伪随机数和真正随机数有什么区别?


回答 1:

您是否已在MS Excel中使用RAND()函数? 它确实返回伪随机数,而不是实际的随机数。 浏览MS Office官方网站的说明,以了解该算法如何使用不同的种子值生成伪随机数。 此RAND()函数返回

101310^{13}

不同的随机数给我们,然后我们注意到生成的随机数重复出现。 相同的随机数序列将在之后重复

101310^{13}

次。 因此,您可以通过观察此周期来预测将来的数量。 如果它确实是随机的,则没有模式,没有重复。 而且您将无法预测未来的数字。 通常,当测试数据集的随机性时,会将它们输入到回归系统中

R2R^2

值被检查。 如果

R2R^2

值非常小,则没有遵循的实际模式,并且该组数据被认为是随机的。 (但是请记住,数据集的大小对于得出结论非常重要。数据集越大,得出的结论越准确)。


回答 2:

首先是一些相关的术语。 基本上有四类随机数:

  • 伪随机常规密码安全拟随机(例如Sobol和Halton序列)真实随机量子随机

这里要做出的第一个区别是“真实”和“真实”随机之间。 “ true”是指随机性的类型,“ true”是指完全随机的状态。

有人可能会说真实和量子随机在某种程度上是一回事,但是在这种分类中,量子是指一种实现某种形式的量子机械装置以产生状态的方法。

在这些示例中的每个示例中,都存在观察元素,因此不能将其视为“真正”随机的。 观察(即确定一个给定的状态)意味着影响结果,而结果不会是随机的。 例如,当我们设置一个给定的实验(而不是其他一些实验)以产生真实的随机数(例如,以“真实随机数服务”的形式)时,由于我们决定使用该方法,因此将获得某种输出。 随机性是一种难题。 一旦您说出随机,它就不再是随机的。 我们指出某物的事实限制了它的随机性,因为我们指出某物具有确定性。

专注于随机性的研究可以描述为试图爬上被冰覆盖的陡峭山丘。 您可能会认为自己有很强的立足点或抓地力,但是当您尝试移动时,发现自己并没有