为什么runif不会每次都产生相同的结果？

为什么像runif()R 中的随机数生成器每次都不会生成相同的结果？

例如：

X <- runif(100)
X

每次都会产生不同的输出。

每次产生不同输出的原因是什么？

它在后台执行什么功能？

从本质上讲，这实际上不仅仅是一个R问题；它实际上是一个R问题。它更一般地涉及随机数生成。

“随机”数字在统计的许多部分中非常重要。我们需要生成的随机值具有某些属性，并且（通常）需要大量精力来构建随机数生成器并检查其属性。

我们的想法是，我们要获得一个值序列，这些值序列可以很好地代理实际的随机数。随机数生成的通常主力是均匀分布（据此我们构造了其他分布，例如高斯随机数）。

因此（最典型地），使用一种数值算法来构造一个整数序列，每个整数都基于先前整数的某些函数。然后将这些整数缩放为介于0和1之间（通常为）。$[0,1)$

例如，许多仅适用于上一个：

...其中是整数，然后将缩放到单位间隔，而是一些通常很复杂但通常是快速的函数，它对参数中的位进行运算以产生一组新的位（希望）似乎与任何先前的值都不相关（如果我们以各种方式仔细地研究它们，即使它们非常相关，即使它们确实是相关的，因为它们是这样产生的）。必须仔细构造这些序列，以确保序列具有很长的周期，并且其值确实是统一的，并且不以我们可能真正关心的任何方式依序依赖（以及通常被视为重要）。ž $x$$z$$f$

它们需要您提供的起始（“种子”）整数（）（某些算法可能需要多个种子）。如果再次使用相同的种子，则会得到相同的序列（这对于能够重现结果非常方便）。但是有时候，您只想要一些随机数，并且只要起始点与以前使用的批次不同，就不必在乎种子是什么。$x_0$

因此，如果您不提供种子，许多包装可以为您制作一个。有些程序包会查看内部数字时钟的后几位（通常以某种方式进行操作）。一些（包括R）存储由随机数生成器生成的用作最后一个种子的最后一个值（上面的整数，更一般地，术语“状态”用于涵盖涉及多个数字的情况）如果您不提供一个。$x_3$

?runif在R中看到，您会注意到它解释了随机种子的存在，并带有帮助链接，该帮助?.Random.seed解释了R中可用的大量随机数生成器（甚至可以提供您自己的）。相同的帮助页面说明，如果您之前未使用随机数生成或未设置种子，则从时钟开始获取种子，然后再存储前一个值（这样您将获得下一个随机数如果您上次创造了另一个价值，您会获得与之相同的价值-它会记住“您的目标”。

runifR中的函数（像其他程序包中的许多其他随机数生成例程一样，通常可以做类似的事情）知道保留随机数种子的位置。它会不断更新该值。因此它可以运行而不必显式地传递种子，但是它仍然使用一个。如果您不给它一个，它只会使用最后保存的一个。

至于为什么每次都会给出不同的输出（如果您不告诉它给出相同的序列）：这样做是因为每次相同的值通常会产生相反的效果-它不会具有重复的属性随机抽样将具有随机抽样，这对于我们使用随机数生成器的假定来说不是很有用。

您必须设置随机种子才能每次获得相同的结果。使用？set.seed这样做。考虑：

> 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

您可能有兴趣阅读以下内容： 使用set.seed函数的原因。