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
5 v  c, G2 @* a$ @5 f第四章 随机数和随机变数的生成
6 l3 t- l% v6 S: @- i' z
7 G! `) ~6 ~; D! q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。
; B) T3 ?' c% ]8 U9 G, \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。

% o- B* L, R# O7 s7 b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。
7 K. }- j+ a4 _8 y  @
Flexsim系统已经初始化了100个随机数流（0~99号），可供直接使用。
  @% W- _; |. v6 P$ f. t$ T
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。

. o7 i- M1 Q% N7 }参考文献：


- W" c) P* s! o/ k; Y
+ `# O; J# ]) }( n' `+ W! C

学习学习

非常需要这方面知识啊谢谢

  X5 F9 }% r+ h- m% ]9 H
8 U4 e/ h: t7 F8 z1 C4 s- s8 J这个问题困扰我好久了，现在一次性了结
3 O- G) j, t6 ?) U---------------------------------------------------------------------------------------------------
8 k) t: Z$ T% J; u$ D* v-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. [8 B% r6 LX_i=(aX_(i-1)+c)mod m                            （1）
R_i= X_i/m
Seed: X_0

, p. Z+ P  g. y- J6 ]3 q% q! T-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…
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)}…
. `$ M1 ~) G8 X( e( p! R0 I: V
-Stream有什么用？
! S- e. u# ^2 T, h! z5 b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。
( s( {6 C. v+ t. `1 i
; y* `/ t  \( |7 W9 L& \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!