Представленный онлайн генератор случайных чисел работает на основе встроенной в JavaScript програмного генератора псевдослучайных чисел с равномерным распределением. Генерируются целые числа. По умолчанию выводится 10 случайных чисел в диапазоне 100...999, числа разделены пробелами.

Основные настройки генератора случайных чисел:

• Количество чисел
• Диапазон чисел
• Тип разделителя
• Вкл/выкл функцию удаления повторов (дублей чисел)

Общее количество формально ограничено 1000, максимальное число - 1 миллиардом. Варианты разделителей: пробел, запятая, точка с запятой.

Теперь вы точно знаете, где и как в интернете получить бесплатно последовательность случайных чисел в заданном диапазоне.

Варианты применения генератора случайных чисел

Генератор случайных чисел (ГСЧ на JS с равномерным распределением) пригодится SMM-специалистам и владельцам групп и сообществ в социальных сетях Истаграм, Facebook, Вконтакте, Одноклассники для определения победителей лотерей, конкурсов и розыгрышей призов.

Генератор случайных чисел позволяет производить розыгрыш призов среди произвольного количества участников с заданным количеством победителей. Конкурсы можно проводить без репостов и комментариев - вы сами задаёте число участников и интервал генерации случайных чисел. Получить набор случайных чисел онлайн и бесплатно можно на данном сайте, при этом вам не надо ставить какое-либо приложение на смартфон или программу на компьютер.

Также генератор случайных чисел онлайн может быть использован для имитации подкидывания монеты или игральных костей. Но впрочем, у нас для этих случаев есть отдельные специализированные сервисы.

Заметим, что в идеале кривая плотности распределения случайных чисел выглядела бы так, как показано на рис. 22.3 . То есть в идеальном случае в каждый интервал попадает одинаковое число точек: N i = N /k , где N — общее число точек, k — количество интервалов, i = 1, …, k .

Рис. 22.3. Частотная диаграмма выпадения случайных чисел,
порождаемых идеальным генератором теоретически

Следует помнить, что генерация произвольного случайного числа состоит из двух этапов:

• генерация нормализованного случайного числа (то есть равномерно распределенного от 0 до 1);
• преобразование нормализованных случайных чисел r i в случайные числа x i , которые распределены по необходимому пользователю (произвольному) закону распределения или в необходимом интервале.

Генераторы случайных чисел по способу получения чисел делятся на:

• физические;
• табличные;
• алгоритмические.

Физические ГСЧ

Примером физических ГСЧ могут служить: монета («орел» — 1, «решка» — 0); игральные кости; поделенный на секторы с цифрами барабан со стрелкой; аппаратурный генератор шума (ГШ), в качестве которого используют шумящее тепловое устройство, например, транзистор (рис. 22.4–22.5 ).

Рис. 22.4. Схема аппаратного метода генерации случайных чисел
Рис. 22.5. Диаграмма получения случайных чисел аппаратным методом

Задача «Генерация случайных чисел при помощи монеты»

Сгенерируйте случайное трехразрядное число, распределенное по равномерному закону в интервале от 0 до 1, с помощью монеты. Точность — три знака после запятой.

Первый способ решения задачи Подбросьте монету 9 раз, и если монета упала решкой, то запишите «0», если орлом, то «1». Итак, допустим, что в результате эксперимента получили случайную последовательность 100110100. Начертите интервал от 0 до 1. Считывая числа в последовательности слева направо, разбивайте интервал пополам и выбирайте каждый раз одну из частей очередного интервала (если выпал 0, то левую, если выпала 1, то правую). Таким образом, можно добраться до любой точки интервала, сколь угодно точно. Итак, 1 : интервал делится пополам — и , — выбирается правая половина, интервал сужается: . Следующее число, 0 : интервал делится пополам — и , — выбирается левая половина , интервал сужается: . Следующее число, 0 : интервал делится пополам — и , — выбирается левая половина , интервал сужается: . Следующее число, 1 : интервал делится пополам — и , — выбирается правая половина , интервал сужается: . По условию точности задачи решение найдено: им является любое число из интервала , например, 0.625. В принципе, если подходить строго, то деление интервалов нужно продолжить до тех пор, пока левая и правая границы найденного интервала не СОВПАДУТ между собой с точностью до третьего знака после запятой. То есть с позиций точности сгенерированное число уже не будет отличимо от любого числа из интервала, в котором оно находится. Второй способ решения задачи Разобьем полученную двоичную последовательность 100110100 на триады: 100, 110, 100. После перевода этих двоичных чисел в десятичные получаем: 4, 6, 4. Подставив спереди «0.», получим: 0.464. Таким методом могут получаться только числа от 0.000 до 0.777 (так как максимум, что можно «выжать» из трех двоичных разрядов — это 111 2 = 7 8) — то есть, по сути, эти числа представлены в восьмеричной системе счисления. Для перевода восьмеричного числа в десятичное представление выполним: 0.464 8 = 4 · 8 –1 + 6 · 8 –2 + 4 · 8 –3 = 0.6015625 10 = 0.602 10 . Итак, искомое число равно: 0.602.

Табличные ГСЧ

Табличные ГСЧ в качестве источника случайных чисел используют специальным образом составленные таблицы, содержащие проверенные некоррелированные, то есть никак не зависящие друг от друга, цифры. В табл. 22.1 приведен небольшой фрагмент такой таблицы. Обходя таблицу слева направо сверху вниз, можно получать равномерно распределенные от 0 до 1 случайные числа с нужным числом знаков после запятой (в нашем примере мы используем для каждого числа по три знака). Так как цифры в таблице не зависят друг от друга, то таблицу можно обходить разными способами, например, сверху вниз, или справа налево, или, скажем, можно выбирать цифры, находящиеся на четных позициях.

Таблица 22.1. Случайные цифры. Равномерно распределенные от 0 до 1 случайные числа

Случайные цифры								Равномерно распределенные от 0 до 1 случайные числа
9	2	9	2	0	4	2	6	0.929
9	5	7	3	4	9	0	3	0.204
5	9	1	6	6	5	7	6	0.269

Достоинство данного метода в том, что он дает действительно случайные числа, так как таблица содержит проверенные некоррелированные цифры. Недостатки метода: для хранения большого количества цифр требуется много памяти; большие трудности порождения и проверки такого рода таблиц, повторы при использовании таблицы уже не гарантируют случайности числовой последовательности, а значит, и надежности результата.

Находится таблица, содержащая 500 абсолютно случайных проверенных чисел (взято из книги И. Г. Венецкого, В. И. Венецкой «Основные математико-статистические понятия и формулы в экономическом анализе»).

Алгоритмические ГСЧ

Числа, генерируемые с помощью этих ГСЧ, всегда являются псевдослучайными (или квазислучайными), то есть каждое последующее сгенерированное число зависит от предыдущего:

r i + 1 = f (r i ) .

Последовательности, составленные из таких чисел, образуют петли, то есть обязательно существует цикл, повторяющийся бесконечное число раз. Повторяющиеся циклы называются периодами .

Достоинством данных ГСЧ является быстродействие; генераторы практически не требуют ресурсов памяти, компактны. Недостатки: числа нельзя в полной мере назвать случайными, поскольку между ними имеется зависимость, а также наличие периодов в последовательности квазислучайных чисел.

Рассмотрим несколько алгоритмических методов получения ГСЧ:

• метод серединных квадратов;
• метод серединных произведений;
• метод перемешивания;
• линейный конгруэнтный метод.

Метод серединных квадратов

Имеется некоторое четырехзначное число R 0 . Это число возводится в квадрат и заносится в R 1 . Далее из R 1 берется середина (четыре средних цифры) — новое случайное число — и записывается в R 0 . Затем процедура повторяется (см. рис. 22.6 ). Отметим, что на самом деле в качестве случайного числа необходимо брать не ghij , а 0.ghij — с приписанным слева нулем и десятичной точкой. Этот факт отражен как на рис. 22.6 , так и на последующих подобных рисунках.

Рис. 22.6. Схема метода серединных квадратов

Недостатки метода: 1) если на некоторой итерации число R 0 станет равным нулю, то генератор вырождается, поэтому важен правильный выбор начального значения R 0 ; 2) генератор будет повторять последовательность через M n шагов (в лучшем случае), где n — разрядность числа R 0 , M — основание системы счисления.

Для примера на рис. 22.6 : если число R 0 будет представлено в двоичной системе счисления, то последовательность псевдослучайных чисел повторится через 2 4 = 16 шагов. Заметим, что повторение последовательности может произойти и раньше, если начальное число будет выбрано неудачно.

Описанный выше способ был предложен Джоном фон Нейманом и относится к 1946 году. Поскольку этот способ оказался ненадежным, от него очень быстро отказались.

Метод серединных произведений

Число R 0 умножается на R 1 , из полученного результата R 2 извлекается середина R 2 * (это очередное случайное число) и умножается на R 1 . По этой схеме вычисляются все последующие случайные числа (см. рис. 22.7 ).

Рис. 22.7. Схема метода серединных произведений

Метод перемешивания

В методе перемешивания используются операции циклического сдвига содержимого ячейки влево и вправо. Идея метода состоит в следующем. Пусть в ячейке хранится начальное число R 0 . Циклически сдвигая содержимое ячейки влево на 1/4 длины ячейки, получаем новое число R 0 * . Точно так же, циклически сдвигая содержимое ячейки R 0 вправо на 1/4 длины ячейки, получаем второе число R 0 ** . Сумма чисел R 0 * и R 0 ** дает новое случайное число R 1 . Далее R 1 заносится в R 0 , и вся последовательность операций повторяется (см. рис. 22.8 ).

Рис. 22.8. Схема метода перемешивания

Обратите внимание, что число, полученное в результате суммирования R 0 * и R 0 ** , может не уместиться полностью в ячейке R 1 . В этом случае от полученного числа должны быть отброшены лишние разряды. Поясним это для рис. 22.8 , где все ячейки представлены восемью двоичными разрядами. Пусть R 0 * = 10010001 2 = 145 10 , R 0 ** = 10100001 2 = 161 10 , тогда R 0 * + R 0 ** = 100110010 2 = 306 10 . Как видим, число 306 занимает 9 разрядов (в двоичной системе счисления), а ячейка R 1 (как и R 0 ) может вместить в себя максимум 8 разрядов. Поэтому перед занесением значения в R 1 необходимо убрать один «лишний», крайний левый бит из числа 306, в результате чего в R 1 пойдет уже не 306, а 00110010 2 = 50 10 . Также заметим, что в таких языках, как Паскаль, «урезание» лишних битов при переполнении ячейки производится автоматически в соответствии с заданным типом переменной.

Линейный конгруэнтный метод

Линейный конгруэнтный метод является одной из простейших и наиболее употребительных в настоящее время процедур, имитирующих случайные числа. В этом методе используется операция mod(x , y ) , возвращающая остаток от деления первого аргумента на второй. Каждое последующее случайное число рассчитывается на основе предыдущего случайного числа по следующей формуле:

r i + 1 = mod(k · r i + b , M ) .

Последовательность случайных чисел, полученных с помощью данной формулы, называется линейной конгруэнтной последовательностью . Многие авторы называют линейную конгруэнтную последовательность при b = 0 мультипликативным конгруэнтным методом , а при b ≠ 0 — смешанным конгруэнтным методом .

Для качественного генератора требуется подобрать подходящие коэффициенты. Необходимо, чтобы число M было довольно большим, так как период не может иметь больше M элементов. С другой стороны, деление, использующееся в этом методе, является довольно медленной операцией, поэтому для двоичной вычислительной машины логичным будет выбор M = 2 N , поскольку в этом случае нахождение остатка от деления сводится внутри ЭВМ к двоичной логической операции «AND». Также широко распространен выбор наибольшего простого числа M , меньшего, чем 2 N : в специальной литературе доказывается, что в этом случае младшие разряды получаемого случайного числа r i + 1 ведут себя так же случайно, как и старшие, что положительно сказывается на всей последовательности случайных чисел в целом. В качестве примера можно привести одно из чисел Мерсенна , равное 2 31 – 1 , и таким образом, M = 2 31 – 1 .

Одним из требований к линейным конгруэнтным последовательностям является как можно большая длина периода. Длина периода зависит от значений M , k и b . Теорема, которую мы приведем ниже, позволяет определить, возможно ли достижение периода максимальной длины для конкретных значений M , k и b .

Теорема . Линейная конгруэнтная последовательность, определенная числами M , k , b и r 0 , имеет период длиной M тогда и только тогда, когда:

• числа b и M взаимно простые;
• k – 1 кратно p для каждого простого p , являющегося делителем M ;
• k – 1 кратно 4, если M кратно 4.

Наконец, в заключение рассмотрим пару примеров использования линейного конгруэнтного метода для генерации случайных чисел.

Было установлено, что ряд псевдослучайных чисел, генерируемых на основе данных из примера 1, будет повторяться через каждые M /4 чисел. Число q задается произвольно перед началом вычислений, однако при этом следует иметь в виду, что ряд производит впечатление случайного при больших k (а значит, и q ). Результат можно несколько улучшить, если b нечетно и k = 1 + 4 · q — в этом случае ряд будет повторяться через каждые M чисел. После долгих поисков k исследователи остановились на значениях 69069 и 71365 .

Генератор случайных чисел, использующий данные из примера 2, будет выдавать случайные неповторяющиеся числа с периодом, равным 7 миллионам.

Мультипликативный метод генерации псевдослучайных чисел был предложен Д. Г. Лехмером (D. H. Lehmer) в 1949 году.

Проверка качества работы генератора

От качества работы ГСЧ зависит качество работы всей системы и точность результатов. Поэтому случайная последовательность, порождаемая ГСЧ, должна удовлетворять целому ряду критериев.

Осуществляемые проверки бывают двух типов:

• проверки на равномерность распределения;
• проверки на статистическую независимость.

Проверки на равномерность распределения

1) ГСЧ должен выдавать близкие к следующим значения статистических параметров, характерных для равномерного случайного закона:

2) Частотный тест

Частотный тест позволяет выяснить, сколько чисел попало в интервал (m r – σ r ; m r + σ r ) , то есть (0.5 – 0.2887; 0.5 + 0.2887) или, в конечном итоге, (0.2113; 0.7887) . Так как 0.7887 – 0.2113 = 0.5774 , заключаем, что в хорошем ГСЧ в этот интервал должно попадать около 57.7% из всех выпавших случайных чисел (см. рис. 22.9 ).

Рис. 22.9. Частотная диаграмма идеального ГСЧ
в случае проверки его на частотный тест

Также необходимо учитывать, что количество чисел, попавших в интервал (0; 0.5) , должно быть примерно равно количеству чисел, попавших в интервал (0.5; 1) .

3) Проверка по критерию «хи-квадрат»

Критерий «хи-квадрат» (χ 2 -критерий) — это один из самых известных статистических критериев; он является основным методом, используемым в сочетании с другими критериями. Критерий «хи-квадрат» был предложен в 1900 году Карлом Пирсоном. Его замечательная работа рассматривается как фундамент современной математической статистики.

Для нашего случая проверка по критерию «хи-квадрат» позволит узнать, насколько созданный нами реальный ГСЧ близок к эталону ГСЧ , то есть удовлетворяет ли он требованию равномерного распределения или нет.

Частотная диаграмма эталонного ГСЧ представлена на рис. 22.10 . Так как закон распределения эталонного ГСЧ равномерный, то (теоретическая) вероятность p i попадания чисел в i -ый интервал (всего этих интервалов k ) равна p i = 1/k . И, таким образом, в каждый из k интервалов попадет ровно по p i · N чисел (N — общее количество сгенерированных чисел).

Рис. 22.10. Частотная диаграмма эталонного ГСЧ

Реальный ГСЧ будет выдавать числа, распределенные (причем, не обязательно равномерно!) по k интервалам и в каждый интервал попадет по n i чисел (в сумме n 1 + n 2 + … + n k = N ). Как же нам определить, насколько испытываемый ГСЧ хорош и близок к эталонному? Вполне логично рассмотреть квадраты разностей между полученным количеством чисел n i и «эталонным» p i · N . Сложим их, и в результате получим:

χ 2 эксп. = (n 1 – p 1 · N ) 2 + (n 2 – p 2 · N ) 2 + … + (n k – p k · N ) 2 .

Из этой формулы следует, что чем меньше разность в каждом из слагаемых (а значит, и чем меньше значение χ 2 эксп. ), тем сильнее закон распределения случайных чисел, генерируемых реальным ГСЧ, тяготеет к равномерному.

В предыдущем выражении каждому из слагаемых приписывается одинаковый вес (равный 1), что на самом деле может не соответствовать действительности; поэтому для статистики «хи-квадрат» необходимо провести нормировку каждого i -го слагаемого, поделив его на p i · N :

Наконец, запишем полученное выражение более компактно и упростим его:

Мы получили значение критерия «хи-квадрат» для экспериментальных данных.

В табл. 22.2 приведены теоретические значения «хи-квадрат» (χ 2 теор. ), где ν = N – 1 — это число степеней свободы, p — это доверительная вероятность, задаваемая пользователем, который указывает, насколько ГСЧ должен удовлетворять требованиям равномерного распределения, или p — это вероятность того, что экспериментальное значение χ 2 эксп. будет меньше табулированного (теоретического) χ 2 теор. или равно ему .

Таблица 22.2. Некоторые процентные точки χ 2 -распределения

	p = 1%	p = 5%	p = 25%	p = 50%	p = 75%	p = 95%	p = 99%
ν = 1	0.00016	0.00393	0.1015	0.4549	1.323	3.841	6.635
ν = 2	0.02010	0.1026	0.5754	1.386	2.773	5.991	9.210
ν = 3	0.1148	0.3518	1.213	2.366	4.108	7.815	11.34
ν = 4	0.2971	0.7107	1.923	3.357	5.385	9.488	13.28
ν = 5	0.5543	1.1455	2.675	4.351	6.626	11.07	15.09
ν = 6	0.8721	1.635	3.455	5.348	7.841	12.59	16.81
ν = 7	1.239	2.167	4.255	6.346	9.037	14.07	18.48
ν = 8	1.646	2.733	5.071	7.344	10.22	15.51	20.09
ν = 9	2.088	3.325	5.899	8.343	11.39	16.92	21.67
ν = 10	2.558	3.940	6.737	9.342	12.55	18.31	23.21
ν = 11	3.053	4.575	7.584	10.34	13.70	19.68	24.72
ν = 12	3.571	5.226	8.438	11.34	14.85	21.03	26.22
ν = 15	5.229	7.261	11.04	14.34	18.25	25.00	30.58
ν = 20	8.260	10.85	15.45	19.34	23.83	31.41	37.57
ν = 30	14.95	18.49	24.48	29.34	34.80	43.77	50.89
ν = 50	29.71	34.76	42.94	49.33	56.33	67.50	76.15
ν > 30	ν + sqrt(2ν ) · x p + 2/3 · x 2 p – 2/3 + O (1/sqrt(ν ))
x p =	–2.33	–1.64	–0.674	0.00	0.674	1.64	2.33

Приемлемым считают p от 10% до 90% .

Если χ 2 эксп. много больше χ 2 теор. (то есть p — велико), то генератор не удовлетворяет требованию равномерного распределения, так как наблюдаемые значения n i слишком далеко уходят от теоретических p i · N и не могут рассматриваться как случайные. Другими словами, устанавливается такой большой доверительный интервал, что ограничения на числа становятся очень нежесткими, требования к числам — слабыми. При этом будет наблюдаться очень большая абсолютная погрешность.

Еще Д. Кнут в своей книге «Искусство программирования» заметил, что иметь χ 2 эксп. маленьким тоже, в общем-то, нехорошо, хотя это и кажется, на первый взгляд, замечательно с точки зрения равномерности. Действительно, возьмите ряд чисел 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, … — они идеальны с точки зрения равномерности, и χ 2 эксп. будет практически нулевым, но вряд ли вы их признаете случайными.

Если χ 2 эксп. много меньше χ 2 теор. (то есть p — мало), то генератор не удовлетворяет требованию случайного равномерного распределения, так как наблюдаемые значения n i слишком близки к теоретическим p i · N и не могут рассматриваться как случайные.

А вот если χ 2 эксп. лежит в некотором диапазоне, между двумя значениями χ 2 теор. , которые соответствуют, например, p = 25% и p = 50%, то можно считать, что значения случайных чисел, порождаемые датчиком, вполне являются случайными.

При этом дополнительно надо иметь в виду, что все значения p i · N должны быть достаточно большими, например больше 5 (выяснено эмпирическим путем). Только тогда (при достаточно большой статистической выборке) условия проведения эксперимента можно считать удовлетворительными.

Итак, процедура проверки имеет следующий вид.

Проверки на статистическую независимость

1) Проверка на частоту появления цифры в последовательности

Рассмотрим пример. Случайное число 0.2463389991 состоит из цифр 2463389991, а число 0.5467766618 состоит из цифр 5467766618. Соединяя последовательности цифр, имеем: 24633899915467766618.

Понятно, что теоретическая вероятность p i выпадения i -ой цифры (от 0 до 9) равна 0.1.

2) Проверка появления серий из одинаковых цифр

Обозначим через n L число серий одинаковых подряд цифр длины L . Проверять надо все L от 1 до m , где m — это заданное пользователем число: максимально встречающееся число одинаковых цифр в серии.

В примере «24633899915467766618» обнаружены 2 серии длиной в 2 (33 и 77), то есть n 2 = 2 и 2 серии длиной в 3 (999 и 666), то есть n 3 = 2 .

Вероятность появления серии длиной в L равна: p L = 9 · 10 –L (теоретическая). То есть вероятность появления серии длиной в один символ равна: p 1 = 0.9 (теоретическая). Вероятность появления серии длиной в два символа равна: p 2 = 0.09 (теоретическая). Вероятность появления серии длиной в три символа равна: p 3 = 0.009 (теоретическая).

Например, вероятность появления серии длиной в один символ равна p L = 0.9 , так как всего может встретиться один символ из 10, а всего символов 9 (ноль не считается). А вероятность того, что подряд встретится два одинаковых символа «XX» равна 0.1 · 0.1 · 9, то есть вероятность 0.1 того, что в первой позиции появится символ «X», умножается на вероятность 0.1 того, что во второй позиции появится такой же символ «X» и умножается на количество таких комбинаций 9.

Частость появления серий подсчитывается по ранее разобранной нами формуле «хи-квадрат» с использованием значений p L .

Примечание: генератор может быть проверен многократно, однако проверки не обладают свойством полноты и не гарантируют, что генератор выдает случайные числа. Например, генератор, выдающий последовательность 12345678912345…, при проверках будет считаться идеальным, что, очевидно, не совсем так.

В заключение отметим, что третья глава книги Дональда Э. Кнута «Искусство программирования» (том 2) полностью посвящена изучению случайных чисел. В ней изучаются различные методы генерирования случайных чисел, статистические критерии случайности, а также преобразование равномерно распределенных случайных чисел в другие типы случайных величин. Изложению этого материала уделено более двухсот страниц.

Если вы организовывали , то наверняка сталкивались со сложностью выбора случайного победителя. Как правило, в таких ситуациях используется популярный сервис Random.org . Соответствующие сриншоты с его результатами вы могли видеть при объявлении победителей конкурсов проводимых в ВКонтакте, и т.п. Сегодня предлагаем рассмотреть данный проект чуть детальнее, тем более, что генератор чисел в Random — далеко не единственная его фишка.

Список всех функций найдете на главной странице. Для проведения розыгрышей в Random можно использовать два типа услуг: платные и бесплатные. Они обозначены как FREE и PAID services. В первом случае вы просто получаете результат. Во втором способе дополнительно имеется возможность сохранить все итоги + сервис создаст официальный протокол выборки.

Многие читатели могут возразить как это у компьютера (машины) получается генерировать случайные числа? И ведь действительно, если брать большинство , то там речь идет о псевдослучайных величинах , то есть значения вычисляются с помощью математических функций, то есть предсказуемым образом. Фишка данного сервиса рандома в том, что информация считывается из атмосферного шума, что позволяет получить действительно случайные числа. Random.org был создан в 1998 доктором дублинской Школы компьютерных наук и статистики Mads Haahr. Сейчас проект активно используется в лотереях, конкурсах, приложениях, науке и т.п.

Бесплатный рандом в сервисе

В большинстве случаев вполне достаточно бесплатного варианта. Самое главное – наличие списка участников. При этом для розыгрыша призов в Random.org можно выбирать один из 2-х походов:

• через генератор случайных чисел;
• с помощью выборки из списков;

При помощи формы генератора чисел

Допустим, на компьютере у вас имеется определенный перечень людей, принимающих участие в конкурсе. Справа на главной найдете виджет, где нужно будет задать параметры. В поле минимальное число (Min) ставите единицу (1), в максимальном – указываете общее число участников. Далее кликаем на кнопочку «Generate» для генерации номера-победителя.

Кстати, чуть ниже на главной странице есть пункт «Integer Generator», где вы можете сгенерировать последовательность из нескольких случайных числел в Random.org. Там параметров чуть больше. Это может пригодиться, если хотите определить более одного победителя в розыгрыше.

При помощи генератора списков

В самом верхнем меню переходим на «Lists & more» и выбираем пункт «List Randomizer» (либо находите его на главной). Откроется новое окно, в котором нужно ввести всех ваших участников и кликнуть на кнопочку «Randomize». Программа выдаст итоговый список, где указанные люди разместятся случайным образом. Первый человек в списке и есть победитель.

Кроме сортировки списка сервис Random.org покажет время выборки + ваш IP. Можно сделать скриншот экрана и показать участникам дабы они видели, что все были включены в список, и выбор победителя произошел в обещанное время.

Кроме этих двух генераторов Random.org проект имеет еще несколько интересных бесплатных фишек:

• симулятор подбрасывания монет;
• случайные результаты брошенных костей;
• генератор чисел для лотерей;
• формирования последовательности чисел (в том числе и не повторяющихся);
• создание случайных строк символов (и паролей);
• использование разных функций случайных чисел;
• получение произвольных дат, гео координат на и многое другое.

Платные функции сервиса

Если в предусмотрено использование крупных призов или же в нем принимают участие много человек, тогда вы будете заинтересованы в платной выборке, чтобы результаты генератора случайных чисел Random.org были сохранены.

Цена зависит от числа участников. Если их количество менее пятисот человек, то это будет стоить 4.95$. Если 1000 участников — $8.95. Более подробно вы сможете посмотреть на скриншоте:

Виджеты для страниц

Кроме того, сервис Random предлагает воспользоваться дополнительными инструментами. Чтобы их посмотреть, переходим по «web tools» в верхнем меню. Здесь будут доступны такие опции:

1. Widgets for Your Pages. На этой странице можно создать виджеты . Система генерирует специальный код, который размещаете в своем интернет-проекте;
2. API for Automated Clients. На этой странице описывается, как подключить интерфейс к Random.org через JSON-RPC;
3. HTTP API используется для отображения случайного числа в коде;
4. Banned Hosts. Список запрещенных хостов.

Вывод

Итак, генератор чисел Random.org — это отличный вариант для того, чтобы выбрать победителя в проводимом розыгрыше или конкурсе. Он сгенерирует случайное число исходя из количества участников, плюс вы можете выбрать один из методов выборки — числовое значение или списком. К тому же при использовании сервиса, ни у кого не возникнет сомнений в наличии специальных «обманных» скрипов, которые могут повлиять на выбор победителя. Кроме онлайн версии есть и приложение Random генератора с разными функциями. В общем, это один из культовых и реально полезных проектов.

Понятный и удобный генератор чисел онлайн, который пользуется в последнее время популярность. Наибольшее распространение получил при розыгрыше призов в социальных сетях, среди пользователей.

Так-же имеет популярность в других сферах. Также у нас есть или паролей и чисел.

Наш генератор случайных рандомных чисел онлайн.

Наш генератор рандомайзер не требует его скачивать на ваш персональный ПК. Все происходит в режиме генератор числа онлайн. Просто укажите такие параметры, как: диапазон чисел онлайн, в котором будут случайным образом выбраны числа. Так же укажите количество чисел, которое будет выбрано.

Для примера, у Вас есть группа Вконтакте. В группе вы разыгрываете 5 призов, среди числа участников, которые сделают репост записи. С помощью специального приложения, мы получили список участников. Каждому присвоили свой порядковый номер для чисел онлайн.

Теперь переходим к нашему онлайн генератору и указываем диапазон чисел (количество участников). Например, задаем, что чисел онлайн необходимо 5, так как у нас 5 призов. Теперь жмем кнопку генерации. Тогда получаем 5 случайных чисел онлайн, в диапазоне от 1 до 112 включительно. Сгенерированые 5 чисел онлайн будут соответствовать порядковому номеру пяти участников, которые стали победителями розыгрыша. Все просто и удобно.

Еще один плюс генератор случайных чисел чисел в том, что все числа онлайн выдаются рандомным образом. Тоесть повлиять на него, либо вычислить, какое число будет следующем, не представляется возможным. Что делает сказать, честным и надежным, а администрацию, которая разыгрывает призы с помощью нашего бесплатного генератора, честной и порядочной в лице участников конкурса. А если вы сомневаетесь относительно какого-то решения, то вы можете воспользоваться нашим

Почему случайный число генератор лучший?

Дело в том, что генератор чисел онлайн доступен на любом устройстве и всегда онлайн. Вы можете совершенно честно сгенерировать любое число для любого вашего замысла. А та же для проекта использовать генератор случайных чисел онлайн. Особенно если надо определить победителя игры или для иного числа онлайн. Дело в том, что случайный число генератор генерирует любые числа совершенно случайно без алгоритмов. Это по сути как для чисел.

Генератор случайных чисел онлайн бесплатно!

Генератор случайных чисел онлайн бесплатно для каждого. Вам не нужно скачивать или покупать любой генератор случайных чисел онлайн для розыгрыша. Надо просто зайти на наш сайт и получить нужный вам результат рандом. У нас есть не только случайный число генератор но и нужный многим который точно поможет вам выиграть в лотерею. Настоящий генератор случайных чисел онлайн для лотерей это абсолютная случайность. Которую наш сайт способен вам обеспечить.

Случайный число онлайн

Если вы ищете случайный число онлайн то мы создали этот ресурс именно для вас. Мы постоянно совершенствуем наши алгоритмы. Вы здесь получите настоящий случайный число генератор. Он обеспечит любые потребности как нужный вам случайный генератор совершенно бесплатно и в любое время. Создавайте с нами случайные числа онлайн. Будьте всегда уверены в полной случайности каждого сгенерированного числа.

Генератор случайных чисел рандом

Наш генератор случайных чисел рандом выбирает числа совершенно случайно. Не имеет никакого значения день или час у вас на компьютере. Это настоящий слепой выбор. Генератор рандом просто перетасовывает в случайном порядке все числа. А потом случайно выбирает из них заданную вами количество случайных чисел. Иногда числа могут повторяться, что доказывает полную случайность генератора чисел рандом.

Рандом онлайн

Рандом самый верный вариант для розыгрыша. Онлайн генератор это действительно случайный выбор. Вы защищены от любого влияния на выбор случайного числа. Сняв процесс рандом онлайн выбора победителя на видео. Это все что вам нужно. Устраивайте честные розыгрыши в сети с нашим онлайн генератором чисел. Вы получаете победителей и довольных игроков. А мы радость что смогли угодить вам нашим рандом генератором.