R：来自runif和Mersenne Twister种子的随机值的极端聚束

当使用R并使用

set.seed

和

kind=NULL

选项设置种子时，我们的代码中面临着一种奇怪的情况（除非我弄错了，否则它会解决

kind=“default”

；默认值是

“Mersenne Twister”

）

在调用

runif

之前，我们使用上游系统生成的（8位）唯一ID设置种子：

seeds = c(
  "86548915", "86551615", "86566163", "86577411", "86584144", 
  "86584272", "86620568", "86724613", "86756002", "86768593", "86772411", 
  "86781516", "86794389", "86805854", "86814600", "86835092", "86874179", 
  "86876466", "86901193", "86987847", "86988080")

random_values = sapply(seeds, function(x) {
  set.seed(x)
  y = runif(1, 17, 26)
  return(y)
})

这将给出聚集在一起的非常的值

> summary(random_values)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  25.13   25.36   25.66   25.58   25.83   25.94 

当我们使用

kind=“Knuth-TAOCP-2002”

时，

runif

的这种行为消失了，我们得到的值似乎分布得更均匀

random_values = sapply(seeds, function(x) {
  set.seed(x, kind = "Knuth-TAOCP-2002")
  y = runif(1, 17, 26)
  return(y)
})

省略输出

---

这里最有趣的事情是，这不会发生在Windows上——只会发生在Ubuntu上（下面是Ubuntu和Windows的输出）

Windows输出： 有人能帮助理解发生了什么吗

Ubuntu 窗户

---

当您将Mersenne Twister与单个种子一起使用时，可以合理地假设生成的值近似独立且分布相同。不幸的是，对于从不同种子开始的两个流生成的值没有任何保证。例如，请参见

在您的情况下，我建议您要么使用SC线程中建议的一种种子选择策略，要么切换到对并行流有更好保证的PRNG。一个选项是L'Ecuyer的“RngStreams”生成器：

set.seed(0, kind = "L'Ecuyer-CMRG")

即使有了这个PRNG，我也不知道它是否仍然适用于使用任意种子对PRNG进行播种，并获得大致独立的流

---

就Ubuntu和Windows之间的差异而言，这些系统中的一个可能使用32位生成器，另一个使用64位生成器。

注意：这个答案总结了R-devel邮件列表中关于这个问题的讨论内容。我只是试图捕捉和总结那里最初阐述的想法

尽管您保证这些数字不是一个特殊构造的边缘案例，但它们看起来就是这样。以下是检查生成值分布的原始序列加代码：

seeds = c(
    86548915, 86551615, 86566163, 86577411, 86584144, 86584272,
    86620568, 86724613, 86756002, 86768593, 86772411, 86781516,
    86794389, 86805854, 86814600, 86835092, 86874179, 86876466,
    86901193, 86987847, 86988080)
checkit <- function(seeds) {
    sapply(seeds, function(x) {
        set.seed(x)
        y = runif(1, 17, 26)
        return(y)
    })}

原始序列似乎有一些特殊之处，因为对其进行最小的修改不会产生相同的令人惊讶的结果：

summary(checkit(seeds+1))
## Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
## 17.18   19.65   22.75   22.02   24.37   25.79

summary(checkit(seeds-1))
## Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##17.15   18.44   19.92   20.77   22.97   25.95 

在原始序列所跨越的范围内的所有种子中，预期数量产生的值在观察范围内：

possible.seeds <- min(seeds):max(seeds)

s25 <- Filter(function(s){
    set.seed(s)
    x <- runif(1,17,26)
    x > 25.12 & x < 25.95},
    possible.seeds)

length(s25)/length(possible.seeds)
##[1] 0.09175801

---

所有这些都表明，原始序列可能实际上是（可能是无意中）特殊构造的边缘情况。

作为序列是边缘情况的进一步证据，您可以关注构造的假定随机值的范围。17号和26号有点让人分心。在0和1上使用uniform重复您的实验会产生同样不可能的结果：

f <- function(x) {
  set.seed(x)
  runif(1)
}

 check_range <-function(seeds){
   vals <- sapply(seeds,f)
   max(vals)-min(vals)
}

当在21个随机种子上运行时，

检查范围（种子）

的合理模型是，它是从

U（0,1）

中抽取的大小为21的随机样本的样本范围。其详细信息如下所示：

f <- function(x){420*x^19*(1-x)}

f积分（f，0,0.09）
2.334272e-20，绝对误差<2.6e-34

为了检查在这样播种Mersenne捻线机时对样本范围进行建模是否合理，您可以进行以下实验：

ranges <- replicate(1000,check_range(sample(8548915:86988080,21)))
x <- seq(0,1,0.01)
y <- f(x)
hist(ranges,freq = FALSE,xlim =c(0,1))
points(x,y,type = "l")
abline(v=0.09)

---

确定生成种子的“上游过程”的范围。这似乎是您提供的特定种子集的人工制品，对于大小类似的随机种子集通常不正确如果我在Windows上运行您的代码，我会得到相同的结果。我在Windows10上使用了
3.4.1
。平台之间的随机数生成通常没有区别。除非我完全误解了你说“这不会发生”的意思@dww当然，我们也在其他8位数字上测试了它们&我们无法复制。然而，这些是由非对抗性系统生成的诚实的数字，该系统不知道这些数字除了用于实体的唯一键之外，还用于其他任何用途——这些不是特殊构造的边缘情况。很高兴知道哪些种子会起作用，哪些种子不会起作用，以及为什么。@MrFlick我可以在运行R3.3.2的Windows 10计算机上为您提供
sessionInfo
，其中的随机数似乎不是随机分布的，就像在这个问题中一样。而且，奇怪的是，这被否决了。
possible.seeds <- min(seeds):max(seeds)

s25 <- Filter(function(s){
    set.seed(s)
    x <- runif(1,17,26)
    x > 25.12 & x < 25.95},
    possible.seeds)

length(s25)/length(possible.seeds)
##[1] 0.09175801

table(seeds %in% s25)

##TRUE 
##  21 

f <- function(x) {
  set.seed(x)
  runif(1)
}

 check_range <-function(seeds){
   vals <- sapply(seeds,f)
   max(vals)-min(vals)
}

> check_range(seeds)
[1] 0.09026112

f <- function(x){420*x^19*(1-x)}

> integrate(f,0,0.09)
2.334272e-20 with absolute error < 2.6e-34

ranges <- replicate(1000,check_range(sample(8548915:86988080,21)))
x <- seq(0,1,0.01)
y <- f(x)
hist(ranges,freq = FALSE,xlim =c(0,1))
points(x,y,type = "l")
abline(v=0.09)