随机数生成
说明
.随机.种子是一个整数向量，包含随机数发电机状态用于在中生成随机数R（右）.它可以保存和恢复，但用户不应更改。
RNG种类是更友好的查询或设置类型的界面使用中的RNG。
RNG版本可以用来设置随机生成器在更早的时候R（右）版本（用于再现性）。
设置种子是指定种子的推荐方式。
用法
.随机种子<-c（rng.kind，n1，n2，…）RNGkind（kind=NULL，normal.kind=NULL，sample.kind=NULL）RNG版本（vstr）set.seed（seed，kind=NULL，normal.kind=NULL，sample.kind=NULL）
论据
友善的 |
字符或无效的.如果友善的是一个字符字符串，集合R（右）的RNG达到所需类型。使用“默认”到返回到R（右）违约。请参阅“详细信息”以了解解释无效的.
|
正常.kind |
字符串或无效的.如果它是一个字符字符串，设置Normal生成的方法。使用“默认”返回到R（右）违约。无效的没有改变。
|
样品.种类 |
字符串或无效的.如果它是一个字符字符串，设置离散均匀生成方法（用于样品例如）。使用“默认”返回到这个R（右）违约。无效的没有任何改变。
|
种子 |
单个值，解释为整数，或无效的（请参阅“详细信息”）。
|
电压互感器 |
包含版本号的字符串，例如。，"1.6.2"当前的默认RNG配置R（右）如果电压互感器大于当前版本。
|
rng.种类 |
整数代码0:k个对于上述内容友善的.
|
n1、n2。。。 |
整数。查看所需数量的详细信息（这取决于rng.种类).
|
细节
下面给出了当前可用的RNG类型。友善的是与此列表部分匹配。默认值为“梅森扭转器”.
“Wichmann-Hill”-
种子，.随机.seed[-1]==r[1:3]是的整数向量长度3，其中每个r（i）在中1:（p[i]-1），其中第页是素数的长度3向量，p=（3026930307，30323).Wichmann–Hill发电机的循环长度为6.9536e12(=触头（p-1）/4，请参阅应用统计学(1984)33，123修正了原始文章）。它显示了TestU01 Crush套件中的12个明显故障和22个在BigCrush套房(欧库耶, 2007).
“Marsaglia-Multicarry”:-
一个乘法运算按照George的建议，使用RNGMarsaglia在他的邮件列表中科学.统计.马赫’.它的周期超过2^60.
它展示了L'Ecuyer的TestU01 Crush套件中的40个明显故障。结合Ahrens-Dieter或Kinderman-Ramage展出单变量分布与正态分布的偏差生成。有关讨论，请参见\Sexpr[results=rd]{tools:：：rd_expr_PR（18168）}。
种子是两个整数（允许所有值）。
“超级超级”:-
Marsaglia 70年代著名的Super-Duper具有以下功能的版本不通过Diehard的MTUPLE测试蓄电池。它有一个周期关于4.6*10^18对于大多数初始种子。种子是两个整数（全部第一个种子允许的值：第二个种子必须是奇数）。
我们使用Reeds的实现等(1982–84).
这两个种子是Tausworks和同余长整数，分别是。S的一对一映射.随机.种子[1:12]是可能的，但我们不会发布一个，尤其是作为此生成器是不与最近版本的S-PLUS完全相同。
它在TestU01 Crush套件中显示了25个明显的故障(L'Ecuyer公司, 2007).
“梅森扭转器”:-
摘自松本和西村（1998）；代码于2002年更新。具有周期的扭曲GFSR2^19937 - 1和623年的均布连续维度（整个期间）。“种子”是624维32位整数集加上中的当前位置那套。
由于B.D.Ripley的原因，R使用了自己的初始化方法，并且不受1998年代码中初始化问题的影响松本和西村在2002年的更新中进行了讨论。
它显示了TestU01破碎和BigCrush套房(L'Ecuyer公司, 2007).
“Knuth-TAOCP-2002”:-
使用滞后斐波那契序列的32位整数GFSR减法。也就是说，使用的循环是
X[j]=（X[j-100]-X[j-37]）修改版2^30
“种子”是最后100个数字的集合（实际上记录为101个数字，最后一个是缓冲器）。这段时间已经过去了2^129.
“Knuth-TAOCP”:-
Knuth（1997）的早期版本。
2002版与早期版本不向后兼容版本：种子对GFSR的初始化发生了更改。R（右）报道称，不允许你选择连续种子“软弱”，已经把种子炒了。否则，该算法与Knuth-TAOCP-2002相同滞后斐波那契递推公式。
此生成器的初始化在解释中完成R（右）代码因此需要很短但值得注意的时间。
它在TestU01 Crush套件中显示出3个明显的故障BigCrush套件中的4个明显故障(L'Ecuyer公司, 2007).
“L'Ecuyer-CMRG”:-
来自L'Ecuyer的“组合多递归生成器”（1999），其中每个元素都是一个反馈乘法具有三个整数元素的生成器：因此种子是一个（有符号）长度为6的整数向量。这段时间已经过去了2^191.
种子的6个元素在内部被视为32位无符号整数。前三个和后三个都没有应全部为零，并且限制为小于4294967087和4294944443分别是。
这本身并不特别有趣，但提供了包中使用的多个流的基础平行.
它显示了TestU01破碎和BigCrush套房(L'Ecuyer公司, 2007).
“用户提供”:-
使用用户提供的生成器。请参见随机.user对于细节。
正常.kind可以是“Kinderman-Ramage”,“Buggy Kinderman Ramage”（不适用于设置种子),“Ahrens Dieter”,“拉箱子”,“反转”（默认），或“用户提供”.（有关反转，请参见中的引用q范数Kinderman Ramage发电机用于1.7.0之前的版本（现在称为“车”)有几个近似误差，只能用于复制旧的结果。这个“拉箱子”生成器是有状态的法线是按顺序生成和返回的。状态重置无论何时选择它（即使它是当前正常发电机）以及何时友善的已更改。
样品.种类可以是“舍入”或“拒绝”,或部分匹配。前者是版本中的默认值3.6.0之前：样品明显不均匀并且只应用于老年人的繁殖结果。有关讨论，请参见\Sexpr[results=rd]{tools:：：rd_expr_PR（17494）}。
设置种子使用单个整数参数设置尽可能多的种子根据需要。这是一种简单的方式，可以让你变得与众不同通过指定小整数参数来种子，也可以作为获取对于更复杂的方法（尤其是“梅森扭转器”和“Knuth-TAOCP”). 没有保证不同的值种子将为RNG播种不同的是，尽管任何例外都极为罕见。如果用呼叫种子=空它会重新初始化（请参阅“注释”）好像还没有下过种子。
使用kind=空,normal.kind=空或sample.kind=空在里面RNG种类或设置种子选择当前使用的生成器（包括上一个会话中使用的生成器，如果工作区已恢复）：如果未使用生成器，则选择“默认”.
价值
.随机.种子是一个整数向量，其第一个要素代码RNG和普通发电机的类型。最低的两个十进制数字在0：（k-1）哪里k个是可用RNG的数量。数百人表示正常发电机的类型（从0)、和万表示离散均匀采样器的类型。
在基础C中，.随机.种子[-1]是未签名的;因此在R（右） .随机.种子[-1]可以是负数，因为用有符号整数表示无符号整数。
RNG种类返回RNG的三元素字符向量，选择的常规和样本类型之前呼叫，如果两个参数都不是无效的。类型作为默认设置，通过调用选择RNG种类或通过设置.随机.种子在工作区中。（注意：之前R（右）3.6.0第一次在一个双元素字符向量中返回了两种类型。）
RNG版本返回与相同的信息RNG种类关于特定中的默认值R（右）版本。
设置种子收益无效的，无形中。
注释
最初，没有种子；从当前的时间和进程ID（如果需要）。因此不同默认情况下，会话将提供不同的模拟结果。然而，如果以前的已保存的工作空间将被恢复。
.随机.种子保存统一随机数的种子集发电机，至少用于系统发电机。它没有必须保存其他发电机的状态，尤其是不保存Box–Muller法线生成器的状态。如果你愿意稍后要复制工作，请致电设置种子（最好与的显式值友善的和正常.kind)而不是设置.随机.种子.
对象.随机.种子仅在用户的工作区。
不要依赖RNG中低阶位的随机性。大多数提供的统一生成器返回32位整数值转换为双打，所以他们最多只能拿2^32不同的值和长时间运行将返回重复值（Wichmann-Hill为异常，并且都给出了至少30个不同的位。）
作者
RNGkind:Martin Maechler。当前实施，B.D.Ripley由邓肯·默多克修改。
工具书类
Ahrens，J.H.和Dieter，U.（1973年）。Forsythe方法在正态随机抽样中的推广分配。计算数学,27, 927–937.
Becker，R.A.、Chambers，J.M.和Wilks，A.R.（1988）。新S语言.沃兹沃思和布鲁克斯/科尔。(设置种子，存储在中.随机.种子.)
Box，G.E.P.和Muller，M.E.（1958年）。关于生成正态随机偏差的注记。数理统计年报,29, 610–611.\Sexpr[results=rd，stage=build]{tools:：：rd_expr_doi（“10.1214/aoms/11770706645”）}。
De Matteis，A.和Pagnutti，S.（1993年）。Wichmann-Hill随机数的长程相关分析发电机。统计与计算,三, 67–70.\Sexpr[results=rd，stage=build]{tools:：：rd_expr_doi（“10.1007/BF00153065”）}。
Kinderman，A.J.和Ramage，J.G.（1976年）。正态随机变量的计算机生成。美国统计协会杂志,71,893–896.\Sexpr[results=rd，stage=build]{tools:：：rd_expr_doi（“10.2307/2286857”）}。
Knuth，D.E.（1997）。计算机编程的艺术.第二卷，第三版。
源代码位于https://www-cs-学院.stanford.edu/~knuth/taocp.html.
Knuth，D.E.（2002）。计算机编程的艺术.第二卷，第三版，第九次印刷。
L'Ecuyer，P.（1999）。组合多重递归的良好参数和实现随机数生成器。运筹学,47, 159–164.\Sexpr[results=rd，stage=build]{tools:：：rd_expr_doi（“10.1287/opre.47.1159”）}。
L'Ecuyer，P.和Simard，R.（2007）。TestU01：随机数生成器经验测试的C库ACM数学软件汇刊,33，第22条。\Sexpr[results=rd，stage=build]{tools:：：rd_expr_doi（“10.1145/126877.1268777”）}。
TestU01 C库可从http://simul.iro.umontreal.ca/testu01/tu01.html或者也可以https://github.com/umontreal-simul/TestU01-2009.
Marsaglia，G.（1997年）。C语言的随机数生成器.讨论稿，发布在Usenet新闻组科学.统计.马赫在1997年9月29日。
Marsaglia，G.和Zaman，A.（1994年）。一些便携式超长周期随机数生成器。物理学中的计算机,8, 117–121.\Sexpr[results=rd，stage=build]{tools:：：rd_expr_doi（“10.1063/1.168514”）}。
Matsumoto，M.和Nishimura，T.（1998年）。梅森捻线器：623维均匀分布伪随机数发生器，美国计算机学会模型和计算机仿真汇刊,8, 3–30.
源代码以前位于http://www.math.keio.ac.jp/~matumoto/emt.html.
现在看看http://www.math.sci.hiroshima-u.ac.jp/~m-mat/MT/VERSIONS/C-LANG/C-LANG.html.
Reeds，J.、Hubert，S.和Abrahams，M.（1982–4）。加州大学伯克利分校SuperDuper的C实现。（吉姆·里兹与罗斯·伊哈卡的私人交流。）
Wichmann，B.A.和Hill，I.D.（1982年）。算法AS 183：一种高效可移植的伪随机数发电机。应用统计学,31, 188–190; 评论：34、198和35, 89.\Sexpr[results=rd，stage=build]{tools:：：rd_expr_doi（“10.2307/2347988”）}。
另请参阅
样品用于随机抽样，包括更换和不更换。
随机变量生成函数的分布标准分布。
示例
需要（统计）##为当前RNG设定种子，即设置RNG状态结实种子（42）；u1<-runif（30）结实种子（42）；u2<-runif（30）#由于相同的RNG状态而相同：stopifnot（相同（u1，u2））##默认的随机种子是626个整数，所以只打印几个runif（1）。随机种子[1:6]；运行（1）。随机种子[1:6]##如果没有种子，则会创建一个“随机”新种子：rm（.Random.seed）；运行（1）。随机种子[1:6]确定<-RNGkind（）RNGkind（“Wich”）#（“kind”上的部分字符串匹配）##这显示了“runif（.）”如何用于Wichmann-Hill，##仅使用R函数：p.WH<-c（30269、30307、30323）a.WH<-c（171、172、170）下一步。WHseed<-函数（i.seed=.Random.seed[-1]）{（a.WH*i.seed）%%p.WH}my.runif1<-函数（i.seed=.Random.seed）{ns<-next.WHseed（i.seed[-1]）；总和（ns/p.WH）%%1}set.seed（1998-12-04）#（当下一行添加到souRce时）rs<-。随机种子（WHs<-下一个.WHseed（rs[-1]））u<-运行（1）斯托皮夫诺(下一步。WHeed（rs[-1]）==。随机种子[-1]，all.equal（u，my.runif1（rs））)## ----.随机.种子RNGkind（“Super”）#匹配“Super Duper”RNGkind（）.Random.seed#new，对应于Super-Duper##重置：RNGkind（合格[1]）RNGversion（getRversion（））#此R版本的默认版本## ----sum（duplicated（runif（1e6））#对于默认生成器大约为110##我们预计几乎肯定会有重复qbirthday（1-1e-6，classes=2e9）#235000
