Erzeugt Zufallszahlen in jedem von Ihnen angegebenen Bereich, einzeln oder bis zu tausend auf einmal, wahlweise ohne Wiederholungen und wahlweise sortiert.
Die Zahlen stammen aus der kryptografischen Zufallsquelle des Browsers und nicht aus der gewöhnlichen Pseudozufallsfunktion; um sie in den Bereich zu bringen, wird Rejection Sampling eingesetzt. Dieser zweite Teil wiegt schwerer, als er klingt: Eine Zufallszahl per Restwert in einen Bereich zu pressen macht die niedrigsten Werte etwas wahrscheinlicher, sobald der Bereich nicht glatt aufgeht, und Rejection Sampling beseitigt diese Verzerrung, indem Ziehungen im ungleichen Rest verworfen werden. Das Ergebnis ist eine gleichmäßige und nicht nur beinahe gleichmäßige Verteilung — und genau das macht die Ausgabe für eine Verlosung oder eine Abstimmung tauglich.
Was eine Ziehung fair macht
-
Modulo-Verzerrung ist subtil und real:
Der naive Ansatz neigt zu niedrigeren Zahlen. Rejection Sampling kostet einige verworfene Ziehungen und beseitigt die Neigung vollständig.
-
Ohne Wiederholungen muss der Bereich groß genug sein:
Fünfzig eindeutige Zahlen aus einem Bereich von zwanzig zu verlangen hat keine Lösung, und das Werkzeug sagt das, statt endlos zu kreisen.
-
Das Sortieren betrifft nur die Anzeige:
Die Zahlen werden zuerst gezogen und danach geordnet; die Sortierung beeinflusst also nicht, welche gezogen wurden.
-
Zufällig heißt nicht gleichmäßig verteilt:
Echte Zufälligkeit erzeugt Häufungen und Lücken. Ein Ergebnis, das dem Auge völlig musterlos erscheint, ist meist nachträglich geglättet worden.
Drawn from the browser's cryptographic source
The [msm_tool slug="random-number-generator"] draws from the browser's cryptographic random source rather than the ordinary pseudo-random function most code reaches for by default, which is seeded from operating system entropy and specifically designed to be unpredictable — a meaningfully stronger guarantee than an everyday random function offers, even if a physical process such as radioactive decay remains the only genuinely true randomness available anywhere.
Why modulo bias matters more than it sounds
Reducing a random draw into a target range with a simple remainder operation makes the lowest values in that range very slightly more likely to appear, whenever the range does not divide the underlying draw space evenly — a small, systematic skew rather than a random one. Rejection sampling avoids it entirely by discarding and redrawing whenever a value falls in the uneven remainder, at the cost of a few extra draws that never make it into the result.
Asking without duplicates has a hard limit
The range has to contain at least as many values as the number requested, and asking for fifty unique numbers from a range of only twenty simply has no valid answer — the tool reports that directly rather than looping indefinitely or quietly handing back fewer numbers than asked for.
Sorting changes how results look, not what was drawn
Numbers are drawn first and only ordered afterwards if sorting is requested, so turning sorting on or off has no effect whatsoever on which values were actually generated — it changes the presentation of the result, not its content.
Genuine randomness looks clumpy, not evenly spread
True randomness produces clusters and gaps rather than an even spread across the range, so a set of numbers that looks suspiciously tidy and patternless to the eye has usually been arranged that way rather than occurring naturally. A result that looks a little uneven is closer to what real randomness actually produces than one that looks perfectly balanced.
Fine for a raffle, not for a regulated draw
For an informal prize draw among friends or a casual raffle, this is entirely adequate. A formal or regulated draw typically needs an auditable process with a documented seed and a verifiable record behind it, which a browser-based tool with no logging simply does not provide.