Редактировалось 2 раз(а), последний 2021-05-21 12:59:09

Т. е. он не годится для шифрования
Т. е. некоторая группа значений не выдаётся вообще, а некоторая группа значений имеет вероятность появления в ВОСЕМЬ раз больше остальных и он не годится для случайной выборки


А смысл предлагаемого генератора

Редактировалось 2 раз(а), последний 2021-05-21 12:59:09

На первый взгляд - простые вещи, а оказываются очень сложными.
Да, каждый себе делает свой RNDB, но только под свою задачу.
И вроде всё пучком и всё как надо...
Это самообман. Но вечный двигатель, или велосипед изобретать надо!

Редактировалось 2 раз(а), последний 2021-05-21 12:59:09

Так точно!

Поясняю: были сгенерированы две последоветельности по 32000 чисел, после чего эти последовательности были использованы в качестве X и Y координат точек в двумерной гистограмме, вид на которую сверху и показан на рисунках. Чем краснее, тем больше попаданий было в эту точку.

В идеале вся область должна быть равномерно окрашена.

"Штатный" код (system, правая гистограмма) конечно не блещет равномерностью, но и явных кучностей не наблюдается. А вот предложенный генератор явно предпочитает числа в районе 0..15, и недолюбливает остальные - зелёные полосы и синее остальное поле.

iarspider
Спасибо за доходчивое разъяснение .
Всё понятно.
Сначала не так понял. Благодарю.

Если бы он "блистал равномерностью", это не был бы RANDOM.
Он ОБЯЗАН "не блистать".
Причем "не блистать" -- на известную величину.

Для идеального RND - это просто Пуассон (у которого СКО -- это корень из среднего).
Азы ведь, блин...
iarspider, ты где работаешь-то, стыдно должно быть

[offtop] Galkov, моя физика-экспериментатора, не математика, мне дозволено. %)
[/offtop]

хороший гсч должен обладать равномерностью близкой к прямолинейной. А то что это за гсч, который чаще всего попадает в 1 и тот-же диапазон.
Гсч с распределением Пуассона достаточно легко строится на гсч с равномерным распределением.

Мне, между прочим -- известно, как делать алгоритмы с любым, наперед заданным распределением, из "равномерного" RND с известным диапазоном (0..1)

Утверждение было вовсе не об этом.
А о том, что "одноцветные квадратики" в рисунках данного топика свидетельствовали БЫ о неправильном RND.
Как бы, в противовес неправильному утверждению: "чем равномернее, тем лучше"
Если в каждый "квадратик" попадает ровно по 10000 попаданий -- это категорически неправильный RND.
Должно быть в среднем по 10000, с разбросом ±100 (эта цифра и есть характеристика Пуассона).

Если экспериментально получится ±10 (не говоря уже о нуле), или ±1000 -- это тоже будет экспериментальным свидетельством неправильного RND.
Потому что у "правильного" должно быть ±100.

Вот так вот

Редактировалось 2 раз(а), последний 2021-05-21 12:59:09

Смотри выше.
В нейронных сетях крутизну передаточной функции тоже иногда приходится менять соответственно задаче.
Позтому, можно ввести аналогичную регулировку, как по диапазону, так и по плотности распределения.

Хех

Сделаю последнее добавление: все это - даже не предмет диспута, или обсуждения. Это я просто сообщил Вам, как оно есть на самом деле.
И не более того. Но и не менее.
Не сообщил бы - оно все равно было бы именно так.
И никак иначе.

А уж чего кому ближе... или нравится... Ну это уже проблемы того, кому "не нравится"