Python 如果我系统地删除每N个随机数，随机数还会是随机数吗？

我目前正在使用

numpy.random.random\u sample

来计算一大组随机数。如果我把这些数字每10个删除一次，结果还会像以前一样随机吗？或者我会通过这样做引入某种扭曲

---

编辑：正如所指出的，这归结为我的RNG有多好。我如何才能确定我是否可以信任RNG，或者我如何发现潜在的偏差？

如果它们从一开始就无法与真实随机区分开，那么之后它们将无法与真实随机区分开

原因是，其余数字之间存在的任何相关性或偏差也将构成完整数据集之间的相关性或偏差。因此，如果完整的集合是好的，那么子集是好的

当然，如果您根据数字的值选择性地删除这些数字，而不是仅根据它们在序列中的位置，则不一定会出现这种情况

---

此外，如果一开始的数字不好，那么可以想象，之后的数字可能会比以前更糟。对于一个极端的例子，考虑一个由9个零点组成的序列，接着是掷硬币的结果，9个零点和另一个掷硬币等。这个数据源有一些熵（每10个值1个比特），但是如果你去掉每一个第十个元素，那么它就没有了（剩余的输出是预先知道的）。.

如果开始时它们与真随机数无法区分，那么之后它们将与真随机数无法区分

原因是，其余数字之间存在的任何相关性或偏差也将构成完整数据集之间的相关性或偏差。因此，如果完整的集合是好的，那么子集是好的

当然，如果您根据数字的值选择性地删除这些数字，而不是仅根据它们在序列中的位置，则不一定会出现这种情况

---

此外，如果一开始的数字不好，那么可以想象，之后的数字可能会比以前更糟。对于一个极端的例子，考虑一个由9个零点组成的序列，接着是掷硬币的结果，9个零点和另一个掷硬币等。这个数据源有一些熵（每10个值1个比特），但是如果你去掉每一个第十个元素，那么它就没有了（剩余的输出是预先知道的）。.

如果结果很容易扭曲，那么它就不是一个很好的随机数生成器。您的结果的样本量将达到90%。这是适当的不太可证明的随机性，但如果您信任您的PRNG，则不会减少随机性；）P.S.使用了一个被认为是非常好的随机数生成器。如果它很容易扭曲结果，那么它就不是一个非常好的随机数生成器。您的结果的样本量将达到90%。这是适当的不太可证明的随机性，但如果您信任您的PRNG，则不会减少随机性；）P.S.使用了一种被认为非常好的方法。