VG
Ничего, не переживай. Каждый пристроит своего Олега рано или поздно
😁
Size: a a a
2020 February 06
SR
LA
попугай ест щенка?
EK
расхотелось смотреть 😕
LA
ну он ток по-началу, а потом ездит на нем)
PR
расхотелось смотреть 😕
Там милота милейшая! Посмотри.
МС
Я тут с очередным странным вопросом.
Сколько раз надо запустить генератор случайных чисел, чтобы понять, что он работает?
Сколько раз надо запустить генератор случайных чисел, чтобы понять, что он работает?
ИД
Я тут с очередным странным вопросом.
Сколько раз надо запустить генератор случайных чисел, чтобы понять, что он работает?
Сколько раз надо запустить генератор случайных чисел, чтобы понять, что он работает?
Случайное количество раз
МС
И получить случайный результат?
PR
И получить случайный результат?
Если он будет не случайный, значит не работает.
МС
Вот в том и прикол, что общепринятых методик я не нашёл. Есть список от MIT, там всё сводится к "если такая комбинация выпадает <1%, то считаем случайным", но как-то это не серьёзно.
VK
Я тут с очередным странным вопросом.
Сколько раз надо запустить генератор случайных чисел, чтобы понять, что он работает?
Сколько раз надо запустить генератор случайных чисел, чтобы понять, что он работает?
Предлагаю такую методику:
1) Понять какое распределение случайных числе мы ожидаем от генератора. Как правило, либо равномерное, либо Гаусово.
2) Понять с какой-точностью мы хотим определнить, что предлагаемое распределение соответствует ожидаемому.
Ну а дальше посчитать мат.модель с обязательно границей вероятности по пункту 2.
Например, мы выбираем гаусово распределение известными матожиданием и сигмой. Выпадает первое число и, например, не попадает в 3-сигма. Значит с вероятностью 99,6 распределение не верное — именно такая вероятность, что одно случайно взятое число не попадет в 3 сигма.
1) Понять какое распределение случайных числе мы ожидаем от генератора. Как правило, либо равномерное, либо Гаусово.
2) Понять с какой-точностью мы хотим определнить, что предлагаемое распределение соответствует ожидаемому.
Ну а дальше посчитать мат.модель с обязательно границей вероятности по пункту 2.
Например, мы выбираем гаусово распределение известными матожиданием и сигмой. Выпадает первое число и, например, не попадает в 3-сигма. Значит с вероятностью 99,6 распределение не верное — именно такая вероятность, что одно случайно взятое число не попадет в 3 сигма.
VK
Другой пример. Генератор выдает равномерное распределение от 0 до 9.
Выпадает 9, 9, 9 — вероятность этого события в случае такого распределения 0.01 (я рассматриваю событие, что второе и третье число такое же, как первое.)
Значит с вероятностью 99% генератор сломан.
Если нас такой ответ не устраивает, то запускаем его снова. И так далее
Выпадает 9, 9, 9 — вероятность этого события в случае такого распределения 0.01 (я рассматриваю событие, что второе и третье число такое же, как первое.)
Значит с вероятностью 99% генератор сломан.
Если нас такой ответ не устраивает, то запускаем его снова. И так далее
МС
Так, а сколько раз запускать-то?
МС
Пока ответ не понравится?
VK
Смотря с какой точностью мы хотим определить работает он или нет. 100% не будет никогда.
МС
Сейчас надо посидеть пообдумывать это. Спасибо.
SI
На всякий случай напомню, что программные генераторы псевдослучайные
EK
Кто подскажет как назывался сериал, вроде у Нетфликс, про ходячих мертвецов в средневековом Китае ?