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！
