When random is not actually random enough

A common programming pattern picks random items using modulo: `choices[random_u64() % n]`. This seems intuitive but introduces statistical bias because the random range rarely divides evenly by the number of choices.

For example, picking from 3 items using a random number in [0, 9] gives 4 inputs to choice 1 (0, 3, 6, 9) but only 3 inputs each to choices 2 and 3. Choice 1 appears 40% of the time instead of the expected 33.3%. This modulo bias occurs whenever the random range isn't a multiple of the choice count.

The correct approach uses `random_between(l, h)` which properly distributes probability, though it's more complex to implement. Better API design would provide higher-level functions like `random_choice()` that accept explicit probability distributions, forcing developers to confront distribution requirements directly rather than relying on flawed low-level primitives.

نمط برمجي شائع يختار عناصر عشوائية باستخدام المودولو: `choices[random_u64() % n]`. يبدو هذا بديهيًا لكنه يُدخل تحيزًا إحصائيًا لأن النطاق العشوائي نادرًا ما يُقسم بالتساوي على عدد الخيارات.

على سبيل المثال، عند الاختيار من بين 3 عناصر باستخدام رقم عشوائي في النطاق [0, 9]، يحصل الخيار 1 على 4 مدخلات (0، 3، 6، 9) بينما يحصل كل من الخيارين 2 و 3 على 3 مدخلات فقط. يظهر الخيار 1 بنسبة 40% من الوقت بدلًا من النسبة المتوقعة 33.3%. يحدث هذا التحيز باستخدام المودولو كلما لم يكن النطاق العشوائي مضاعفًا لعدد الخيارات.

النهج الصحيح يستخدم `random_between(l, h)` الذي يوزع الاحتمال بشكل صحيح، على الرغم من أن تنفيذه أكثر تعقيدًا. سيوفر تصميم API أفضل وظائف على مستوى أعلى مثل `random_choice()` التي تقبل توزيعات احتمال صريحة، مما يجبر المطورين على مواجهة متطلبات التوزيع مباشرة بدلاً من الاعتماد على primitives منخفضة المستوى معيبة.

একটি সাধারণ প্রোগ্রামিং প্যাটার্ন মডুলো ব্যবহার করে র্যান্ডম আইটেম বেছে নেয়: `choices[random_u64() % n]`. এটি সহজে বোঝা যায় কিন্তু সांখ্যিকীয় পক্ষপাত তৈরি করে কারণ র্যান্ডম রেঞ্জ প্রায়শই পছন্দের সংখ্যা দ্বারা সমানভাবে ভাগ করা যায় না।

উদাহরণস্বরূপ, [0, 9] পরিসরের র্যান্ডম নম্বর ব্যবহার করে 3 আইটেম থেকে বেছে নিলে, চয়স 1 কে 4 ইনপুট मिलে (0, 3, 6, 9) কিন্তু চয়স 2 এবং 3 কে প্রতিটikos 3 ইনপুট मिलता है। চয়স 1 40% সময়ে বেছে নেওয়া হয়, প্রত্যাশিত 33.3% এর পরিবর্তে। এই মডুলো পক্ষপাত তখন ঘটে যখন র্যান্ডম রেঞ্জ পছন্দের সংখ্যার গুণফল নয়।

সঠিক পদ্ধতি `random_between(l, h)` ব্যবহার করে, যা সঠিকভাবে সম্ভাব্য বিতরণ করে, যদিও এটি বাস্তবায়ন করা জটিল। ভালো API ডিজাইন `random_choice()` এর মতো উচ্চ-স্তরের ফাংশন প্রদান করবে যা স্পষ্ট সম্ভাব্য বিতরণ গ্রহণ করবে, ডেভেলপারদের বাধ্য করবে যে তারা ত্রুটিপূর্ণ নিম্ন-স্তরের প্রিমিটিভে নির্ভর করার পরিবর্তে বিতরণের প্রয়োজনীয়তা মোকাবেলা করবেন।

Ein häufiges Programmiermuster wählt zufällige Elemente mittels Modulo aus: `choices[random_u64() % n]`. Dies erscheint intuitiv, führt aber zu statistischer Verzerrung, weil der Zufallsbereich selten gleichmäßig durch die Anzahl der Optionen teilbar ist.

Zum Beispiel ergibt die Auswahl aus 3 Elementen mit einer Zufallszahl im Bereich [0, 9] für die Option 1 4 Eingaben (0, 3, 6, 9), während jede der Optionen 2 und 3 nur 3 Eingaben erhält. Damit wird die Option 1 in 40 % der Fälle ausgewählt statt der erwarteten 33,3 %. Dieser Modulo-Verzerrungseffekt tritt immer auf, wenn der Zufallsbereich kein Vielfaches der Optionenzahl ist.

Der richtige Ansatz verwendet `random_between(l, h)`, der die Wahrscheinlichkeit korrekt verteilt, obwohl seine Implementierung komplexer ist. Ein besseres API-Design würde Funktionen höherer Ebene wie `random_choice()` bereitstellen, die explizite Wahrscheinlichkeitsverteilungen akzeptieren und Entwickler zwingen, sich direkt mit den Verteilungsanforderungen auseinanderzusetzen, anstatt auf fehlerhafte Niedrigstufen-Primitiven zu verlassen.

Un patrón común de programación selecciona elementos aleatorios usando módulo: `choices[random_u64() % n]`. Esto parece intuitivo pero introduce sesgo estadístico porque el rango aleatorio rara vez se divide uniformemente por el número de opciones.

Por ejemplo, al elegir entre 3 elementos usando un número aleatorio en [0, 9], se le dan 4 entradas a la opción 1 (0, 3, 6, 9) pero solo 3 entradas cada una a las opciones 2 y 3. La opción 1 aparece el 40% de las veces en lugar del esperado 33.3%. Este sesgo de módulo ocurre siempre que el rango aleatorio no sea múltiplo del número de opciones.

El enfoque correcto utiliza `random_between(l, h)`, que distribuye correctamente la probabilidad, aunque es más complejo de implementar. Un mejor diseño de API proporcionaría funciones de nivel superior como `random_choice()` que acepten distribuciones de probabilidad explícitas, obligando a los desarrolladores a enfrentar directamente los requisitos de distribución en lugar de depender de primitivas de bajo nivel defectuosas.

Un modèle de programmation courant choisit des éléments aléatoires en utilisant le modulo : `choices[random_u64() % n]`. Cela semble intuitif mais introduit un biais statistique parce que la plage aléatoire rarement se divise uniformément par le nombre de choix.

Par exemple, choisir parmi 3 éléments en utilisant un nombre aléatoire dans [0, 9] donne 4 entrées au choix 1 (0, 3, 6, 9) mais seulement 3 entrées chacune aux choix 2 et 3. Le choix 1 apparaît 40 % du temps au lieu des 33,3 % attendus. Ce biais de modulo se produit chaque fois que la plage aléatoire n'est pas un multiple du nombre de choix.

La bonne approche utilise `random_between(l, h)` qui distribue correctement la probabilité, bien qu'elle soit plus complexe à implémenter. Une meilleure conception d'API fournirait des fonctions de niveau supérieur comme `random_choice()` qui acceptent des distributions de probabilité explicites, obligeant les développeurs à affronter directement les exigences de distribution plutôt que de s'appuyer sur des primitives de bas niveau défectueuses.

एक सामान्य प्रोग्रामिंग पैटर्न मॉड्यूलो का उपयोग करके यादृच्छिक आइटम चुनता है: `choices[random_u64() % n]`. यह सहज लगता है लेकिन सांख्यिकीय पक्षपात लाता है क्योंकि यादृच्छिक सीमा अक्सर विकल्पों की संख्या से समान रूप से विभाजित नहीं होती।

उदाहरण के लिए, 0 से 9 तक के यादृच्छिक संख्या के उपयोग से 3 आइटम चुनने पर, विकल्प 1 को 4 इनपुट मिलते हैं (0, 3, 6, 9) लेकिन विकल्प 2 और 3 को प्रत्येक को केवल 3 इनपुट मिलते हैं। विकल्प 1 40% समय पर दिखाई देता है जबकि अपेक्षित 33.3% के बजाय। यह मॉड्यूलो पक्षपात तब होता है जब यादृच्छिक सीमा विकल्पों की संख्या का गुणज नहीं होती।

सही दृष्टिकोण `random_between(l, h)` का उपयोग करता है, जो संभावना को सही ढंग से वितरित करता है, हालांकि इसे लागू करना अधिक जटिल है। बेहतर API डिज़ाइन में `random_choice()` जैसे उच्च-स्तर के फ़ंक्शन प्रदान किए जाएंगे जो स्पष्ट संभावना वितरण स्वीकार करते हैं, जिससे डेवलपर्स को वितरण आवश्यकताओं का सीधे सामना करना पड़ता है और वे दोषपूर्ण निम्न-स्तर के प्राइमिटिव्स पर निर्भर नहीं रहते।

Pola pemrograman umum memilih item acak menggunakan modulo: `choices[random_u64() % n]`. Ini terasa intuitif tetapi menimbulkan bias statistik karena rentang acak jarang habis dibagi oleh jumlah pilihan.

Misalnya, memilih dari 3 item menggunakan angka acak dalam rentang [0, 9] memberikan 4 input ke pilihan 1 (0, 3, 6, 9) tetapi hanya 3 input masing-masing ke pilihan 2 dan 3. Pilihan 1 muncul 40% waktu alih-alih yang diharapkan 33,3%. Bias modulo terjadi setiap kali rentang acak bukan kelipatan dari jumlah pilihan.

Pendekatan yang benar menggunakan `random_between(l, h)` yang mendistribusikan probabilitas dengan benar, sebbene lebih kompleks untuk diimplementasikan. Desain API yang lebih baik akan menyediakan fungsi tingkat tinggi seperti `random_choice()` yang menerima distribusi probabilitas eksplisit, memaksa pengembang untuk langsung menghadapi persyaratan distribusi alih-alih bergantung pada primitif tingkat rendah yang cacat.

一般的なプログラミングパターンは、モジュロを使ってランダムなアイテムを選択します：`choices[random_u64() % n]`。これは直感的に思えますが、ランダム範囲が選択肢の数で均等に割り切れないため統計的バイアスを生じます。

たとえば、[0, 9] の範囲のランダム数を使って 3 つのアイテムから選ぶと、選択肢 1 には 4 つの入力 (0, 3, 6, 9) が割り当てられますが、選択肢 2 と 3 にはそれぞれ 3 つしか入力が割り当てられません。その結果、選択肢 1 は期待される 33.3% ではなく 40% の確率で選ばれます。このモジュロバイアスは、ランダム範囲が選択肢の数の倍数でないときに発生します。

正しいアプローチは `random_between(l, h)` を使うことで、これは確率を適切に分配しますが、実装はより複雑です。より良いAPI設計では、`random_choice()` のような高レベルの関数を提供し、明示的な確率分布を受け入れるようにするべきです。これにより、開発者は欠陥のある低レベルプリミティブに頼るのではなく、分布の要件に直接向き合うようになります。

Um padrão comum de programação seleciona itens aleatórios usando módulo: `choices[random_u64() % n]`. Isso parece intuitivo, mas introduz viés estatístico porque o intervalo aleatório raramente se divide uniformemente pelo número de opções.

Por exemplo, ao escolher entre 3 itens usando um número aleatório no intervalo [0, 9], a escolha 1 recebe 4 entradas (0, 3, 6, 9), enquanto as escolhas 2 e 3 recebem apenas 3 entradas cada. A escolha 1 aparece 40% do tempo, em vez dos esperados 33,3%. Esse viés de módulo ocorre sempre que o intervalo aleatório não for múltiplo do número de opções.

A abordagem correta usa `random_between(l, h)`, que distribui a probabilidade corretamente, embora seja mais complexo de implementar. Um melhor design de API forneceria funções de nível superior como `random_choice()` que aceitam distribuições de probabilidade explícitas, obrigando os desenvolvedores a enfrentar diretamente os requisitos de distribuição, em vez de depender de primitivas de baixo nível defeituosas.

Распространенный шаблон программирования выбирает случайные элементы с использованием модуля: `choices[random_u64() % n]`. Это кажется интуитивно понятным, но вводит статистическое смещение, потому что диапазон случайных чисел редко делится равномерно на количество вариантов.

Например, при выборе из 3 элементов с использованием случайного числа в диапазоне [0, 9] первому варианту достается 4 входных значения (0, 3, 6, 9), тогда как каждому из вариантов 2 и 3 — только по 3. Первый вариант выбирается в 40% случаев вместо ожидаемых 33,3%. Это смещение по модулю возникает всякий раз, когда диапазон случайных чисел не является кратным количеству вариантов.

Правильный подход использует функцию `random_between(l, h)`, которая корректно распределяет вероятность, хотя её реализация сложнее. Лучший дизайн API предоставил бы функции более высокого уровня, например `random_choice()`, принимающие явные распределения вероятностей, заставляя разработчиков непосредственно сталкиваться с требованиями к распределению, а не полагаться на ошибочные низкоуровневые примитивы.

A common programming pattern picks random items using modulo: `choices[random_u64() % n]`. This seems intuitive but introduces statistical bias because the random range rarely divides evenly by the number of choices.

For example, picking from 3 items using a random number in [0, 9] gives 4 inputs to choice 1 (0, 3, 6, 9) but only 3 inputs each to choices 2 and 3. Choice 1 appears 40% of the time instead of the expected 33.3%. This modulo bias occurs whenever the random range isn't a multiple of the choice count.

The correct approach uses `random_between(l, h)` which properly distributes probability, though it's more complex to implement. Better API design would provide higher-level functions like `random_choice()` that accept explicit probability distributions, forcing developers to confront distribution requirements directly rather than relying on flawed low-level primitives.