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
" `) g# l9 V) A4 D' N第四章 随机数和随机变数的生成
4 ]$ M5 z( \& W8 v/ 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。
/ M( p9 ?, K+ T( E/ S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。
8 c/ c0 {8 e' _6 s
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。
2 A* d( S3 r, ^+ V
! r, t; Q% }' e. S: c1 B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。

参考文献：
: j& @8 b/ J6 m2 X; a( L
0 }" }& H' `. D
3 h) R2 }1 \0 x, A; L8 q' Q
- Y+ i# n4 e) ?& ^0 L

学习学习

非常需要这方面知识啊谢谢

4 ^# V: }8 c  I
3 O# q& a4 Z0 M. P; Q这个问题困扰我好久了，现在一次性了结
---------------------------------------------------------------------------------------------------
-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）
4 T8 R$ ]' N" I# j8 ^6 e# P  Y7 D& h+ ~R_i= X_i/m
" O: O8 i: t& N0 N. HSeed: X_0
% ~# Z! Q% ~& P: Y
4 S# z4 c# G- t' j2 X3 u-什么是stream?
7 C; F7 n5 T3 C9 _1 X$ T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。
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)}…
' O) Z; r5 V2 X# p
-Stream有什么用？
7 D  P9 y9 c0 a. t3 m& U3 r# a0 \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。

2 d5 l: q( g0 Q. 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!