Los dados físicos funcionan por la anticipación. Ves salir el dado de la mano, rebotar y asentarse, y el resultado parece que ocurrió en lugar de revelarse. La mayoría de los lanzadores de dados web se saltan eso por completo: el número simplemente aparece, lo cual es funcionalmente correcto y atmosféricamente muerto.
El lanzador 3D de aquí conserva la tirada. Importa para partidas de mesa, para el trabajo de probabilidad en el aula y para cualquier cosa donde la gente quiera ver que el resultado no se decidió antes de mirar.
Qué puedes lanzar
Los preajustes cubren el conjunto estándar de mesa: d4, d6, d8, d10, d12, d20. Más allá de los preajustes, el campo de caras personalizadas acepta cualquier valor de 2 a 100 caras, lo que cubre dados percentiles y una variedad de sistemas caseros.
Puedes lanzar hasta 12 dados en una sola tirada, con un modificador de −99 a +99 aplicado al total. Esa combinación cubre la mayor parte de lo que necesita un sistema basado en dados sin que nadie tenga que recurrir a una segunda herramienta.
Por qué cada cara tiene la misma probabilidad
El punto técnico conviene decirlo con precisión, porque “aleatorio” se usa a la ligera.
Cada cara tiene exactamente una probabilidad de 1/N de quedar arriba. Cada tirada es independiente de la anterior: un 20 no hace que la siguiente tirada sea menos probable, y una racha larga de seises no cambia las probabilidades de la siguiente tirada.
Dos cosas producen esto:
- Una fuente aleatoria criptográfica. Los dados se nutren de
crypto.getRandomValues(), el generador criptográficamente seguro del navegador, en lugar deMath.random(). La distinción no es cosmética:Math.random()es determinista, así que su estado interno en principio se puede reconstruir y predecir resultados futuros. Para un juego de mesa esto es una curiosidad; para cualquier cosa con algo en juego, es la cuestión entera. - Muestreo de rechazo justo. Cuando pides un entero uniforme en un rango que no se divide de forma exacta, escalar ingenuamente un flotante aleatorio sesga en exceso el extremo inferior. El lanzador rechaza los valores fuera de rango y vuelve a sortear, y eso es lo que hace que cada cara sea exactamente 1/N.
La página de imparcialidad cubre esto con más detalle si quieres el mecanismo.
Comparar dados virtuales y físicos
Vale la pena saber dónde un dado real es genuinamente mejor, porque la respuesta no es “en ningún sitio”.
Un dado físico tiene imperfecciones. Puede estar ligeramente cargado por la fabricación, ligeramente desgastado en una cara, o leerse una esquina en lugar de una cara. A lo largo de miles de tiradas con un dado desgastado, el sesgo es pequeño pero real: los aficionados han documentado dados cargados precisamente porque existen.
Un dado virtual no se desgasta, así que se mantiene uniforme indefinidamente. Es una ventaja real, y también es la razón por la que una tirada inusualmente alta con un dado real no siempre significa que los dados estén mal.
Donde lo físico sigue ganando: el sonido, la tactilidad y el hecho de que un dado que puedes coger no admite discusión por parte de un jugador desconfiado.
Para partidas de mesa
Compartir una tirada en pantalla resuelve un problema concreto que surge constantemente en el juego remoto: “te juro que saqué un 20”. Cuando el resultado aparece en una pantalla compartida para todos en el mismo momento, no queda nada que discutir.
Lanza los dados con el modificador fijado antes de tirar, para que el total no sea algo que ajustas después.
Un hábito que vale la pena adoptar: fija una tirada mínima cuando tu sistema lo permita. Sacar un 1 en un ataque con d20 es válido e inútil; muchos grupos vuelven a tirar los 1 en una tirada crítica, y hacerlo en la herramienta en lugar de a mano mantiene el registro limpio.
Para el aula
Un dado virtual es mejor que uno real para enseñar probabilidad, por razones que no tienen nada que ver con la imparcialidad.
Puedes lanzar doce dados a la vez, lo que hace visibles las distribuciones en una sola acción. Lanza 12 dados una docena de veces y los alumnos verán cómo la dispersión converge hacia el valor esperado: una intuición que cuesta una hora de tiradas físicas construir.
El número de caras personalizado también ayuda: un d4 es fácil de razonar, un d20 da una granularidad más fina, y los alumnos pueden preguntarse cómo es la forma de la distribución a medida que crece N.
Una actividad relacionada: lanza un d100 veinte veces y pide a los alumnos que marquen cada resultado. El histograma resultante suele ser irregular, y esa irregularidad es la lección: es el aspecto que tiene un proceso justo desde dentro, y es la razón por la que una sola observación no demuestra nada.
Una nota sobre la predicción
Un ejercicio útil para el aula: pide a los alumnos que predigan la siguiente tirada antes de lanzarla. Casi todos adivinan “bajo” después de una tirada alta.
Luego lánzala. El objetivo no es acertar, sino mostrar que ninguna predicción es mejor que otra, porque cada tirada es independiente. Esto es más fácil de demostrar con dados que con cualquier otro proceso aleatorio, porque todo el mundo tiene una intuición fuerte y equivocada sobre la siguiente.
Pruébalo
Abre el Lanzador de Dados. Elige tu dado, fija cualquier modificador y tira. Sin cuenta, sin instalación, algo que importa cuando la partida empieza en dos minutos.