ランダム vs ピュアランダムネス vs 統計学

3つの視点から「ランダムネス」を理解するインタラクティブシミュレーション

🎲

ランダム(疑似乱数)

「予測困難」 という実用的な概念

  • アルゴリズムで生成される決定論的な系列
  • シード値から再現可能
  • 周期性がある(いずれ繰り返す)
  • 計算で予測可能(理論上)
  • 多くの用途で十分な品質
⚛️

ピュアランダムネス

「原理的に予測不可能」 という理論的な概念

  • 量子現象など物理的プロセスから生成
  • 原理的に再現不可能
  • 無限の非周期性
  • いかなる計算でも予測不可能
  • 暗号学的に最高の安全性
📊

統計学的視点

「ランダムネスを評価・検証する」 方法論

  • 仮説検定でランダム性を検証
  • 大数の法則による収束性
  • 中心極限定理による正規性
  • 分布の適合度検定
  • 自己相関・独立性の評価

🔬インタラクティブ・シミュレーション

大数の法則とは?

試行回数を増やすと、標本平均は母集団の期待値(理論値)に収束するという法則です。これにより、ランダムなデータでも十分なサンプルがあれば、安定した推定が可能になります。

疑似乱数による標本平均
量子風乱数による標本平均
理論的期待値
-
疑似乱数 平均
-
量子風 平均
-
理論値
0
試行回数

中心極限定理とは?

独立な確率変数の和の分布は、元の分布に関わらず、サンプルサイズが大きくなると正規分布に近づくという定理です。これが統計学の基盤となっています。

標本平均の分布(ヒストグラム)
理論的正規分布曲線
-
標本平均の平均
-
標本平均の標準偏差
-
理論的標準誤差
-
正規性スコア

ランダムネステストとは?

統計学的な検定を用いて、データがランダムであるかを評価します。複数のテストを組み合わせることで、より信頼性の高い判定が可能です。

テスト結果がここに表示されます

総合評価

- %
0/0
合格テスト数
-
判定

3者比較シミュレーション

疑似乱数、量子風乱数、理論値を同時に比較し、それぞれの特性の違いを観察します。

疑似乱数
量子風乱数
理論的一様分布
指標 🎲 疑似乱数 ⚛️ 量子風 📊 理論値
平均 - - 0.5
分散 - - 0.0833
エントロピー - - -
カイ二乗値 - - -

信頼区間とは?

母集団のパラメータ(平均など)が含まれる可能性が高い区間を示します。サンプルサイズが大きいほど信頼区間は狭くなり、推定の精度が上がります。

-
カバー率(実測)
-
期待カバー率
-
平均信頼区間幅
0
サンプリング回数

📋3つの概念の比較表

観点 🎲 ランダム ⚛️ ピュアランダムネス 📊 統計学
本質 実用的な「予測困難性」 原理的な「予測不可能性」 ランダムネスの「評価方法」
生成方法 アルゴリズム(PRNG) 量子現象、物理的プロセス (検証・分析の道具)
再現性 シードで再現可能 原理的に再現不可能 検定手法は再現可能
予測可能性 理論上は予測可能 予測は不可能 確率的な予測を提供
用途 シミュレーション、ゲーム 暗号、量子コンピューティング 品質評価、仮説検定
主な定理/法則 周期性、決定論 ハイゼンベルクの不確定性原理 大数の法則、中心極限定理