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

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。
* G& O# ^9 g( g7 A
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。

2 ]2 S) ]7 G4 I$ rFlexsim系统已经初始化了100个随机数流（0~99号），可供直接使用。
8 L8 V$ w! G' s" L
. d1 z" g* w0 W; Z' j9 N6 [# 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。

; z# J: L7 F$ G+ _2 a; y参考文献：
0 E! `4 N: y9 X6 M. n. b; P. E  J" w
, e- v/ ?& s: b( b( E

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
---------------------------------------------------------------------------------------------------
-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）.
) Y& b9 p! g# L3 ]$ yLinear Congruential Generation (LCG)[1]方法如下:
0 K$ g6 i: q1 X( cX_i=(aX_(i-1)+c)mod m                            （1）
, j4 m$ M) t- KR_i= X_i/m
  B* c3 j, ?, t6 X9 V4 X6 K$ I* ySeed: X_0
( L, Y# V- H. r* j
-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。
' v1 N( ]3 |7 p7 w6 O8 N$ ?( M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)}…
5 Q: k0 F" p- a( e
-Stream有什么用？
! F: a# a2 ~" p+ B" t3 ]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。

) ~" y2 l1 w) ?# n- ~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!