ما هو مولّد الأرقام العشوائية من 1 إلى 10؟
تسحب هذه الأداة رقمًا صحيحًا عشوائيًا بين 1 و10 (شاملًا الطرفين)، وتعتمد على مولّد أرقام شبه عشوائية (PRNG)، بحيث تمنحك كل ضغطة على زر "اختر" نتيجة جديدة ومستقلة تمامًا. لكل رقم من الأرقام العشرة الفرصة نفسها بنسبة واحد من عشرة، ما يجعلها مثالية للألعاب والقُرعات والأنشطة الصفية واتخاذ القرارات، وأي موقف تحتاج فيه إلى اختيار سريع وعادل.
كيفية الاستخدام
كل ما عليك فعله هو الضغط على اختر. الرقم الكبير الظاهر هو نتيجتك، أما عدّاد "السحبة رقم" فيُظهر عدد المرات التي سحبت فيها خلال هذه الجلسة. اضغط "اختر" مجددًا للحصول على رقم جديد، وسيزيد العدّاد بمقدار واحد في كل مرة. اضغط إعادة ضبط لإرجاع العدّاد إلى 1 والبدء من جديد.
شرح المعادلة
يستخدم المولّد سحبًا منتظمًا ومنفصلًا ضمن النطاق [الأدنى، الأعلى]. وبما أن الحد الأدنى = 1 والحد الأعلى = 10، فإن عدد القيم الممكنة هو \(\text{max} - \text{min} + 1 = 10\). وتُحتسب النتيجة بالصيغة $$R = \left\lfloor 1 + \text{rand}() \times 10 \right\rfloor, \quad 1 \le R \le 10$$ حيث تُرجع \(\text{rand}()\) عددًا حقيقيًا منتظمًا في المجال [0، 1). تحوّل دالة التقريب لأسفل (floor) هذه القيمة إلى مؤشر من 0 إلى 9، ثم تؤدي إضافة الحد الأدنى إلى نقلها إلى المجال من 1 إلى 10. كما يوجد قيد حماية يضبط المخرجات بحيث لا تتجاوز الحد الأعلى أبدًا حتى لو أعاد المولّد القيمة 1.0 بالضبط: $$R = \min\!\left(10,\; 1 + \left\lfloor \text{rand}() \times 10 \right\rfloor\right)$$
مثال تطبيقي
لنفترض أن \(\text{rand}()\) أرجعت القيمة 0.4732 عند إحدى السحبات. عندئذٍ $$R = 1 + \left\lfloor 0.4732 \times 10 \right\rfloor = 1 + \left\lfloor 4.732 \right\rfloor = 1 + 4 = 5$$ فتكون النتيجة 5. وفي السحبة التالية حين تكون \(\text{rand}() = 0.987\)، نحصل على $$R = 1 + \left\lfloor 9.87 \right\rfloor = 1 + 9 = 10$$ فتظهر النتيجة 10 عند السحبة رقم 2. أما احتمال ظهور أي رقم محدد، مثل الرقم 7، فهو \(P = \frac{1}{10} = 0.1 = 10\%\).
جدول مرجعي للاحتمالات - السحب من 1 إلى 10
كل عملية سحب من هذا المولد هي سحب منفصل موحد: لكل واحد من الأعداد الصحيحة العشرة 1، 2، …، 10 نفس الفرصة بالضبط، وكل سحب مستقل عن تلك التي قبله. هذا يجعل جميع الاحتمالات أدناه دقيقة — يتم حسابها من قواعد العد، وليس تقديرها من الملاحظات.
بالنسبة لعملية سحب واحدة، فإن احتمالية أي حدث هي ببساطة عدد النتائج المواتية مقسوماً على 10:
$$P(\text{الحدث}) = \frac{\text{النتائج المواتية}}{10}$$سحب واحد
| الحدث (سحب واحد، 1-10) | الكسر | العدد العشري | النسبة المئوية |
|---|---|---|---|
| رقم معين واحد (مثلاً، بالضبط 7) | 1/10 | 0.1 | 10% |
| ليس هذا الرقم (أي شيء ما عدا 7) | 9/10 | 0.9 | 90% |
| عدد زوجي (2، 4، 6، 8، 10) | 5/10 = 1/2 | 0.5 | 50% |
| عدد فردي (1، 3، 5، 7، 9) | 5/10 = 1/2 | 0.5 | 50% |
| في النطاق 1-3 | 3/10 | 0.3 | 30% |
| أكبر من 5 (6-10) | 5/10 = 1/2 | 0.5 | 50% |
| أحد رقمين محددين (مثلاً 3 أو 7) | 2/10 = 1/5 | 0.2 | 20% |
عمليات السحب المتكررة
لأن عمليات السحب مستقلة، فإن فرصة عدم الحصول على رقم هدف معين \(n\) مرات متتالية هي \((9/10)^n\)، لذا فإن فرصة الحصول عليه مرة واحدة على الأقل هي المتمم:
$$P(\text{واحد 7 على الأقل في } n \text{ عملية سحب}) = 1 - \left(\frac{9}{10}\right)^{n}$$| الحدث على عمليات سحب متعددة | الكسر / التعبير | العدد العشري | النسبة المئوية |
|---|---|---|---|
| واحد 7 على الأقل في عمليتي سحب | \(1-(9/10)^2 = 19/100\) | 0.19 | 19.00% |
| واحد 7 على الأقل في 5 عمليات سحب | \(1-(9/10)^5\) | 0.40951 | 40.95% |
| واحد 7 على الأقل في 10 عمليات سحب | \(1-(9/10)^{10}\) | 0.651322 | 65.13% |
| واحد 7 على الأقل في 20 عملية سحب | \(1-(9/10)^{20}\) | 0.878423 | 87.84% |
| نفس الرقم مرتين متتاليتين (تطابق السحب الثاني الأول، أياً كان) | 1/10 | 0.1 | 10% |
| رقمان محددان بالترتيب (مثلاً 4 ثم 9) | \(1/10 \times 1/10 = 1/100\) | 0.01 | 1% |
| جميع الـ 10 عمليات سحب مختلفة (تبديل كامل من 1-10 في 10 عمليات سحب) | \(10!/10^{10} = 3{,}628{,}800/10^{10}\) | 0.00036288 | ≈ 0.036% |
الأعداد المتوقعة
العدد المتوقع لمرات ظهور رقم معين في \(n\) عملية سحب هو \(n \times 1/10 = n/10\):
| عدد عمليات السحب \(n\) | العدد المتوقع لأي رقم واحد \(n/10\) |
|---|---|
| 10 | 1 |
| 50 | 5 |
| 100 | 10 |
| 1,000 | 100 |
مثال عملي — فرصة رؤية واحد 7 على الأقل في خمس عمليات سحب، مع التوضيح الكامل:
$$1 - \left(\frac{9}{10}\right)^{5} = 1 - 0.59049 = 0.40951 = 40.951\%$$جميع الأرقام في هذه الصفحة تفترض عمليات سحب مستقلة وموحدة مع الاستبدال (التكرارات مسموحة). وهي تصف الرياضيات طويلة الأجل للعملية، وليس ضماناً بشأن أي سلسلة قصيرة معينة — يمكن لسلسلة من عشر عمليات سحب أن تحتوي بسهولة على ثلاث 4s وبدون 7s دون أن يكون هناك خطأ ما.
المصطلحات الرئيسية والتعاريف
- التوزيع المنفصل الموحد
- توزيع على قائمة محدودة من النتائج حيث تكون كل نتيجة محتملة بنفس الدرجة. هنا النتائج هي الأعداد الصحيحة من 1 إلى 10 وكل واحد منها له احتمالية \(p = 1/10 = 0.1\). مجموع الاحتمالات العشرة يساوي 1.
- النطاق الشامل [min, max]
- نطاق يحتوي على كلا الطرفين. بالنسبة من 1 إلى 10، يمكن سحب كل من 1 و 10، لذا عدد النتائج الممكنة هو \(\text{max} - \text{min} + 1 = 10 - 1 + 1 = 10\). "الـ +1" هو ما يبقي الطرف في النطاق؛ نسيانه هو الخطأ off-by-one الكلاسيكي الذي يجعل المولد لا يعيد 10 أبداً.
- rand()
- دالة تعيد عدداً حقيقياً موزعاً بشكل موحد في الفترة النصف-مفتوحة [0, 1) — الصفر ممكن، والعدد 1 بالضبط ليس. ضربها في 10 يعطي قيمة في [0, 10)، وهذا هو السبب في أن الصيغة يمكن أن تُطبَّق عليها عملية التقريب للأسفل وتحويلها إلى 1-10 دون أن تتجاوز أبداً إلى 11.
- دالة التقريب للأسفل ⌊x⌋
- أكبر عدد صحيح أقل من أو يساوي \(x\). مثال: \(\lfloor 7.93 \rfloor = 7\). تطبيقها على صيغة هذه الأداة مع \(\text{rand}() = 0.6931\): \(\lfloor 1 + 0.6931 \times 10 \rfloor = \lfloor 7.931 \rfloor = 7\). كل واحد من عشر فترات فرعية متساوية العرض من [0, 10) يرسم إلى بالضبط ناتج واحد، وهذا هو ما يحافظ على الموحدية.
- مولد الأرقام العشوائية الزائف (PRNG)
- خوارزمية تنتج سلسلة من الأرقام التي تبدو عشوائية لكنها تُحسَب بشكل حتمي: مع نفس الحالة الابتدائية، تعيد السلسلة نفسها بالضبط في كل مرة. PRNGs سريعة وسلوكها إحصائياً جيد، وهو مثالي للألعاب والتوزيعات العشوائية والتدريس والمحاكاة.
- البذرة
- الحالة الداخلية الابتدائية لـ PRNG. بذرة متطابقة → سلسلة ناتج متطابقة. هذه ميزة عندما تريد نتائج قابلة للتكرار (إعادة تشغيل محاكاة) وعيب عندما تكون البذرة قابلة للتخمين.
- CSPRNG و true RNG
- PRNG آمن بشكل تشفيري (CSPRNG) مصمم بحيث أن مراقبة الناتج السابق لا توفر ميزة عملية في التنبؤ بالمستقبل؛ true (hardware) RNG يستمد البتات من عملية فيزيائية مثل الضوضاء الحرارية. مولد عادي PRNG لا يوفر أي ضمان، لذا يجب عدم استخدام منتقي أرقام الغرض العام لتوليد كلمات المرور أو المفاتيح التشفيرية أو أي شيء آخر حيث للقابلية للتنبؤ عواقب حقيقية.
- أحداث مستقلة / بدون ذاكرة
- نتيجة سحب واحد لا تحمل معلومات حول السحب التالي. بعد أربع 3s متتالية، احتمالية أن يكون السحب الخامس 3 لا تزال 10%. توقع "تصحيح" هو خطأ المقامر.
- الأخذ العينات مع الاستبدال
- كل سحب يأتي من مجموعة الأرقام العشرة كاملة، لذا التكرارات مسموحة — هذا ما يفعله هذا المولد بشكل افتراضي. على مدى 10 عمليات سحب ستشاهد عادة تكرارات؛ الحصول على عشر قيم مختلفة له احتمالية \(10!/10^{10} \approx 0.036\%\).
- الأخذ العينات بدون استبدال
- كل رقم مسحوب يتم حذفه من المجموعة، لذا لا يوجد تكرار للقيم والاحتمالات تتغير بعد كل سحب (1/10، ثم 1/9، ثم 1/8، …). استخدم هذا النموذج للخلط وتعيين أوامر دوران فريدة أو التعامل — وليس للسحب المستقل.
- القيمة المتوقعة
- المتوسط الموزون بالاحتمالية من النتائج. بالنسبة لسحب موحد على 1-10:
لاحظ أن 5.5 ليس نفسه سحب محتمل — القيمة المتوقعة هي متوسط طويل الأجل للعديد من عمليات السحب، وليس تنبؤ بأي سحب واحد.
- قانون الأعداد الكبيرة
- مع زيادة عدد عمليات السحب المستقلة، يتقارب التكرار الملاحظ لكل رقم نحو احتمالية حقيقية قدرها 10%، والمتوسط المتراكم لعمليات السحب يتقارب نحو 5.5. هذا هو السبب في أن 30 عملية سحب يمكن أن تبدو غير متوازنة بينما 30,000 عملية سحب تبدو متساوية تقريباً — النسب تستقر حتى عندما تستمر الأعداد الخام في الانجراف بعيداً عن بعضها في المصطلحات المطلقة.
- التكرار النسبي
- عدد من نتيجة معينة مقسوماً على إجمالي عدد عمليات السحب — النظير التجريبي للاحتمالية. مقارنة نتائج عداد السحب مقابل المتوقع \(n/10\) لكل رقم هي فحص معقول بسيط لإنصاف العملية.
الأسئلة الشائعة
هل الأرقام عشوائية فعلًا؟ إنها شبه عشوائية: عادلة إحصائيًا للاستخدام اليومي، لكنها ليست آمنة تشفيريًا، لذا لا تستخدمها لأغراض أمنية أو لما يماثل اليانصيب الرسمي.
هل يمكن أن يتكرر الرقم نفسه؟ نعم. كل سحبة مستقلة عن غيرها، ولا تُزال النتائج المكررة، لذا فإن التكرار أمر طبيعي ومتوقع.
لماذا يبدو توزيع نتائجي غير متوازن؟ عند عدد قليل من السحبات قد تبدو النتائج مائلة لجهة معينة، لكن مع كثرة السحبات يتجه كل رقم نحو 10% من المجموع.