关于统计分布中“随机数流stream”的解释

资料来自《实用系统仿真建模与分析——使用Flexsim》，作者秦天保 周向阳
第四章 随机数和随机变数的生成

- W9 S- t1 e6 [  Z$ u. w( U& P3 O仿真软件一般会将整个随机数序列分成若干段，例如100000个数为一段。
每段成为一个随机数流(stream)，每个流会指定一个编号，如0号流，1号流等等。
$ \& R4 h6 g- A. N# J! L% G
& j! c& z8 m" y8 E在Flexsim中调用指数分布函数的形式为exponential(location,scal,stream)，其中第3个参数stream就是指定从哪一个流求取下一个随机数，如果省略参数流，则默认使用0号随机数流。

. Y  x- T7 G- j1 VFlexsim系统已经初始化了100个随机数流（0~99号），可供直接使用。

如果一个流的随机数在模型运行过程中，经过不断调用耗净了，根据递推公式下一个随机数就会侵入下一个流中去了，这会导致不想要的相关性。为了提高模型输出数据的准确性和精度，建议为模型中的每个对象甚至每个随机因素指定不同的流号。
$ v; y% Z# |7 Z$ z3 w
参考文献：
- m/ J* r! b6 V0 L8 g
% x  v8 i. j0 N

( W7 ~  l' V) ]$ o

学习学习

非常需要这方面知识啊谢谢

! U) q) c5 e9 o, v6 v0 B
这个问题困扰我好久了，现在一次性了结
---------------------------------------------------------------------------------------------------
* b; L- g- e9 y* M-随机数是怎么生成的
# E1 y! D1 [! Z( v基于计算机方法生成的随机数称为伪随机数，因为其计算方法已知，不是完全的随机。现在比较流行的生产伪随机数的方法是 Linear Congruential Generation （混合同余法）.
# k" U" l8 K. [& X8 d' v  gLinear Congruential Generation (LCG)[1]方法如下:
X_i=(aX_(i-1)+c)mod m                            （1）
) w8 s% h7 G1 g! Z0 _. BR_i= X_i/m
8 H1 \) r3 k, ]- b& V* c- z8 LSeed: X_0
9 |: n+ U* m9 `1 s5 O
, P. @5 L7 `( e/ U" Y-什么是stream?
基于m的限制，生成的随机数都是循环的，而且最大的循环周期是m。假设生成的随机数周期为P，随机数序列可以写作： X_0,X_1,…X_P,X_0,X_1…
  u# A# I, P! `$ I8 i! T" A正因为它的循环性，取0-P之间任何一个数做seed都可以生成整个随机数列。
4 m  o" Q6 q4 d( g为了方便起见，我们把长度为P的随机数分为若干个随机数流（stream），比如说，分成b个，每个stream的长度为P/b： {X_0,X_1,…X_(P/b-1)}, {X_(P/b),…X_(2P/b-1)}…

-Stream有什么用？
通过观察（1）式可以得知，X_i  和 X_(i-1)是相关的。为了避免这种相关性，仿真时常常会选取不同的stream产生各个过程的随机数。
. q- Z# k+ }' f; h5 e
) \8 g8 u0 r& L- ~# J为此专门写了篇blog在http://blog.sina.com.cn/sui5277

学习一下 谢谢分享

谢谢分享!