Windows输出：

Question

在使用R runif并使用set.seed kind = NULL设置种子时，我们在代码中遇到了一种奇怪的情况（除非我弄错了，否则会解析为{{1}默认为kind = "default"）。

我们在调用"Mersenne-Twister"之前使用上游系统生成的（8位）唯一ID设置种子：

runif

这会将非常聚集在一起的值。

seeds = c(
  "86548915", "86551615", "86566163", "86577411", "86584144", 
  "86584272", "86620568", "86724613", "86756002", "86768593", "86772411", 
  "86781516", "86794389", "86805854", "86814600", "86835092", "86874179", 
  "86876466", "86901193", "86987847", "86988080")

random_values = sapply(seeds, function(x) {
  set.seed(x)
  y = runif(1, 17, 26)
  return(y)
})

当我们使用> summary(random_values) Min. 1st Qu. Median Mean 3rd Qu. Max. 25.13 25.36 25.66 25.58 25.83 25.94时，runif的这种行为就会消失，我们会得到看似更均匀分布的值。

kind = "Knuth-TAOCP-2002"

输出省略。

最有趣的是，这不会发生在Windows上 - 只发生在Ubuntu （下面是Ubuntu＆amp; Windows的random_values = sapply(seeds, function(x) { set.seed(x, kind = "Knuth-TAOCP-2002") y = runif(1, 17, 26) return(y) })输出）。

Windows输出：

sessionInfo

有人可以帮助了解发生了什么吗？

Ubuntu的

> seeds = c(
+   "86548915", "86551615", "86566163", "86577411", "86584144", 
+   "86584272", "86620568", "86724613", "86756002", "86768593", "86772411", 
+   "86781516", "86794389", "86805854", "86814600", "86835092", "86874179", 
+   "86876466", "86901193", "86987847", "86988080")
> 
> random_values = sapply(seeds, function(x) {
+   set.seed(x)
+   y = runif(1, 17, 26)
+   return(y)
+ })
> 
> summary(random_values)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  17.32   20.14   23.00   22.17   24.07   25.90

窗

R version 3.4.0 (2017-04-21)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 16.04.2 LTS

Matrix products: default
BLAS: /usr/lib/libblas/libblas.so.3.6.0
LAPACK: /usr/lib/lapack/liblapack.so.3.6.0

locale:
[1] LC_CTYPE=en_US.UTF-8          LC_NUMERIC=C                 
 [3] LC_TIME=en_US.UTF-8           LC_COLLATE=en_US.UTF-8       
 [5] LC_MONETARY=en_US.UTF-8       LC_MESSAGES=en_US.UTF-8      
 [7] LC_PAPER=en_US.UTF-8          LC_NAME=en_US.UTF-8          
 [9] LC_ADDRESS=en_US.UTF-8        LC_TELEPHONE=en_US.UTF-8     
[11] LC_MEASUREMENT=en_US.UTF-8    LC_IDENTIFICATION=en_US.UTF-8

attached base packages:
[1] parallel  stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] RMySQL_0.10.8               DBI_0.6-1                  
 [3] jsonlite_1.4                tidyjson_0.2.2             
 [5] optiRum_0.37.3              lubridate_1.6.0            
 [7] httr_1.2.1                  gdata_2.18.0               
 [9] XLConnect_0.2-12            XLConnectJars_0.2-12       
[11] data.table_1.10.4           stringr_1.2.0              
[13] readxl_1.0.0                xlsx_0.5.7                 
[15] xlsxjars_0.6.1              rJava_0.9-8                
[17] sqldf_0.4-10                RSQLite_1.1-2              
[19] gsubfn_0.6-6                proto_1.0.0                
[21] dplyr_0.5.0                 purrr_0.2.4                
[23] readr_1.1.1                 tidyr_0.6.3                
[25] tibble_1.3.0                tidyverse_1.1.1            
[27] rBayesianOptimization_1.1.0 xgboost_0.6-4              
[29] MLmetrics_1.1.1             caret_6.0-76               
[31] ROCR_1.0-7                  gplots_3.0.1               
[33] effects_3.1-2               pROC_1.10.0                
[35] pscl_1.4.9                  lattice_0.20-35            
[37] MASS_7.3-47                 ggplot2_2.2.1              

loaded via a namespace (and not attached):
[1] splines_3.4.0      foreach_1.4.3      AUC_0.3.0          modelr_0.1.0      
 [5] gtools_3.5.0       assertthat_0.2.0   stats4_3.4.0       cellranger_1.1.0  
 [9] quantreg_5.33      chron_2.3-50       digest_0.6.10      rvest_0.3.2       
[13] minqa_1.2.4        colorspace_1.3-2   Matrix_1.2-10      plyr_1.8.4        
[17] psych_1.7.3.21     XML_3.98-1.7       broom_0.4.2        SparseM_1.77      
[21] haven_1.0.0        scales_0.4.1       lme4_1.1-13        MatrixModels_0.4-1
[25] mgcv_1.8-17        car_2.1-5          nnet_7.3-12        lazyeval_0.2.0    
[29] pbkrtest_0.4-7     mnormt_1.5-5       magrittr_1.5       memoise_1.0.0     
[33] nlme_3.1-131       forcats_0.2.0      xml2_1.1.1         foreign_0.8-69    
[37] tools_3.4.0        hms_0.3            munsell_0.4.3      compiler_3.4.0    
[41] caTools_1.17.1     rlang_0.1.1        grid_3.4.0         nloptr_1.0.4      
[45] iterators_1.0.8    bitops_1.0-6       tcltk_3.4.0        gtable_0.2.0      
[49] ModelMetrics_1.1.0 codetools_0.2-15   reshape2_1.4.2     R6_2.2.0          
[53] knitr_1.15.1       KernSmooth_2.23-15 stringi_1.1.5      Rcpp_0.12.11

Answer 1

注意：此答案总结了在R-devel邮件列表中对此问题进行讨论的要素。我只是试图捕捉和总结那里最初提出的想法。

尽管您保证这些数字不是特殊构造的边缘情况，但它们的每一个外观都是如此。这是原始序列加上用于检查所产生值的分布的代码：

seeds = c(
    86548915, 86551615, 86566163, 86577411, 86584144, 86584272,
    86620568, 86724613, 86756002, 86768593, 86772411, 86781516,
    86794389, 86805854, 86814600, 86835092, 86874179, 86876466,
    86901193, 86987847, 86988080)
checkit <- function(seeds) {
    sapply(seeds, function(x) {
        set.seed(x)
        y = runif(1, 17, 26)
        return(y)
    })}

如上所述，原始序列显示出极小的变异：

  summary(checkit(seeds+0))
  ## Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  ##25.13   25.36   25.66   25.58   25.83   25.94

原始序列似乎有一些特殊之处，因为对它的最小修改不会产生同样令人惊讶的结果：

summary(checkit(seeds+1))
## Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
## 17.18   19.65   22.75   22.02   24.37   25.79

summary(checkit(seeds-1))
## Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##17.15   18.44   19.92   20.77   22.97   25.95

在原始序列跨越的范围内的所有种子中，预期数量在观察范围内产生值：

possible.seeds <- min(seeds):max(seeds)

s25 <- Filter(function(s){
    set.seed(s)
    x <- runif(1,17,26)
    x > 25.12 & x < 25.95},
    possible.seeds)

length(s25)/length(possible.seeds)
##[1] 0.09175801

然而，原始序列中的所有值都在这个子集中（当然我们已经知道了......）。

table(seeds %in% s25)

##TRUE 
##  21

所有这些都指出原始序列实际上是一个（可能是无意的）特殊构造的边缘情况的可能性。

Answer 2

当您使用Mersenne Twister使用单个种子时，可以合理地假设生成的值大致独立且分布相同。不幸的是，不能保证从不同种子开始的两个流生成的值。例如，请参阅this SC thread。

在您的情况下，我建议使用SC线程中建议的种子选择策略之一，或者切换到PRNG，以更好地保证并行流。一个选择是L＆＃39; Ecuyer＆＃34; RngStreams＆＃34;发生器：

var_dump($terminators);
array(3) {
  [0]=>
  string(11) "Terminator1"
  [1]=>
  string(11) "Terminator2"
  [2]=>
  string(11) "Terminator3"
}

即使有那个PRNG，我也不知道你是否仍然认为你可以用任意种子播种PRNG并获得大致独立的流。

就Ubuntu和Windows之间的区别而言，其中一个系统使用的是32位发生器，而另一个系统使用的是64位。

Answer 3

作为您的序列是边缘情况的进一步证据，您可以专注于构造的推定随机值的范围。 17和26有点分散注意力。在0和1上使用制服重复实验会产生同样不可能的事情：

f <- function(x) {
  set.seed(x)
  runif(1)
}

 check_range <-function(seeds){
   vals <- sapply(seeds,f)
   max(vals)-min(vals)
}

当你的种子遭遇时：

> check_range(seeds)
[1] 0.09026112

在21个随机种子上运行时check_range(seeds)的合理模型是它是抽取大小为21 U(0,1)的随机样本的样本范围。它的theoretical density由下式给出：

f <- function(x){420*x^19*(1-x)}

我们可以用它来计算观察0.09或更小范围的概率：

> integrate(f,0,0.09)
2.334272e-20 with absolute error < 2.6e-34

如果检查在播种Mersenne Twister时模拟样品范围是合理的，您可以进行以下实验：

ranges <- replicate(1000,check_range(sample(8548915:86988080,21)))
x <- seq(0,1,0.01)
y <- f(x)
hist(ranges,freq = FALSE,xlim =c(0,1))
points(x,y,type = "l")
abline(v=0.09)

输出：

密度直方图合理地遵循理论密度。你问题中的21粒种子代表了一个极端异常值。它不太可能是偶然的，也不太可能是由于Mersenne Twister的一些潜在缺陷。最可能的解释是Mersenne Twister本身参与产生这21个值（但当然不是简单地使用sample()绘制21个值的天真方式）。

R：来自runif的随机值与Mersenne-Twister种子的极端聚集

Windows输出：

Ubuntu的

窗

3 个答案: