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
9 b% x* A$ A) ~5 Z, z$ ?
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。

( d' B3 o- v2 K& v# Q/ pFlexsim系统已经初始化了100个随机数流（0~99号），可供直接使用。

2 ]0 H; U8 K! j* g0 m5 ]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。
" X7 \* s/ t  Q* ]1 j
4 m/ @! |4 Y) j% ~) r0 b9 q+ R参考文献：
* p8 W8 ?3 n* p  c$ _7 l
+ d8 x6 |# Q: H9 P2 _5 h9 M/ J* ~

学习学习

非常需要这方面知识啊谢谢

# m$ t" d5 d( [3 R
8 k) p* v  U# T9 o2 ]! K这个问题困扰我好久了，现在一次性了结
7 ], C* Q  I! T2 R% u) m* \& r---------------------------------------------------------------------------------------------------
-随机数是怎么生成的
; q) q0 W! J2 D0 b. e& L, e' ?: x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）.
" C0 K- N+ w5 M& }5 j  k" _Linear Congruential Generation (LCG)[1]方法如下:
' \" ^! d! b. J7 J( K4 S, H3 kX_i=(aX_(i-1)+c)mod m                            （1）
% e# h: c- P& ?* lR_i= X_i/m
Seed: X_0

-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…
; n" x0 Q5 ]- T, W# e& ?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。
, E6 a8 s; F. X! D0 s2 _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)}…

: B9 _5 }$ `1 T. t# o-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。

8 D, B8 h9 v9 ?& C" j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!