伪随机数[均匀分布的伪随机数]
币安(Binance)最新可用网址（点击下图直达注册！）
今天给各位分享伪随机数的知识，其中也会对均匀分布的伪随机数进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，如果有不同的见解与看法，请积极在评论区留言，现在开始进入正题！
所谓真伪随机其实分别指的是几率和概率。
所谓概率，用Dota里话说，就是出现得并不规律，但是大致上就是这么多次数。比如17％，如果是每2000次为一周期，那么17％意味着，尽管你不确定这340次究竟会什么时候出现，但2000次中必然出现340次，不多一次也不会少一次。貌似这就是伪随机了。概率事件之间相互影响，一旦这一次没有触发，那么下一次触发的概率就会变大。形象而言，概率事件就好比，一个班有50位同学抓阄抽奖，纸条总计50个，其中10个有有奖，40个没奖。可以确定，按理说每个人平均都有20％的中奖可能。一旦第一位同学没有抽到，那么剩下同学平均中奖的可能性就会从20％提高到20.40％，以此类推，如果前10位同学都没有中奖，那么剩下同学中奖概率将提高到平均25％。但是不管谁中谁没中，最后横竖只有20％的人中奖。这就是20％的中奖概率。
而真随机则是指几率。比如17％的几率，意味着你这次触发特殊事件是17％的可能性，下次也是，每一次都是。如果你这次失败，下次依然保持在17％的可能性。。同样使用上面抽奖的例子，这次把20％概率换成20％的几率，那么就成了这样了：50个同学，每人会得到一个装着50张纸条的盒子，其中有10张有奖，40张不中奖，每人可以抽10张纸条。那么这时候，大家抽奖就是个抽各的，互不影响。你抽中了不会导致别人中或者不中，这就是几率，意味着事件之间毫无联系，说不定50个人总计可以抽到1000张全部奖品，或者50人全部空手而回。虽然同样是20％的可能性，概率是所有事件相互影响，总体可能性保持在20％，而几率是所有事件相互独立，单次可能性保持在20％，但总体中奖分布则在0到100％之间浮动。
现在的计算机还无法产生一个真正的随机数，它能产生的随机数都是伪随机数，在这方面它跟人脑还没法比，但是它有强大的计算功能，可以通过复杂的计算弥补这一缺点。 存在一个基本的随机率m，被的随机率都以m和固有概率共同计算，如网络游戏中攻击力的浮动，装备的精炼。m=f(t)是时间t的函数，t至少精确到0.01秒。t还是一个周期较大的周期函数.因为计算机是结构,条理非常清晰的数理逻辑. 它所执行的东西都是按照人们编好的程序一步一步来的. 所以这并不是真正的随机.举个例子来说,你玩过网游吧,一般的游戏里都有本地图内随机传送的技能或物品. 如果真随机的话,你无限次传送可以到达任何一个地方. 但如果伪随机的话，无限次传送之后有些地方仍然是无法到达的。 计算机通过复杂得计算，让大家看起来好像是数据之类的东西是处于随机状态的，但是他还是有一定的规律。真正的随机，没办法预测下一步。
结构可以预先确定，可重复产生和复制，具有某种随机序列随机特性的序列码。伪随机码序列一般可以利用移位寄存器网络产生，该网络由R级串联双态器件移位脉冲产生器和模二加法器组成。该网络可以产生码长为15的伪随机码。在计算机、通信系统中我们采用的随机数、随机码均为伪随机数、伪随机码。所谓“随机码”，就是无论这个码有多长都不会出现循环的现象，而“伪随机码”在码长达到一定程度时会从其第一位开始循环，由于出现的循环长度相当大，例如CDMA采用42的伪随机码，重复的可能性为4.4万亿分之一，所以可以当成随机码使用。 中文名：伪随机码 利用：移位寄存器网络产生 例如：CDMA采用42的伪随机码 特点：结构可预先确定，重复产生和复制
一般地，伪随机数的生成方法主要有以下3种：
（1） 直接法（Direct Method），根据分布函数的物理意义生成。缺点是仅适用于某些具有特殊分布的随机数，如二项式分布、泊松分布。
（2） 逆转法（Inversion Method），假设U服从[0，1]区间上的均匀分布，令X=F-1（U），则X的累计分布函数（CDF）为F。该方法原理简单、编程方便、适用性广。
（3）接受拒绝法（Acceptance-Rejection Method）：假设希望生成的随机数的概率密度函数（PDF）为f，则首先找到一个PDF为g的随机数发生器与常数c，使得f（x）≤cg（x），然后根据接收拒绝算法求解。由于算法平均运算c次才能得到一个希望生成的随机数，因此c的取值必须尽可能小。显然，该算法的缺点是较难确定g与c。
因此，伪随机数生成器（PRNG）一般采用逆转法，其基础是均匀分布，均匀分布PRNG的优劣决定了整个随机数体系的优劣[7]。下文研究均匀分布的PRNG。
计算机不会产生绝对随机的随机数，计算机只能产生“伪随机数”。其实绝对随机的随机数只是一种理想的随机数，即使计算机怎样发展，它也不会产生一串绝对随机的随机数。计算机只能生成相对的随机数，即伪随机数。
随机数三个特性
1、随机性：完全乱序；
2、不可推测性：从已有的数，无法推测出下一个数；
3、不可重复性：随机数之间不重复。
真随机数是伴随着物理实验的，比如：抛硬币、掷骰子、电子元件的噪音、核裂变等，它的结果符合三大特性的。
伪随机数
伪随机数是通过一定算法，获得一个随机的值，并不是真的随机。伪随机又分为强伪随机数和弱伪随机数。强伪随机数：更加贴近真随机数，满足特性的。随机性和不可推测性，难以预测。弱伪随机数：满足随机性，可以预测。
相信经过东方区块链网小编对伪随机数和均匀分布的伪随机数的介绍，你对伪随机数了解更加地透彻了，感谢你对我们地支持与关注！