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
0 d, u$ A# a2 t' h" L! y9 D
8 g. Y0 e! }, i4 V$ i2 ?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。
; I6 l) Z3 _, j5 D
  G- _! u# ]$ ?4 j" @1 z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。
& ]) `5 J0 V4 e7 D- x
Flexsim系统已经初始化了100个随机数流（0~99号），可供直接使用。
- g, A4 ^' F2 J' q
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。
5 A' \- p* w, S: G
参考文献：



5 B% K* f; q7 T

学习学习

非常需要这方面知识啊谢谢

, ~; K* \" a- |' d0 l) x
8 |( I( n# F. O* Y; w; C9 c& c这个问题困扰我好久了，现在一次性了结
/ X1 K- m" h( q( G9 }+ c! k( B% Y---------------------------------------------------------------------------------------------------
-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:
X_i=(aX_(i-1)+c)mod m                            （1）
, J4 ^3 R' J" _+ |, ~" ~1 h' }3 {R_i= X_i/m
Seed: X_0

-什么是stream?
& c- I& n! X' S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。
; O9 e4 ]) `) e  X( w, A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)}…
4 [5 z. J9 ?6 s) Q
-Stream有什么用？
- i* k# [, _) B: a. c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。

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!