随机数发生器解释

Question

from random import *
def main():
    t = 0
    for i in range(1000):  # thousand
        t += random()
    print(t/1000)
main()

我正在查看我教授给我的示例程序的源代码，我遇到了这个RNG。谁能解释这个RNG的工作原理？

Answer 1

如果您绘制了点，您会看到这实际上产生了关于随机函数均值的高斯（＆＃34;正常＆＃34;）分布。

Generate random numbers following a normal distribution in C/C++谈论随机数生成;如果只有标准C中的统一数字生成器，那么这是一种非常常见的技术。

我在这里给你的是一个从你的函数中提取的100,000个值的直方图（当然，如果你不熟悉python，则返回不打印）。 y轴是值出现的频率，x轴是值的bin。如您所见，平均值为1/2，并且通过3个标准偏差（99.7％的数据），我们几乎没有该范围内的值。那应该是直观的;我们通常＆＃34;得到1/2，很少得到.99999

Answer 2

查看文档。写得很好： https://docs.python.org/2/library/random.html

这个想法是该程序生成1000次随机数，足以使平均值为0.5

Answer 3

该程序正在使用Central Limit Theorem - 具有有限方差的独立且相同分布的随机变量X的和，渐近收敛到正态（又称高斯）分布，其均值是均值的和，并且方差是方差的总和。将此值除以N，X的总和数，得出样本均值（平均值）。如果X的期望值为μ且X的方差为σ ² ，则样本均值的期望值也为μ且其方差σ ² / N。

由于Uniform（0,1）的平均值为0.5，方差为1/12，因此您的算法将生成非常接近正态分布的结果，平均值为0.5，方差为1/12000。因此，99.7％的结果应该落在平均值的+/- 3标准差内，即0.5 +/- 0.0274范围内。

这是生成法线的一种非常低效的方法。更好的替代方案包括Box-Muller方法，Polar方法或ziggurat方法。

Answer 4

使这个随机的东西是被调用的random（）函数。 random（）将生成1（对于大多数实际用途）0到1之间的随机浮点数。

>>>random()
0.1759916412898097
>>>random()
0.5489228122596088

等

其余部分只是将每个随机数添加到总数中，然后除以randoms的数量，基本上找到所有1000个random的平均值，而Cyber​​指出的实际上根本不是随机数。