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
6 @7 {% K# r7 x) l/ \  N
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。
- P, r4 I$ N% p0 s* f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。
( q2 j3 ~# V- x" ?7 {3 Y. W- n
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。
4 _, z7 _7 D" L8 y. l1 x: Q3 H
7 U  u. s& r1 h4 w$ PFlexsim系统已经初始化了100个随机数流（0~99号），可供直接使用。
3 ^! }$ n" \2 r3 P1 ^9 j8 F1 S
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：
. T1 S5 c2 |. h( G& ~- P


; l2 G* m6 D* i" E6 y" n3 Y

学习学习

非常需要这方面知识啊谢谢

这个问题困扰我好久了，现在一次性了结
( p) g, f- F7 r& o5 M---------------------------------------------------------------------------------------------------
-随机数是怎么生成的
6 K; A0 P5 k* H% b9 a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）.
  C4 X4 p8 T0 xLinear Congruential Generation (LCG)[1]方法如下:
' `( b" `- i3 d9 C( ~6 wX_i=(aX_(i-1)+c)mod m                            （1）
R_i= X_i/m
Seed: X_0
  M# v/ }8 U* a0 @3 k. Z
& Z) w  S! |  _9 U6 Z8 n- x-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。
* c8 L9 u# {3 Q; m- g. h0 K4 O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)}…

-Stream有什么用？
8 a5 `5 Y+ }: m  s* R: 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。

3 N( ^+ Z2 Z9 B% y/ |' 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!