正文

偽隨機數(shù)會重復嗎

發(fā)布時間：2023-05-20 00:35:07 稿源：創(chuàng)意嶺閱讀： 150

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關于偽隨機數(shù)會重復嗎的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關鍵詞，就能返回你想要的內(nèi)容，有小程序、在線網(wǎng)頁版、PC客戶端和批量生成器

問友Ai官網(wǎng)：https://ai.de1919.com。

本文目錄:

偽隨機和真隨機區(qū)別
聽說計算機產(chǎn)生的隨機數(shù)是偽隨機數(shù)，公式有誰知道。
rand() 會重復嗎

偽隨機數(shù)會重復嗎

偽隨機和真隨機區(qū)別

計算機不會產(chǎn)生絕對隨機的隨機數(shù)，計算機只能產(chǎn)生“偽隨機數(shù)”。其實絕對隨機的隨機數(shù)只是一種理想的隨機數(shù)，即使計算機怎樣發(fā)展，它也不會產(chǎn)生一串絕對隨機的隨機數(shù)。計算機只能生成相對的隨機數(shù)，即偽隨機數(shù)。

1、隨機性:完全亂序

2、不可推測性: 從已有的數(shù)，無法推測出下一個數(shù);

3、不可重復性: 隨機數(shù)之間不重復

真隨機數(shù)是伴隨著物理實驗的，比如: 拋硬幣、擲骰子、電子元件的噪音、核裂變等，它的結果符合三大特性的

偽隨機數(shù)是通過一定算法，獲得一個隨機的值，并不是真的隨機。偽隨機又分為強偽隨機數(shù)和弱偽隨機數(shù)。強偽隨機數(shù):更加貼近真隨機數(shù)，滿足特性的。隨機性和不可推測性，難以預測。弱偽隨機數(shù):滿足隨機性，可以預測。

聽說計算機產(chǎn)生的隨機數(shù)是偽隨機數(shù)，公式有誰知道。

用S作隨機模擬計算
作為統(tǒng)計工作者，我們除了可以用S迅速實現(xiàn)新的統(tǒng)計方法，還可以用S進行隨機模擬。隨機模擬可以驗證我們的算法、比較不同算法的的優(yōu)缺點、發(fā)現(xiàn)改進統(tǒng)計方法的方向，是進行統(tǒng)計研究的最有力的計算工具之一。
隨機模擬最基本的需要是產(chǎn)生偽隨機數(shù)，S中已提供了大多數(shù)常用分布的偽隨機數(shù)函數(shù)，可以返回一個偽隨機數(shù)序列向量。這些偽隨機數(shù)函數(shù)以字母r開頭，比如rnorm()是正態(tài)偽隨機數(shù)函數(shù)，runif()是均勻分布偽隨機數(shù)函數(shù)，其第一個自變量是偽隨機數(shù)序列長度n。關于這些函數(shù)可以參見第14節(jié)以及系統(tǒng)幫助文件。下例產(chǎn)生1000個標準正態(tài)偽隨機數(shù)：
>
y
<-
rnorm(1000)
這些偽隨機數(shù)函數(shù)也可以指定與分布有關的參數(shù)，比如下例產(chǎn)生1000個均值為150、標準差為100的正態(tài)偽隨機數(shù)：
>
y
<-
rnorm(1000,
mean=150,
sd=100)
產(chǎn)生偽隨機數(shù)序列是不重復的，實際上，S在產(chǎn)生偽隨機數(shù)時從一個種子出發(fā)，不斷迭代更新種子，所以產(chǎn)生若干隨機數(shù)后內(nèi)部的隨機數(shù)種子就已經(jīng)改變了。有時我們需要模擬結果是可重復的，這只要我們保存當前的隨機數(shù)種子，然后在每次產(chǎn)生偽隨機數(shù)序列之前把隨機數(shù)種子置為保存值即可：
>
the.seed
<-
.Random.seed
>
……………
>
.Random.seed
<-
the.seed
>
y
<-
rnorm(1000)
作為例子，我們來產(chǎn)生服從一個簡單的線性回歸的數(shù)據(jù)。
#
簡單線性回歸的模擬
lm.simu
<-
function(n){
#
先生成自變量。假設自變量x的取值范圍在150到180之間，大致服從正態(tài)分布。
x
<-
rnorm(n,
mean=165,
sd=7.5)
#
再生成模型誤差。假設服從N(0,
1.2)分布
eps
<-
rnorm(n,
0,
1.2)
#
用模型生成因變量
y
<-
0.8
*
x
+
eps
return(data.frame(y,x))
}
S沒有提供多元隨機變量的模擬程序，這里給出一個進行三元正態(tài)隨機變量模擬的例子。假設要三元正態(tài)隨機向量
的
n個獨立觀測，可以先產(chǎn)生n個服從三元標準正態(tài)分布的觀測，放在一個
n行3列的矩陣中：
U
<-
matrix(rnorm(3*n),
ncol=3,
byrow=T)
可以認為矩陣U的每一行是一個標準的三元正態(tài)分布的觀測。設矩陣
的Choleski分解為
，
A為上三角矩陣，若隨機向量
，則
。因此，
作為一個三行
n列的矩陣每一行都是服從
分布的，且各行之間獨立。經(jīng)過轉置，產(chǎn)生的
X
X
<-
matrix(rep(mu,n),
ncol=3,
byrow=T)
+
U
%*%
A
是一個
n行三列的矩陣。
有時模擬需要的計算量很大，多的時候甚至要計算幾天的時間。對于這種問題我們要善于把問題拆分成可以單獨計算的小問題，然后單獨計算每個小問題，把結果保存在S對象中或文本文件中，最后綜合保存的結果得到最終結果。
如果某一個問題需要的計算時間比較長，我們在編程時可以采用以下的技巧：每隔一定時間就顯示一下任務的進度，以免計算已經(jīng)出錯或進入死循環(huán)還不知道；應該把中間結果每隔一段時間就記錄到一個文本文件中（cat()函數(shù)可以帶一個file參數(shù)和append參數(shù)，對這種記錄方法提供了支持），如果需要中斷程序，中間結果可能是有用的，有些情況下還可以根據(jù)記錄的中間結果從程序中斷的地方繼續(xù)執(zhí)行。
參考文獻：
http://www.math.pku.edu.cn/teachers/lidf/docs/statsoft/html/s/13.html

偽隨機數(shù)會重復嗎

rand() 會重復嗎

當然。隨機序列本身就是有重復的，而且這種重復是沒有規(guī)律的。rand()是產(chǎn)生偽隨機數(shù)的函數(shù)，所謂“偽隨機”就是假隨機，是說它的序列規(guī)則是可以事先安排的，所以產(chǎn)生的序列可以預測的；但一但生成序列，把這偽序列與真序列比較的話是看不出有什么不同的。所以rand() 如果不重復就不像隨機序列了……

以上就是關于偽隨機數(shù)會重復嗎相關問題的回答。希望能幫到你，如有更多相關問題，您也可以聯(lián)系我們的客服進行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。