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
. w8 q" O; E( E! O第四章 随机数和随机变数的生成
2 i& ?- @: W5 `# i, m5 c
% A  v5 H8 c: B9 d0 p  H5 y0 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。
/ E& \! c* p  P5 |8 N9 g( ^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。
+ k- t& W3 E3 m% {6 d& n# K
4 M1 W( F+ Z; z" L0 F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 l) v% y1 K0 i( c# g
Flexsim系统已经初始化了100个随机数流（0~99号），可供直接使用。
  o, U$ X: a% F# M
; ]6 b& Q% F# g% e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。

+ \# G  J, G& H% {+ T9 Q参考文献：



8 |' |* i3 F* g* j$ }

学习学习

非常需要这方面知识啊谢谢

- X) m% `: b6 Y. e7 v
这个问题困扰我好久了，现在一次性了结
# v- W! ]5 L( X" X/ 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）.
+ s- f9 e+ V% T/ n( G( f# T. y$ ULinear Congruential Generation (LCG)[1]方法如下:
% `5 D9 T4 J# u, I1 EX_i=(aX_(i-1)+c)mod m                            （1）
+ H' r( s9 D; yR_i= X_i/m
: k& W5 i: n( \7 b' LSeed: X_0
! p! p; Y1 G$ L, n7 A% Y2 K) h+ ~
-什么是stream?
3 M% x) h, ?* n$ o$ A: H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)}…
1 K+ r* J: m; U3 o6 `
! E" q! `8 k2 o( Y3 I( k-Stream有什么用？
0 I" ~4 x6 w  G4 T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 U  j, m' D/ h3 d& _. R) c+ {' 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!