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
' d5 |0 C$ }  l1 d9 P: ?第四章 随机数和随机变数的生成
7 _- K* m7 O$ j5 O6 h/ [2 t! E
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。
, }( v! A! t$ G; f) X( x3 Y# d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。
' L: V/ q6 I- E) `0 ^, @
; P2 `; M; U( A4 u7 K) Z7 v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 V2 ~, `2 P. F: C0 U- _' `Flexsim系统已经初始化了100个随机数流（0~99号），可供直接使用。
( |, c( _, c: G0 J+ T& L1 g6 S! R
+ i$ [- P7 _/ [4 c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。

5 q% H; s, ]/ f! o$ n3 A# j" b参考文献：
. P, I) A/ }, `5 z7 s! W7 d0 Z
# f( N; j! e$ z. r' @1 j
4 d$ u2 ]& j1 A  ]! C3 u% k
' D* a; {: f1 j$ R, u" @' _

学习学习

非常需要这方面知识啊谢谢

; r2 m" @6 W4 _6 ?/ J
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
& \/ a0 f- I+ x0 E, n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）.
" e  K0 d+ b1 g% Z  LLinear Congruential Generation (LCG)[1]方法如下:
- i& p9 u% D$ K+ C0 C3 o' zX_i=(aX_(i-1)+c)mod m                            （1）
" N- r& Z" @# t$ U: B0 u! m" KR_i= X_i/m
Seed: X_0

0 c+ B3 B. Q" E2 V2 z# u1 p-什么是stream?
& C/ l" X  X! S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…
& J+ B& n* c  o5 f6 q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)}…
% ~+ |7 E: I8 _4 S. x4 R4 b5 N
; X( N4 S1 H9 ~* T+ f3 n! L# A-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。
" u5 L5 b5 d7 t- a, P/ a  W' L5 t
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!