隨機數生成器說明

Question

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

我正在看教授給我的示例程序的源代碼，就遇到了這種RNG。 誰能解釋這個RNG的工作原理？

Answer 1

如果繪制這些點，您會看到這實際上會產生一個關於隨機函數均值的高斯分布（“正態”）。

按照C / C ++中的正態分布生成隨機數，談到隨機數的生成； 如果您所擁有的只是一個統一的數字生成器（如標准C中的代碼），這是一種非常常見的技術。

我在這里給您的是從函數中提取的100,000個值的直方圖（當然，如果您不熟悉python，則返回不打印）。 y軸是值出現的頻率，x軸是值的區間。 如您所見，平均值為1/2，通過3個標准差（占數據的99.7％），我們在該范圍內幾乎沒有值。 那應該很直觀； 我們“通常”獲得1/2，很少獲得.99999

Answer 2

看一下文檔。 它寫得很好： https : //docs.python.org/2/library/random.html

這個想法是，該程序會生成一個隨機數1000次，足以獲得0.5的均值

Answer 3

該程序使用中央極限定理 -具有有限方差的獨立且均勻分布的隨機變量X和漸近收斂到正態（aka高斯）分布，其均值是均值的總和，方差是方差的總和。 將其乘以N（ X的總和），得到樣本均值（即平均值）。 如果預期值X是μ和方差X是^σ2，樣本的預期值的意思是還μ並且它具有方差^σ2 / N。

由於Uniform（0,1）的均值為0.5，方差為1/12，因此您的算法所生成的結果將非常接近於正態分布，均值為0.5，方差為1/12000。 因此，有99.7％的結果應落在平均值的+/- 3標准偏差內，即在0.5 +/- 0.0274范圍內。

這是生成法線的一種極其低效的方法。 更好的替代方法包括Box-Muller方法， Polar方法或Ziggurat方法。

Answer 4

使這個隨機的原因是調用random（）函數。 random（）會在0和1之間生成1（出於大多數實際目的）隨機浮點​​數。

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

等等

其余的只是將每個隨機數加到總數上，然后除以隨機數，從本質上找到所有1000個隨機數的平均值，正如Cyber​​指出的那樣，這實際上根本不是一個隨機數。