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
! T) t" H% \9 Y第四章 随机数和随机变数的生成

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。
0 O9 A6 s  j* e9 S8 _6 M; r' P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。

# r) S+ k# y# ^3 u+ P3 y/ z7 H/ ?, ~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。
6 ^" @/ q' q- H$ w
Flexsim系统已经初始化了100个随机数流（0~99号），可供直接使用。
( [+ d" u; c" J. G9 y& f5 ~3 ?
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。
! W/ Y, J) D2 V. ?1 A( @9 D
参考文献：

" v$ ]3 T1 [/ u, g
# J+ h" h6 f  @

谢谢分享!

学习一下 谢谢分享

2 t) Z# K! d  N3 S; U
( P3 g! L6 y* v; {* R这个问题困扰我好久了，现在一次性了结
  C, z8 u8 P6 W, m! u2 P---------------------------------------------------------------------------------------------------
/ N4 B* ?2 [6 u9 v% @- C8 X-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）.
; v4 Y/ y3 }  a) A- F5 `Linear Congruential Generation (LCG)[1]方法如下:
X_i=(aX_(i-1)+c)mod m                            （1）
0 P2 |* m- l6 q  x) ER_i= X_i/m
Seed: X_0
3 b% G4 e5 M( @# j9 j) f& b
-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)}…

3 ~' N, z6 q! m- b-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。

$ S( i8 e# y" Q- d. B+ C, b& e为此专门写了篇blog在http://blog.sina.com.cn/sui5277

非常需要这方面知识啊谢谢

学习学习