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

, U5 N' p0 \  x* s' g; v! D& B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。
: `# B# V2 i, ]: u5 J; O4 t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。
7 F! z. X* R( o# }2 }
4 M  z% Z# \: 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。

8 W$ O+ Q: d4 p: P% K( V" TFlexsim系统已经初始化了100个随机数流（0~99号），可供直接使用。
& j  t0 p. c/ t" V$ j
) ]7 U" }! O4 h8 {( [) P9 n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。

, J/ V( J& L6 V" v$ e0 s2 D: \参考文献：
; m; ?) P0 J! M5 o: n. v1 C

学习学习

非常需要这方面知识啊谢谢

$ x. e1 d0 ?( v2 V3 C) l# x
3 j7 y% U- m+ h. ^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
, G" \% g5 x2 r7 |- `% @: O/ S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）.
- T8 U" M3 E+ sLinear Congruential Generation (LCG)[1]方法如下:
X_i=(aX_(i-1)+c)mod m                            （1）
R_i= X_i/m
6 k) W2 t4 J/ u# jSeed: X_0

! s# H+ c9 o3 R* f0 k-什么是stream?
7 ^6 }6 G( h. C. {- M% l; W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 e% P( t5 w1 O6 h2 l; S% {
-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。
% O; b- A: T, f: D# t% t' C9 r% t
, k- O+ \! x6 h3 n& q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!