Estatística

Números aleatórios: o computador sorteia de verdade?

Capa do artigo Números aleatórios: o computador sorteia de verdade?
Leitura com foco

Entenda o contexto.
Leve para a prática.

Neste artigo
  1. Como sortear números em Python?
  2. O computador sorteia de verdade?
  3. O que é a semente?
  4. Por que os artigos de estatística usam random.seed(42)?
  5. Aí você pergunta: e se eu não definir a semente?
  6. Como fica em PHP e em C?
  7. O sorteio do computador é justo?
  8. Posso usar o random para gerar senhas?
  9. Quais são os erros mais comuns com números aleatórios?
  10. Agora é com você!

Número aleatório, na programação, é um valor sorteado pelo computador de um jeito que não dá para prever qual será o próximo. Semente, ou seed, é o número que serve de ponto de partida para esses sorteios: com a mesma semente, o programa sorteia exatamente a mesma sequência, todas as vezes.

No artigo sobre tipos de variáveis, um programa sorteou 10.000 lançamentos de dado para mostrar a diferença entre contar e medir. Ele começava com uma linha curiosa: random.seed(42). Essa linha vai aparecer nas simulações dos artigos de estatística desta jornada, e hoje você vai entender o que ela faz. No caminho, uma surpresa: o computador não sorteia de verdade.

Imagine um livro enorme, com milhões de páginas cheias de números embaralhados. Sortear um número é ler o próximo da página. A semente é o número da página em que você abre o livro. Quem abre na página 42 lê sempre a mesma sequência. Quem abre na página 7 lê outra. E quem não escolhe página nenhuma abre o livro ao acaso.

Como sortear números em Python?

O módulo random traz as funções de sorteio. Três delas, para começar:

import random

print(random.random())
print(random.randint(1, 6))
print(random.choice(["cara", "coroa"]))

Saída (a sua será diferente):

0.29110306893432447
2
coroa

Rodando o programa de novo, os três resultados mudam, como se espera de um sorteio. As funções que você mais vai encontrar:

FunçãoO que sorteia
random.random()Um número com casas decimais de 0 até 1, sem nunca chegar a 1
random.randint(1, 6)Um inteiro de 1 a 6, com os dois extremos incluídos
random.choice(lista)Um item da lista
random.sample(lista, 2)Dois itens diferentes da lista
random.shuffle(lista)Embaralha a própria lista
random.gauss(170, 10)Um valor em volta da média 170, com desvio padrão 10
As funções de sorteio mais usadas do módulo random.

O computador sorteia de verdade?

Não. Um computador só segue instruções, e instrução nenhuma manda “faça algo imprevisível”. O que ele faz é aplicar uma fórmula que transforma um número no seguinte, de um jeito tão embaralhado que o resultado parece sorteio. Por isso o nome técnico é número pseudoaleatório.

A documentação do Python diz isso com todas as letras: o gerador do módulo random é totalmente determinístico. Ele usa um algoritmo chamado Mersenne Twister, que só volta a repetir a sequência depois de uma quantidade de sorteios tão grande que o número tem mais de 6 mil dígitos.

O que é a semente?

É o ponto de partida da fórmula. Fixando a semente, você fixa a sequência inteira:

import random

random.seed(42)
print(random.randint(1, 6), random.randint(1, 6), random.randint(1, 6))

random.seed(42)
print(random.randint(1, 6), random.randint(1, 6), random.randint(1, 6))

random.seed(7)
print(random.randint(1, 6), random.randint(1, 6), random.randint(1, 6))

Saída:

6 1 1
6 1 1
3 2 4
Diagrama com três linhas: a semente 42 produz 6, 1 e 1 nas duas vezes, e a semente 7 produz 3, 2 e 4
A semente 42 repete a sequência. A semente 7 produz outra.

As duas primeiras linhas saíram idênticas, porque a semente era a mesma. Com a semente 7, a sequência mudou. Sacou? A semente não deixa o sorteio “mais aleatório” nem “menos aleatório”. Ela só escolhe em que ponto do livro a leitura começa.

Por que os artigos de estatística usam random.seed(42)?

Por um motivo só: para que você rode o programa aí e veja os mesmos números que estão no artigo. Se o texto diz que a simulação deu 0,1704, a sua também vai dar 0,1704. Sem semente, cada leitor veria um valor um pouco diferente, e ficaria em dúvida se errou alguma coisa.

Isso tem nome: reprodutibilidade. É o mesmo cuidado de quem descreve um experimento para que outra pessoa consiga repetir. E o 42? Qualquer número serviria. O 42 é só um costume entre programadores.

ATENÇÃO: a garantia tem limite. A documentação avisa que os algoritmos de várias funções podem mudar de uma versão do Python para outra. Os números deste artigo foram gerados no Python 3.13.

Aí você pergunta: e se eu não definir a semente?

Aí o Python escolhe uma por você, usando uma fonte de imprevisibilidade do sistema operacional ou, na falta dela, o relógio. É por isso que cada execução dá um resultado diferente.

Como fica em PHP e em C?

A ideia é idêntica. Em PHP, a semente é definida com mt_srand:

<?php

mt_srand(42);
echo mt_rand(1, 6), " ", mt_rand(1, 6), " ", mt_rand(1, 6), "\n";

mt_srand(42);
echo mt_rand(1, 6), " ", mt_rand(1, 6), " ", mt_rand(1, 6), "\n";

Saída:

1 6 5
1 6 5

Em C, com srand:

#include <stdio.h>
#include <stdlib.h>

int main(void)
{
    for (int vez = 0; vez < 2; vez++) {
        srand(42);
        for (int i = 0; i < 3; i++) {
            printf("%d ", rand() % 6 + 1);
        }
        printf("\n");
    }
    return 0;
}

Saída:

1 1 6
1 1 6

Repare em duas coisas. Dentro de cada linguagem, a mesma semente repetiu a sequência. Mas, de uma linguagem para outra, a semente 42 deu sequências diferentes: 6 1 1 no Python, 1 6 5 no PHP e 1 1 6 no C. Cada linguagem tem a sua fórmula, e no C a sequência pode mudar até de um sistema para outro.

O manual do PHP acrescenta que o gerador já começa com uma semente sorteada, então chamar mt_srand só é necessário quando se quer repetir a sequência. E a referência da linguagem C registra a regra geral: com a mesma semente, o rand tem de produzir a mesma sequência. Foque no conceito, e não na linguagem!

Um detalhe do C: a conta rand() % 6 + 1 é a forma mais simples de sortear de 1 a 6, mas a própria referência avisa que ela tem um pequeno desvio. Para aprender, serve bem.

O sorteio do computador é justo?

Dá para conferir com uma simulação. Este programa lança um dado 10.000 vezes e conta quantas vezes cada face saiu:

import random
from collections import Counter

random.seed(42)

lancamentos = [random.randint(1, 6) for _ in range(10000)]
contagem = Counter(lancamentos)

for face in range(1, 7):
    print(face, contagem[face], contagem[face] / 10000)

Saída:

1 1618 0.1618
2 1629 0.1629
3 1647 0.1647
4 1687 0.1687
5 1671 0.1671
6 1748 0.1748
Gráfico de barras com a contagem de cada face em 10.000 lançamentos de dado, todas perto do valor esperado de 1.667
Em 10.000 lançamentos, cada face saiu perto de 1.667 vezes.

Se o dado é justo, cada face deve sair perto de 10.000 ÷ 6, ou seja, umas 1.667 vezes. Foi o que aconteceu: a face que menos saiu apareceu 1.618 vezes, e a que mais saiu, 1.748. Nenhuma bateu exatamente em 1.667, e isso é o normal de um sorteio. A linha que monta a lista usa list comprehension.

As outras funções da tabela, em ação:

import random

random.seed(42)

nomes = ["Ana", "Bruno", "Carla", "Davi", "Eva"]
print(random.choice(nomes))
print(random.sample(nomes, 2))

random.shuffle(nomes)
print(nomes)

Saída:

Ana
['Ana', 'Carla']
['Davi', 'Carla', 'Ana', 'Eva', 'Bruno']

Posso usar o random para gerar senhas?

Não! Como a sequência é determinística, quem descobre o ponto de partida consegue prever os próximos números. A documentação do Python é direta: o módulo random não deve ser usado para segurança, e o lugar certo para isso é o módulo secrets.

import secrets

print(secrets.randbelow(6) + 1)
print(secrets.token_hex(8))

Saída (muda a cada execução, e não existe semente para fixar):

1
aac9a0fd90069b0a

Quais são os erros mais comuns com números aleatórios?

  • Definir a semente dentro do laço. A sequência recomeça a cada volta, e o programa sorteia sempre o mesmo número.
  • Esquecer que o randint inclui os dois extremos. random.randint(1, 6) pode devolver o 6. Já o range(1, 6) para no 5.
  • Achar que a semente melhora o sorteio. Ela não muda a qualidade, só o ponto de partida.
  • Usar o random para senha, token ou sorteio com prêmio. Para isso existe o secrets.
  • Esperar os mesmos números em outra linguagem. A semente 42 do Python não tem nada a ver com a semente 42 do PHP.

Veja o primeiro erro da lista acontecendo:

import random

for _ in range(3):
    random.seed(42)  # errado: a sequência recomeça a cada volta
    print(random.randint(1, 6))

Saída:

6
6
6

Agora é com você!

Primeiro no papel. Um programa faz random.seed(10) e sorteia três números de 1 a 6: saem 5, 1 e 4. Em seguida, sem chamar a semente de novo, sorteia mais três. Esses três novos serão 5, 1 e 4 outra vez? E se o programa for encerrado e executado de novo desde o início, quais serão os três primeiros? Escreva as respostas com a justificativa e só depois confira no computador.

Depois, simule 1.000 lançamentos de uma moeda com a semente 42 e conte as caras. Troque a semente para 7 e conte de novo. Os dois resultados são iguais? Deveriam ser? Tente sozinho, sem pedir a resposta pronta para ninguém, nem para a IA!

No próximo artigo desta série de base, a simulação de Monte Carlo: como usar esses sorteios para responder perguntas difíceis sem fórmula. Até lá!

Confiança Sempre!!!

Fontes:

  • Python Software Foundation, documentação oficial. random: Generate pseudo-random numbers, com o gerador Mersenne Twister, a função seed, o aviso sobre segurança e as notas sobre reprodutibilidade.
  • PHP, manual oficial. mt_srand, com a definição da semente do gerador e a informação de que ela é sorteada automaticamente.
  • cppreference, referência da linguagem C. rand, com a regra da mesma semente e a observação sobre o desvio da conta com resto.
  • Universidade Federal de Minas Gerais, Departamento de Estatística, notas de aula. Métodos Computacionais Aplicados à Estatística, com os números pseudoaleatórios, o método congruencial, a semente e o Mersenne Twister.
  • Universidade de São Paulo, disciplina LCE 5783. Simulação Estocástica, com a vantagem de poder repetir a simulação a partir da mesma semente.
  • Universidade Federal de Uberlândia, Faculdade de Computação. Simulações de Monte Carlo e geração de números aleatórios, com o Mersenne Twister, o período do gerador e o aviso de que ele não serve para criptografia.
  • Universidade Federal de Sergipe, disciplina Estatística Computacional. Geração de números pseudoaleatórios, com a diferença entre aleatório e pseudoaleatório e exemplos resolvidos.
  • Instituto de Física de São Carlos da USP, minicurso. Método de Monte Carlo, com a sequência determinística que se repete quando a semente é a mesma.
  • Universidade Federal do Paraná, disciplina CE089. Geração de números pseudo aleatórios, com a estrutura de um gerador e o gerador congruencial linear.
  • Os exemplos deste artigo foram executados em Python 3.13, PHP 8.3 e GCC 13.

Compartilhe este artigo

Sobre quem escreve

Walmir Silva

Olá! Sou Walmir, engenheiro de software com MBA em Engenharia de Software e o cérebro por trás do GrowthCode e autor do livro "Além do Código".

Se você acha que programação é apenas sobre escrever código, prepare-se para expandir seus horizontes. Aqui, nós vamos além do código e exploramos as interseções fascinantes entre tecnologia, negócios, artes e filosofia.

Você está em busca de crescimento na carreira? Quer se destacar em um mercado competitivo? Almeja uma vida mais rica em conhecimento e realização? Então você chegou ao lugar certo. No GrowthCode, oferecemos insights profundos, estratégias comprovadas e um toque de sabedoria filosófica para catalisar seu crescimento pessoal e profissional.

Ver todos os artigos →

Continue a conversa

Compartilhe sua perspectiva

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Guardamos o IP e o navegador de quem comenta por 6 meses, para barrar spam e porque o Marco Civil da Internet pede a guarda dos registros de acesso por esse prazo. Veja como tratamos seus dados.

Encontre sua próxima resposta

O que você quer aprender?

Preferências de cookies

Os cookies opcionais começam desligados. Você pode mudar a escolha a qualquer momento por esta tela.

NecessáriosSempre ativos

Guardam a sua escolha de cookies e o código do registro dela, e mantêm o site funcionando. Não são usados para publicidade.

Contam visitas e mostram como o site é usado: Google Analytics e Microsoft Clarity, carregados pelo Google Tag Manager.

Exibem anúncios do Google AdSense sem personalização. Os cookies desta categoria limitam a repetição dos anúncios e medem o resultado deles.

Usa a sua navegação para escolher anúncios e formar públicos de anúncio: anúncios do Google escolhidos pelos seus interesses e os indicadores do Google no Analytics. Desligado, os anúncios aparecem sem personalização. Depende de Publicidade.

Também é possível bloquear cookies nas configurações do navegador. Detalhes na Política de privacidade.