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
: r! |( I  m: f: z) M, w8 \第四章 随机数和随机变数的生成
, j9 H/ \$ O: 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。

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 O- z7 H9 p7 \. u9 b- l# v
Flexsim系统已经初始化了100个随机数流（0~99号），可供直接使用。
$ t# }: y1 E# ^3 l* x
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。
. a( e) o& T. B/ c
参考文献：


8 }) {% m. w) q6 i6 w$ a

学习学习

非常需要这方面知识啊谢谢

( P0 p  q0 ~  b$ j$ R
这个问题困扰我好久了，现在一次性了结
4 `8 K  n- b" U% ]---------------------------------------------------------------------------------------------------
! v' P& Y2 u* x. c, t- M& U-随机数是怎么生成的
6 R0 c. m7 r0 N7 h4 o* x, K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）.
' F% i1 T3 K  G, SLinear Congruential Generation (LCG)[1]方法如下:
$ X/ ^8 Z8 i/ l# i/ ]' q9 M, AX_i=(aX_(i-1)+c)mod m                            （1）
R_i= X_i/m
& q: U; M% i& e# A3 dSeed: X_0
( t' V5 L1 k& N7 v5 b* U: `9 e5 |, ^
# l4 f( a% u# D: o) z-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…
/ A% T! a" I' w1 K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。
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)}…

  f7 }4 K8 e3 `* [* O+ e-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。
" T  S8 e% H& R0 o/ q4 u
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!