我正在为蒙特卡罗模拟编写c ++代码。因此，我需要生成在[0,1]之间均匀分布的许多数字。我在here中添加了以下代码来生成我的数字：
// uniform_real_distribution
#include <iostream>
#include <random>
std::default_random_engine generator;
std::uniform_real_distribution<double> distribution(0.0,1.0);
int main()
{
double number = distribution(generator); //rnd number uniformly distributed between [0,1)
return 0;
}
因此，每当我需要新号码时，我只需拨打distribution(generator)。
我运行蒙特卡罗模拟以获得许多样本结果。结果应该正常分布在真实均值周围（未知）。当我运行卡方拟合优度检验以检查它们是否正常分布时，我的样本结果有时无法通过测试。这里的关键词是“有时”，所以这让我觉得我打了distribution(generator)太多次了，最后我失去了生成数字的随机性。我在谈论每次模拟中生成的10 ^ 11个数字。
有可能吗？如果我在调用之前使用distribution.reset()重置分发怎么办？这会解决我的问题吗？
感谢您提出任何建议。
答案 0 :(得分：6)
如果随机数生成器有时没有通过测试，则测试太弱。例如，如果测试具有99％的置信度，那么一个完美的随机数生成器应该在大约1％的时间内失败。
例如，考虑一个完全公平的硬币。如果你翻转1000次，平均可以获得500个头。如果您想将此作为随机性的测试，您可以计算公平硬币在某个百分比内落入的值的范围。然后确保您的随机数生成器不会比预期更频繁地使测试失败。
您的测试方法 - 期望随机数生成器每次都通过每个测试 - 只有在您的测试非常弱的情况下才有效。这将使不良随机数生成器过于频繁地通过，并且不是一种好的测试方法。
真实故事：我实施的随机数生成器经an independent testing lab严格测试。他们进行了100次测试，每次测试使用数百万个样品并测试各种性能。每项测试的置信度均为99％。 RNG未通过3次测试，这是在预期的范围内，因此通过了认证的测试部分。 RNG通过了这些非常严格的测试，绝大部分时间都表明它是一个非常非常好的RNG，也许是完美的。编写一个通过任何这些测试的破损RNG很难。
您需要计算完美RNG未通过测试的概率，然后查看您的RNG是否显示接近预期的失败率。
答案 1 :(得分：1)
STL使用的随机生成器算法未在标准中指定，因此您无法确定随机序列的长度，而不知道使用了什么随机数生成算法。
它可能是一小部分已知的良好和快速的发电机，如梅森捻线机或CMWC。
有很多方法可以对随机数生成器进行评级，但在您的问题中，我认为您想知道这段时间 - 数字重复的时间。期限还取决于初始条件。
一个好的标准CMWC发生器，CMWC 4096的周期为2 ^ 131104。标准Mersenne发电机MT19937的周期为2 ^ 19937。
但是如果你使用的STL实现使用了一个选择不当的算法，那么所有的赌注都会被取消。
在每次通话之前重新播种，甚至经常重播，特别是如果没有很好地选择种子，将破坏发电机的统计特性。你通常最好只播种一次，并从那里调用它。
答案 2 :(得分：-1)
请注意，随机序列的强度取决于生成器，而不取决于分布。
关于default_random_engine the reference说＆＃34; 一个生成器，它为相对随意，不熟练和/或轻量级的使用提供至少可接受的引擎行为＆＃34 ; ...可能不是你想要的。
根据建议，您可以将其替换为std::mt19937，我不是专家，因此我不知道您可以在失去随机性之前使用它多长时间。
要更新生成器的随机性，您可以使用std::random_device并不时将其用于seed()生成器。在某些实现（您必须检查）上，random_device甚至使用CPU的特殊指令来生成＆＃34; hard＆＃34;随机数作为种子。唉，每次都不能简单地重新设置，因为这样的硬件生成速度很慢。