有一致性测试可以判断特定的RNG方法（可编程或机械方法）是否接近所谓的真随机数 https://en.m.wikipedia.org/wiki/Statistical_randomness
它基于这样的假设：真正的随机数不应该有任何模式和规律。我想简而言之，他们试图确保大量数据中的“平均分配”，但同质或相等的分布是另一种规律性（A模式），这不会违反原始随机性理论吗？
我使用随机数函数（javascript）制作了股票图表（交易），它绘制了一个非常类似于自然股票市场图表的图表，我想知道使用这种技术会产生什么影响？
我并不担心“真正的随机性”（如果有这样的东西）但是用于批准那些算法的一致性测试可能是一个问题，图表是范围限制的，它有短暂的趋势，噪音和每次新的设计当我刷新。
我的代码是这样的：
初始化股价让我们说100.00，然后运行一个循环10k次，并调用随机函数（返回0到1）如果值小于0.5，我加0.1到原价或减去0.1，我也试过随机化0.1
答案 0 :(得分：1)
“平均分配”，在你的情况下可能是“均匀分布”意味着alghoritm是无状态的，每个值都有相同的概率出现，因此本身没有规律性。
真正的问题在于，均匀分布只是众多分布中的一种，它不是“正确的”分布，也不是真正的“随机”分布，这只是一种。
据我所知，交易并非“无国籍” - 某些产品的销售或购买会改变该产品的价值，从而改变了人们购买产品的方式。
一种方法是使用均匀分布来“统一”随机化输入，然后使用某种权重来决定接下来会发生什么（即，如果产品越来越昂贵，则数字越高（即0,8及以上）需要购买产品）
另一个问题是关于你提到的“真实随机性”......对于一些极其敏感的数据来说可能是个问题，否则当前的随机方法对于大多数目的而言都是“随机的”。