1到10随机数生成器是什么?
这款工具会在1到10之间(含两端)随机抽取一个整数。它采用伪随机数生成器(PRNG),因此每次点击「抽取」按钮都会得到一个全新且相互独立的结果。1到10这十个数字出现的概率完全相同,都是十分之一,非常适合做游戏、抽奖、课堂互动、做决定,以及任何需要快速又公平地抽个数字的场合。
使用方法
直接点击抽取即可。屏幕上那个大号数字就是你的结果,而「抽取次数」会显示本次使用中你已经抽了多少次。再次点击「抽取」就能生成新的数字,每抽一次计数器加一。点击重置可将计数器归回到1,重新开始。
公式原理
该生成器在区间 [min, max] 内做均匀离散抽取。当 \(\text{min} = 1\)、\(\text{max} = 10\) 时,可能取值的个数为 \(\text{max} - \text{min} + 1 = 10\)。结果按下式计算
$$\text{result} = \text{min} + \left\lfloor \text{rand}() \times \text{count} \right\rfloor$$其中 \(\text{rand}()\) 返回 \([0, 1)\) 区间内的均匀实数。取整函数 floor 将其转换为 0 到 9 的下标,再加上最小值就把范围平移到了 1 到 10。程序还加了一道保护机制,即使生成器偶尔返回了恰好为 \(1.0\) 的值,输出也绝不会超过最大值:
$$R = \min\!\left(10,\; 1 + \left\lfloor \text{rand}() \times 10 \right\rfloor\right), \quad P = \frac{1}{10} = 10\%$$
实例演示
假设某次抽取时 \(\text{rand}()\) 返回 \(0.4732\),则
$$\text{result} = 1 + \left\lfloor 0.4732 \times 10 \right\rfloor = 1 + \left\lfloor 4.732 \right\rfloor = 1 + 4 = 5$$所以结果就是 5。下一次抽取时 \(\text{rand}() = 0.987\),则
$$\text{result} = 1 + \left\lfloor 9.87 \right\rfloor = 1 + 9 = 10$$此时在第 2 次抽取得到结果 10。任何一个特定数字(例如 7)出现的概率都是 \(\frac{1}{10} = 0.1 = 10\%\)。
1-10 选择的概率参考表
来自此生成器的每个选择都是均匀离散抽取:十个整数 1、2、...、10 中的每一个都有完全相同的机会,每个选择都独立于之前的选择。这使得下面的所有概率都是精确的——它们是从计数规则计算出来的,而不是从观察到的运行中估计的。
对于单次选择,任何事件的概率简单地是有利数字的计数除以 10:
$$P(\text{事件}) = \frac{\text{有利结果}}{10}$$单次选择
| 事件(单次选择,1-10) | 分数 | 小数 | 百分比 |
|---|---|---|---|
| 一个特定数字(例如恰好 7) | 1/10 | 0.1 | 10% |
| 不是那个数字(除了 7 的任何数字) | 9/10 | 0.9 | 90% |
| 偶数(2、4、6、8、10) | 5/10 = 1/2 | 0.5 | 50% |
| 奇数(1、3、5、7、9) | 5/10 = 1/2 | 0.5 | 50% |
| 在 1-3 范围内 | 3/10 | 0.3 | 30% |
| 大于 5(6-10) | 5/10 = 1/2 | 0.5 | 50% |
| 两个特定数字中的任意一个(例如 3 或 7) | 2/10 = 1/5 | 0.2 | 20% |
重复选择
因为选择是独立的,连续 n 次错过目标数字的机会是 (9/10)^n,所以至少获得一次的机会是补集:
$$P(\text{至少一个 7 在 } n \text{ 选择}) = 1 - \left(\frac{9}{10}\right)^{n}$$| 多个选择上的事件 | 分数/表达式 | 小数 | 百分比 |
|---|---|---|---|
| 在 2 个选择中至少有一个 7 | \(1-(9/10)^2 = 19/100\) | 0.19 | 19.00% |
| 在 5 个选择中至少有一个 7 | \(1-(9/10)^5\) | 0.40951 | 40.95% |
| 在 10 个选择中至少有一个 7 | \(1-(9/10)^{10}\) | 0.651322 | 65.13% |
| 在 20 个选择中至少有一个 7 | \(1-(9/10)^{20}\) | 0.878423 | 87.84% |
| 同一数字连续出现两次(第二个选择与第一个相同,无论它是什么) | 1/10 | 0.1 | 10% |
| 两个特定数字按顺序(例如先是 4 然后是 9) | \(1/10 \times 1/10 = 1/100\) | 0.01 | 1% |
| 所有 10 个选择都不同(10 个选择中 1-10 的完整排列) | \(10!/10^{10} = 3{,}628{,}800/10^{10}\) | 0.00036288 | ≈ 0.036% |
预期计数
给定数字在 n 个选择中出现的预期次数是 n × 1/10 = n/10:
| 选择次数 n | 任何一个数字 n/10 的预期计数 |
|---|---|
| 10 | 1 |
| 50 | 5 |
| 100 | 10 |
| 1,000 | 100 |
实际例子——在五个选择中看到至少一个 7 的机会,完全代入:
$$1 - \left(\frac{9}{10}\right)^{5} = 1 - 0.59049 = 0.40951 = 40.951\%$$此页面上的所有数字都假设独立、均匀抽取且允许重复。它们描述的是该过程的长期数学特性,而不是对任何特定短期运行的保证——十个选择的序列很容易包含三个 4 和没有 7,而没有任何问题。
关键术语和定义
- 均匀离散分布
- 一种分布,覆盖有限的结果列表,其中每个结果的可能性相等。这里的结果是整数 1 到 10,每个都有概率 \(p = 1/10 = 0.1\)。这十个概率的总和为 1。
- 包含端点的范围 [min, max]
- 一个包含两个端点的范围。对于 1 到 10,1 和 10 都可以被抽取,所以可能结果的数量是 \(\text{max} - \text{min} + 1 = 10 - 1 + 1 = 10\)。"+1" 是保持端点在内的原因;忘记它是一个经典的差一错误,会导致生成器永远不返回 10。
- rand()
- 一个函数,返回一个在半开区间 [0, 1) 中均匀分布的实数——0 是可能的,恰好 1 不是。将其乘以 10 给出 [0, 10) 中的值,这就是为什么公式可以被取整并移位到 1-10 而不会溢出到 11。
- 取整函数 ⌊x⌋
- 小于或等于 \(x\) 的最大整数。例子:\(\lfloor 7.93 \rfloor = 7\)。应用于此工具的公式,其中 \(\text{rand}() = 0.6931\):\(\lfloor 1 + 0.6931 \times 10 \rfloor = \lfloor 7.931 \rfloor = 7\)。[0, 10) 的十个等宽子区间中的每一个都映射到恰好一个输出,这就是保持均匀性的原因。
- 伪随机数生成器 (PRNG)
- 一种算法,产生看起来随机但以确定方式计算的数字序列:给定相同的起始状态,它每次都重现相同的序列。PRNG 速度快且统计表现良好,非常适合游戏、抽奖、教学和模拟。
- 种子
- PRNG 的初始内部状态。相同的种子→相同的输出序列。当您想要可重现的结果(重新运行模拟)时,这是一个特性;当种子可被猜测时,这是一个缺点。
- CSPRNG 和真正的 RNG
- 密码学安全的 PRNG (CSPRNG) 的设计目的是观察过去的输出在预测未来输出时没有实际优势;真正的(硬件)RNG 从热噪声等物理过程中派生比特。普通的 PRNG 不提供任何保证,所以通用数字选择器不应该用于生成密码、密码学密钥、彩票抽取或任何其他可预测性有真实后果的事情。
- 独立事件/无记忆
- 一个选择的结果不会对下一个选择传递任何信息。在四个连续的 3 之后,第五个选择是 3 的概率仍然是 10%。期望一个"修正"是赌徒谬误。
- 有放回抽样
- 每个抽取都来自完整的十个数字集合,所以允许重复——这是此生成器默认做的。在 10 个选择中,您通常会看到重复;获得十个不同的值的概率是 \(10!/10^{10} \approx 0.036\%\)。
- 无放回抽样
- 每个抽取的数字都从池中移除,所以没有值重复,概率在每次抽取后变化(1/10,然后 1/9,然后 1/8,...)。使用此模型进行洗牌、分配唯一的回合顺序或发牌——不用于独立选择。
- 期望值
- 结果的概率加权平均值。对于 1-10 上的均匀抽取:
请注意 5.5 本身不是可能的选择——期望值是许多选择的长期平均值,而不是对任何单个选择的预测。
- 大数法则
- 随着独立选择数量的增长,每个数字的观察频率趋向于其真实概率 10%,选择的运行平均值趋向于 5.5。这就是为什么 30 个选择可能看起来不平衡,而 30,000 个选择看起来几乎完全平衡——比例稳定下来,尽管原始计数在绝对值上继续漂移。
- 相对频率
- 给定结果的计数除以选择总数——概率的经验对应物。将选择计数器的计数与每个数字的预期 \(n/10\) 进行比较是对公平性的简单检查。
常见问题
这些数字是真正随机的吗?它们属于伪随机:在日常使用中统计上是公平的,但不具备密码学级别的安全性,因此请勿用于安全验证或彩票等高要求场景。
同一个数字会重复出现吗?会的。每次抽取都相互独立,结果也不会去重,因此出现重复完全正常,也在意料之中。
为什么我抽出来的分布看起来不均匀?在抽取次数较少时,结果看上去可能偏向某几个数字。但只要抽取的次数足够多,每个数字所占的比例就会逐渐趋近于总数的10%。