Generador de Números Aleatorios

Las rifas y sorteos son el caso más obvio. Numera cada participación de 1 a N, desactiva duplicados y saca tantos ganadores como premios haya. El resultado es lo bastante replicable para defenderlo — captura el rango, la cantidad y el resultado — y lo bastante impredecible como para que nadie lo pueda manipular.

Los profesores lo usan para preguntar en clase sin sesgos, asignar el orden de exposición, dividir grupos y generar series de ejercicios. Los investigadores lo usan para muestrear una población numerada, asignar participantes a grupos control y tratamiento o barajar el orden de las preguntas de una encuesta para controlar el efecto de orden.

Diseñadores de juegos y aficionados al rol lo usan como sustituto en el navegador de los dados físicos. Un d20 no es más que un entero aleatorio de 1 a 20; un dado porcentual, de 1 a 100. Los máster pueden pre-tirar un lote de chequeos de encuentro antes de una sesión para que el juego no se detenga.

Los desarrolladores lo usan para valores semilla en pruebas, datos de ejemplo o un número de puerto aleatorio en desarrollo local. Los equipos de marketing lo aprovechan para asignar cubetas A/B cuando no quieren la sobrecarga de una plataforma de experimentación completa.

El generador usa crypto.getRandomValues() de la Web Crypto API cuando está disponible. Es la misma fuente que los navegadores exponen para generar claves criptográficas, tokens de sesión y códigos de un solo uso, y bebe del generador de números aleatorios criptográficamente seguro del sistema operativo (CSPRNG) — /dev/urandom en Linux, BCryptGenRandom en Windows, SecRandomCopyBytes en macOS.

En cada tirada el generador pide al CSPRNG un entero de 32 bits sin signo y lo mapea al rango solicitado con aritmética modular. La salida de 32 bits tiene unos 4.300 millones de valores posibles, así que para cualquier rango de hasta unos pocos millones el sesgo modular es insignificante — muy por debajo de una parte en mil.

La ruta de respaldo usa Math.random(), un generador pseudoaleatorio inicializado con una fuente no especificada (normalmente jitter del reloj y estado del proceso). Sirve para juegos y muestreo, pero no es apropiado para nada que un adversario decidido pudiera intentar predecir — material de clave criptográfica, tokens de sesión o sorteos de alto valor.

El modo 'sin reemplazo' utiliza un Set para registrar los valores ya extraídos y muestreo por rechazo para saltar duplicados. Cuando la cantidad solicitada se acerca al tamaño del rango puede ralentizarse un poco, pero en el uso típico (elegir 10 ganadores entre 500 participantes) el trabajo extra es imperceptible.

Fija los parámetros antes de tirar. Captura el rango, la cantidad y el ajuste de duplicados junto con el resultado para que los participantes vean exactamente qué se sorteó. Cambiar el rango después — aunque sea en uno — invalida la limpieza del sorteo a ojos de la audiencia.

Para concursos con implicaciones legales (sweepstakes, promociones sujetas a leyes estatales), usa un servicio de RNG certificado por un tercero o una extracción física ante notario. Las guías de endoso de la Federal Trade Commission y la mayoría de las leyes estatales de promociones exigen aleatorización documentada e infalsificable para premios por encima de ciertos umbrales.

Para uso en aula o equipos, genera todas las tiradas al inicio de la sesión en un solo lote y comparte la lista. Eso impide que alguien re-tire hasta conseguir un resultado favorable — la primera razón por la que un sorteo informal deja de parecer aleatorio.

Si necesitas sembrar una simulación de Monte Carlo y quieres el mismo resultado más tarde, esta herramienta no te sirve — está deliberadamente sin semilla. Usa un RNG a nivel de lenguaje (numpy.random.default_rng(seed=42), por ejemplo) para que las ejecuciones sean reproducibles.