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

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。
8 O% G% A) f3 K) U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。

" D2 j4 s) ?3 d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。

Flexsim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。

( F" e8 }" n$ ^参考文献：
; c+ \5 T1 E  H" z+ J5 f# ]( Z0 c

, u* O8 a- J: G. }3 `7 Q5 A( e& `
4 C& ]8 h( W- b2 i

学习学习

非常需要这方面知识啊谢谢

/ F: g: A& B7 O1 e, R  ?
" u8 _0 Z$ p5 K& Q2 U9 w7 J这个问题困扰我好久了，现在一次性了结
0 c  j- C) ]( C6 S. j0 L( I---------------------------------------------------------------------------------------------------
- A9 r& _" v  K7 Z$ k8 A/ {-随机数是怎么生成的
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）.
Linear Congruential Generation (LCG)[1]方法如下:
" `7 ?4 Q' g# Y0 f3 K; q* w5 w+ p8 C6 JX_i=(aX_(i-1)+c)mod m                            （1）
6 ]& E* r6 J. jR_i= X_i/m
: V; ^$ r- T: u* q/ T* bSeed: X_0

-什么是stream?
0 B. M) o: Z& i/ ?' Y* q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…
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。
& U2 ]2 y. `# K% P3 C3 M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)}…

2 Z9 m; y6 Y& {, x3 D-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  c5 P& |+ r6 Q
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!