Чому руніф не створює однаковий результат кожного разу?

11

Чому так, що генератори випадкових чисел, як runif()у R, не створюють однаковий результат кожного разу?

Наприклад:

X <- runif(100)
X

щоразу генерує різні результати.

Яка причина щоразу створювати різні результати?

Які функції функціонують у фоновому режимі для цього?

r algorithms random-generation uniform

— Хімабінду Кунані
джерело

3

Один із способів задуматися над цим - запитати себе: "чи хочете ви, щоб ваш генератор випадкових чисел генерував однакові числа кожного разу?"

— shadowtalker

2

@ssdecontrol: Дивіться Ділберта

— Генрі

2

Або xkcd

— Генрі

18

По суті це насправді не просто питання R; це стосується генерації випадкових чисел загалом.

"Випадкові" числа дуже важливі у багатьох частинах статистики. Нам потрібні випадкові величини, які ми генеруємо, щоб мати певні властивості, і (як правило) багато зусиль йде на побудову генераторів випадкових чисел та перевірку їх властивостей.

Ідея полягає в тому, що ми хочемо отримати послідовність значень, які є хорошим проксі для фактично випадкових чисел. Звичайна робоча конячка генерації випадкових чисел - рівномірний розподіл (з цього ми побудуємо інші, як Гауссові випадкові числа).

Отже (найчастіше) чисельний алгоритм використовується для побудови послідовності цілих чисел, кожне з яких значень певної функції попередніх. Ці цілі числа потім масштабуються, щоб лежати між 0 і 1 (зазвичай ). $[0,1)$

Наприклад, багато хто просто працює над попереднім:

х_{1} = f (х_{0}) z_{1} = х_{1} / м х_{2} = f (х_{1}) z_{2} = х_{2} / м х_{3} = f (х_{2}) z_{3} = х_{3} / м ⋮

$x_1=f(x_0)\hspace{1cm}z_1=x_1/m\\ x_2=f(x_1)\hspace{1cm}z_2=x_2/m\\ x_3=f(x_2)\hspace{1cm}z_3=x_3/m\\ \vdots$

$x$ $z$ $f$

$x_0$

$x_3$

Дивіться ?runifв R, і ви зауважите, що він пояснює існування випадкових насінин із посиланням на довідку про те, ?.Random.seedщо пояснює велику кількість генераторів випадкових чисел, доступних у R (ви можете навіть поставити свій власний). Ця ж сторінка довідки пояснює, що якщо ви раніше не використовували генерацію випадкових чисел або не встановили насіння, то для початку насіння береться з годинника, а потім зберігається попереднє значення (так що наступне випадкове число, яке ви отримаєте, було б той самий, який ви отримали, якби минулого разу ви створили ще одне значення - воно запам'ятовує "куди вам належить").

Функція runifв R (як і чимало інших процедур генерації випадкових чисел у інших пакунках, які зазвичай можуть робити щось подібне) знає про місце зберігання насіння випадкових чисел. Він постійно оновлює це значення в міру його продовження. Таким чином, він може працювати без явного передавання насіння, але він все одно використовує; якщо ви не дали цього, він просто використовує той, який він зберег останнім.

Що стосується того, чому він дає різні результати кожного разу (якщо ви не скажете йому надати одну і ту ж послідовність): це робиться, тому що одні й ті самі значення, як правило, виявляються дуже продуктивними - у нього не буде властивостей, які повторюються випадкова вибірка мала б, що робить її не дуже корисною для цілей, для яких ми використовуємо генератори випадкових чисел.

— Glen_b -Встановити Моніку
джерело

14

Ви повинні встановити випадкове насіння , щоб кожен раз отримувати однаковий результат. Використовуйте ? Set.seed для цього. Поміркуйте:

> runif(1)
[1] 0.6467259
> runif(1)
[1] 0.2101857
> set.seed(1)
> runif(1)
[1] 0.2655087
> set.seed(1)
> runif(1)
[1] 0.2655087

Вам може бути цікаво прочитати це: Причини використання функції set.seed .

— gung - Відновити Моніку
джерело

3

Хоча це пояснює механіку відтворення набору результатів, схоже, це не стосується самого питання, яке задається питанням, чому така поведінка не є автоматичною.

— whuber

@whuber, я думаю, питання тут не є віддаленою темою. Я проголосував за закриття миттєво і закрив би його, якби я мав цю привілей. Я розмістив це, щоб ОП не була з порожніми руками.

— gung - Відновіть Моніку

щоразу запускайте "set.seed (1)".

— Nip