BlockWerk Documentación
ENNLDEFRESZH
Abrir Canvas
🎲

Random

Sources

Genera números pseudoaleatorios utilizando un generador determinista PRNG (xorshift64). Admite distribuciones uniforme y gaussiana (normal). Una misma semilla produce secuencias idénticas.

Simular en BlockWerk

Simulador interactivo en tu navegador — sin instalación, motor WebAssembly.

Simular en BlockWerk →

Modelo Matemático

Uniform:y∼U(min,max)Gaussian:y∼N(μ,σ)\begin{aligned} &\text{Uniform:} && y \sim \mathcal{U}(\text{min}, \text{max}) \\ &\text{Gaussian:} && y \sim \mathcal{N}(\mu, \sigma) \end{aligned}

Implementado mediante el generador de números pseudoaleatorios xorshift64 con semilla configurable. Semillas idénticas generan siempre secuencias numéricas idénticas.

Entradas y Salidas

Direction ID Label Tipo Status
← Out out Out number Output

Parámetros

Parámetros Label Tipo Por defecto Descripción
distribution Distribution select uniform
minimum Minimum number 0
maximum Maximum number 1
mean Mean number 0
stdDev Std Dev number 1
seed Seed number 12345

Ejemplos de Uso

  • Modelado de ruido de sensor: sumar la salida de RandomNumber (Gaussian, media 0, desviación 0.05) a una señal medida.
  • Análisis de Monte Carlo con secuencias deterministas fijadas por semilla.

Observaciones y Buenas Prácticas

  • Determinista: La misma semilla produce siempre la secuencia idéntica, lo que resulta fundamental para simulaciones reproducibles.
  • Semilla 0: Utiliza la entropía del sistema operativo para la inicialización (arranque verdaderamente no determinista).
  • Distribución gaussiana: Ideal para modelar ruido de sensores, incertidumbre de medición y análisis Monte Carlo.
  • Distribución uniforme: Ideal para dithering, perturbaciones de condiciones iniciales y redondeos estocásticos.
  • Rendimiento: xorshift64 es extremadamente rápido; permite ejecutar miles de bloques RNG independientes en paralelo sin degradar el rendimiento.

Bloques Relacionados