulate a continuous measurement.
Verwandte Rechner
- Statistikrechner — Analysieren Sie die Ausbreitung und Verteilung einer generierten Charge.
- Durchschnittsrechner — Überprüfen Sie, wie nahe der Mittelwert einer Charge am erwarteten Wert liegt.
- Standardabweichungsrechner — Messen Sie, wie groß die Streuung einer Zufallsstichprobe war.
- Rechner für die Stichprobengröße — Entscheiden Sie, wie viele Zufallsziehungen eine Studie oder Simulation tatsächlich benötigt.