什麼是偽隨機數與真隨機數？

隨機數 計算機使用的隨機數是偽隨機數的一種，生成偽隨機數的演算法多種多樣，甚至還有硬體隨機數生成器，但它們也是偽隨機數。

真隨機數符合正態分佈，它們的生成是不可重複的，真隨機數在本質上幾乎不存在。 但是，如果隨機數可以被複製的可能性很小，則將其視為隨機數，稱為偽隨機數。

以下演算法描述了一種非常簡單的偽隨機數生成演算法，該演算法生成 0 到 1 之間的隨機數。

因為它是乙個偽隨機數，知道隨機數演算法和種子，所以它總是可以達到隨機數序列中任意隨機數的值，所以一般來說，種子被設定為使用當前時間的毫秒，以保證隨機數序列的不可重複性。

隨機數的應用非常廣泛，使用常見的加密和解密，以及隨機篩選、概率計算等。 另乙個常見的例子是雜湊表的計算，它利用了相同的種子可以得到相同的隨機序列這一事實，並使用隨機函式作為雜湊函式。

一般來說，偽隨機數就足夠了，但需要乙個真正的隨機數生成器才能通過程式獲得嚴格而嚴肅的統計結果。 例如，如果你正在設計乙個大規模的**程式，偽隨機數的使用肯定會受到質疑。

這個**提供了乙個真實的隨機數序列，它是由大氣雜訊產生的，這是一種自然界的隨機現象。

您可以通過 http、soap、corba 等在程式中請求特定的隨機數字序列，並且有詳細的介面文件。

一般來說，生成偽隨機數的方法主要有三種：

1）直接方法，基於分布式DAO函式的物理原理。

版本含義生成。 權重的缺點是它們僅適用於某些具有特殊分布的隨機數，例如二項分布和泊松分布。

2）反演法，假設u服從[0,1]區間的均勻分布，使x=f-1（u），則x的累積分布函式（cdf）為f。 該方法原理簡單，程式設計方便，適用性廣。

3）驗收-拒絕法：假設要生成的隨機數的概率密度函式（pdf）為f，則先找到乙個帶有pdf g和常數c的隨機數生成器，使f（x） cg（x），然後根據驗收拒絕演算法求解。由於演算法平均 c 次才能獲得它想要生成的隨機數，因此 c 的值必須盡可能小。

顯然，這種演算法的缺點是難以確定 g 和 c。

因此，偽隨機數生成器（PRNGs）一般採用基於均勻分布的反轉方法，均勻分布PRNG的優缺點決定了整個隨機數系統的優缺點[7]。 下面將研究均勻分布的PRNG。

所謂真假隨機性，其實分別是指概率和概率。 所謂概率，用Dota的話來說，就是不規則地發生，但大致就是這麼多次。 例如，如果 17 是 2000 次的迴圈，那麼 17 表示雖然你不確定這 340 次的確切時間，但 2000 次中一定有 340 次，不超過 1 次，也不少於 1 次。

這似乎是偽隨機的。 概率事件相互影響，一旦這一次沒有被觸發，那麼下一次觸發的概率就會更大。 在形象上，概率事件就像，乙個班級有50個學生抽籤，總共有50個音符，其中10個有獎，40個沒有獎。

按理說，每個人平均有 20 次獲勝的機會。 一旦第乙個學生沒有抽獎，那麼剩下的學生中獎的平均概率將從20增加到20，依此類推，如果前10個學生沒有中獎，那麼剩下的學生中獎的概率將增加到平均25。 但無論誰中獎或不中獎，只有 20 人中了彩票。

這是在 20 歲時中獎的概率。 另一方面，真正的隨機性是指概率。 例如，一些分散的冰雹率為 17 意味著您這次有 17 的幾率觸發特殊事件，下一次，每次。

如果這次失敗了，下次留在17的機會仍然存在。 同樣以上面**為例，這次將 20 的概率替換為 20 的概率，然後變成這樣：50 名學生，每人將獲得乙個裝有 50 張紙幣的盒子，其中 10 個有獎品，40 個沒有中獎，每人可以抽取 10 張紙幣。

這個時候，大家都是乙個幫浦，互不影響。 如果你贏了，你不會贏或錯過別人，這就是機會，這意味著事件之間沒有聯絡，也許 50 個人可以一共抽到 1,000 個獎品，或者所有 50 個人都會空手而歸。 雖然 20 的概率是所有事件相互影響並且總體概率保持在 20，而概率是所有事件彼此獨立並且單個事件的概率保持在 20，但總體獲勝分布在 0 到 100 之間波動。

計算機不能產生絕對隨機數，計算機只能產生“偽隨機數”。 事實上，絕對隨機的隨機數只是乙個理想的隨機數，無論計算機如何發展，它都不會產生一串帶輪子的絕對隨機數。 計算機只能生成相對隨機數，即偽隨機數。

1.隨機性：完全亂序;

3.非重複性：隨機數之間沒有重複。

真隨機數伴隨著拋硬幣、擲骰子、電子元件雜訊、核裂變等物理實驗，其結果符合三大特徵。 談談這封信。

偽隨機數是通過某種演算法得到的，得到乙個隨機值，這個值並不是真正的隨機值。 偽隨機又分為強偽隨機數和弱偽隨機數。 強偽隨機數：

它更接近真隨機數並滿足特殊一致性。 隨機性和不可保證性，困難**。 弱偽隨機數：

隨機性得到滿足，而且可以。

真正意義上的隨機數（或隨機事件）是根據實驗過程中在一定生成過程中表達的分布概率隨機生成的，結果是不可見的。 計算機中的隨機函式根據一定的演算法進行模擬，結果是確定的和可見的。 我們可以認為這個可預測的結果有 100% 的概率發生。

因此，計算機的隨機函式生成的“隨機數”不是隨機的，它是乙個偽隨機數。