Máy tính là thiết bị xác định. Không có sự ngẫu nhiên trong tính toán. Hơn nữa, thiết bị số học trong CPU có thể đánh giá tổng trên một số tập hợp số nguyên hữu hạn (thực hiện đánh giá trong trường hữu hạn) và tập hợp hữu hạn các số hữu tỉ thực. Và cũng thực hiện các hoạt động bitwise. Toán học gặp nhiều khó khăn hơn như [0,0, 1,0] với số điểm vô hạn.
Bạn có thể nghe một số dây bên trong máy tính với một số bộ điều khiển, nhưng liệu nó có phân bố đồng nhất không? Tôi không biết. Nhưng nếu giả định rằng tín hiệu đó là kết quả của các giá trị tích lũy một lượng lớn các biến ngẫu nhiên độc lập thì bạn sẽ nhận được biến ngẫu nhiên có phân phối chuẩn (Nó đã được chứng minh trong Lý thuyết xác suất)
Có tồn tại các thuật toán được gọi là - trình tạo ngẫu nhiên giả. Như tôi cảm thấy mục đích của trình tạo ngẫu nhiên giả là để mô phỏng tính ngẫu nhiên. Và tiêu chí của goodnes là: - phân phối theo kinh nghiệm được hội tụ (theo một nghĩa nào đó - theo chiều kim, đồng nhất, L2) về lý thuyết - các giá trị mà bạn nhận được từ trình tạo ngẫu nhiên dường như là phụ thuộc. Tất nhiên nó không đúng theo 'quan điểm thực tế', nhưng chúng tôi cho rằng nó đúng.
Một trong những phương pháp phổ biến - bạn có thể tính tổng 12 irv với các phân bố đồng đều .... Nhưng thành thật mà nói trong quá trình lấy Định lý Giới hạn Trung tâm với sự trợ giúp của Biến đổi Fourier, Chuỗi Taylor, cần có n -> + giả thiết hai lần. Vì vậy, ví dụ về lý thuyết - Cá nhân tôi không nhấn mạnh cách mọi người thực hiện tổng 12 irv với phân phối đồng đều.
Tôi đã có lý thuyết xác suất trong trường đại học. Và đặc biệt đối với tôi nó chỉ là một câu hỏi toán học. Ở trường đại học, tôi thấy mô hình sau:
double generateUniform(double a, double b)
{
return uniformGen.generateReal(a, b);
}
double generateRelei(double sigma)
{
return sigma * sqrt(-2 * log(1.0 - uniformGen.generateReal(0.0, 1.0 -kEps)));
}
double generateNorm(double m, double sigma)
{
double y2 = generateUniform(0.0, 2 * kPi);
double y1 = generateRelei(1.0);
double x1 = y1 * cos(y2);
return sigma*x1 + m;
}
Cách thực hiện như vậy chỉ là một ví dụ, tôi đoán nó tồn tại những cách khác để thực hiện nó.
Chứng minh rằng điều đó là đúng có thể được tìm thấy trong cuốn sách này "Moscow, BMSTU, 2004: Lý thuyết xác suất lần thứ XVI, Ví dụ 6.12, tr.246-247" của Krishchenko Alexander Petrovich ISBN 5-7038-2485-0
Rất tiếc là tôi không biết về sự tồn tại của bản dịch cuốn sách này sang tiếng Anh.
