난수 생성 예제

(int i = 1; i <=10; i++) // 10개의 숫자를 인쇄하기 위해 반복 { cout<< 10 + rand() % 46; // 숫자에 대한 수식 } 반환 0; } 0과 1 사이에 균일하게 분포된 난수는 원하는 분포의 역 누적 분포 함수(CDF)를 통과하여 원하는 분포의 난수를 생성하는 데 사용할 수 있습니다(역 변환 샘플링 참조). 역 CDF는 분위수 함수라고도 합니다. 통계적으로 독립적인 표준 쌍을 생성하기 위해 일반적으로 분포된 난수(x, y)를 생성하기 위해 먼저 극좌표(r, θ)를 생성할 수 있으며, 여기서 r2~θ22 및 θ UNIFORM(0,2π) (Box-Muller 변환 참조). Bernoulli 분포에서 생성되는 숫자가 많을수록 선택한 p 값에 더 가까워질 것이라고 썼습니다. 이항 분포에서 성공 확률인 p 값과 여러 시험을 두 가지 값으로 설정할 수 있습니다. 계산 및 하드웨어 난수 생성기는 두 가지 종류의 이점을 반영하기 위해 결합되는 경우가 있습니다. 계산 난수 생성기는 일반적으로 실제 생성기보다 훨씬 빠르게 의사 난수를 생성할 수 있지만 물리적 생성기는 "진정한 임의성"을 생성할 수 있습니다. 알고리즘 임의성은 가장 일반적으로 임의 성 증폭기의 일종으로 사용된다. 난수 생성기는 초기 비밀인 시드 데이터로 시작됩니다(때로는 "자연" 임의성을 사용하여 선택). 그 작은 양의 초기 데이터에서 난수 생성기는 방대한 양의 임의의 데이터를 생성할 수 있습니다(다음 섹션의 코드북 비유에서 이 아이디어로 돌아갑니다).

알고리즘을 알고 있고 비밀(시드)을 알고 있다면 출력을 예측할 수 있습니다. 그러나 씨앗을 모른다면 출력을 예측하기가 매우 어려울 것입니다. 발전기의 세부 사항에 따라 얼마나 어려운지 모르지만 정말 어려울 수 있습니다. 최신 암호화(온라인 트랜잭션을 보호하는 기술)는 난수 생성기 동작에 대한 예측을 할 수 있는 난치성에 기반을 두고 있습니다. 이렇게 하면 데이터 탭의 리본에 새 위치가 나타납니다. 새 창에서 “난수 생성”을 클릭합니다. 즉, 평균 식사 수가 6일 때 셀 A2에서 식사를 제공 할 확률을 확인하십시오. 물리적 난수 생성기는 양자 역학의 법칙에 따라 예측 할 수없는 본질적으로 임의의 원자 또는 아원자 물리적 현상을 기반으로 할 수 있습니다. 엔트로피의 근원은 방사성 붕괴, 열 소음, 샷 소음, 제너 다이오드의 눈사태 소음, 시계 드리프트, 하드 디스크 읽기 /쓰기 헤드의 실제 움직임의 타이밍 및 무선 노이즈를 포함한다. 그러나, 물리적 현상과 그들을 측정하는 데 사용되는 도구는 일반적으로 그들의 결과가 균일하게 무작위하지 않도록 비대칭과 체계적인 편견을 갖추고 있습니다. 암호화 해시 함수와 같은 임의성 추출기는 비트 비율이 낮지만 비균일임의 소스에서 비트의 균일한 분포에 접근하는 데 사용할 수 있습니다. 양자 다양성의 난수 생성기의 지지자들은 양자 물리학이 본질적으로 비결정적이라고 주장하는 반면, 물리학에 의해 지배되는 시스템은 본질적으로 결정적이라고 주장한다.

나는 개인적으로 결정론 – 비 결정론 적 척도에 서있는 위치에 대해 미정이지만, 논쟁을 위해, 나는 내 결정주의 모자를 착용하고 RANDOM.ORG 예로 사용할 것입니다. RANDOM.ORG 숫자의 소스로 사용되는 대기 소음은 혼란스럽지만 결정적인 시스템으로 볼 수 있다고 주장 할 수 있습니다. 따라서 대기 소음(예: 뇌우)을 유발하는 프로세스에 대해 충분히 알고 있다면 RANDOM.ORG 의해 생성된 숫자를 예측할 수 있습니다.

Por
agosto 2, 2019