Komputer adalah perangkat deterministik. Tidak ada keacakan dalam perhitungan. Selain itu, perangkat aritmatika di CPU dapat mengevaluasi sum atas beberapa set bilangan bulat terbatas (melakukan evaluasi dalam bidang hingga) dan himpunan bilangan rasional nyata yang terbatas. Dan juga melakukan operasi bitwise. Matematika mengambil kesepakatan dengan lebih banyak set hebat seperti [0,0, 1,0] dengan jumlah poin tak terhingga.
Anda dapat mendengarkan beberapa kabel di dalam komputer dengan beberapa pengontrol, tetapi apakah itu memiliki distribusi yang seragam? Saya tidak tahu. Namun jika diasumsikan sinyalnya merupakan hasil akumulasi nilai variabel random independen dalam jumlah besar maka Anda akan menerima variabel random terdistribusi mendekati normal (Terbukti dalam Teori Probabilitas)
Ada algoritma yang disebut - generator acak semu. Seperti yang saya rasakan, tujuan generator acak semu adalah untuk meniru keacakan. Dan kriteria kebaikan adalah: - distribusi empiris terkonvergensi (dalam arti tertentu - pointwise, uniform, L2) ke teoritis - nilai yang Anda terima dari generator acak tampaknya tidak bergantung. Tentu saja itu tidak benar dari 'sudut pandang yang sebenarnya', tetapi kami menganggapnya benar.
Salah satu metode yang populer - Anda dapat merangkum 12 irv dengan distribusi seragam .... Tapi jujur saja selama penurunan Teorema Central Limit dengan bantuan Fourier Transform, Taylor Series, diperlukan asumsi n -> + inf beberapa kali. Jadi misalnya teoritis - Secara pribadi saya tidak mengerti bagaimana orang melakukan penjumlahan 12 irv dengan distribusi seragam.
Saya memiliki teori probilitas di universitas. Dan khususnya bagi saya itu hanya soal matematika. Di universitas saya melihat model berikut:
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;
}
Begitulah cara melakukannya itu hanya contoh, saya kira ada cara lain untuk mengimplementasikannya.
Bukti bahwa itu benar dapat ditemukan dalam buku ini "Moscow, BMSTU, 2004: XVI Probability Theory, Example 6.12, p.246-247" dari Krishchenko Alexander Petrovich ISBN 5-7038-2485-0
Sayangnya saya tidak tahu tentang adanya terjemahan buku ini ke dalam bahasa Inggris.
