在马尔可夫链蒙特卡洛中使用伪随机数生成器与真实随机数不同吗？答案

【问题标题】：Is using Pseudo-Random number generator different from real random number in Markov chain Monte-Carlo?在马尔可夫链蒙特卡洛中使用伪随机数生成器与真实随机数不同吗？
【发布时间】：2016-02-09 14:42:52
【问题描述】：

我想使用 matlab 对概率分布进行 MCMC 逼近。但是，我发现与理论结果相比存在很多噪音。

我的问题是，噪音是否可能来自 matlab 本身的伪随机数生成器？

【问题讨论】：

你一定要更具体。什么样的噪音？你能给出你的代码和你的理论推理吗？随机生成器经过了非常深入的研究和测试，无偏且生成的序列确实遵循均匀分布。所以很难相信在你的情况下随机数不够随机。

标签： machine-learning probability markov-chains

【解决方案1】：

作为一般规则，除非使用大量样本，否则任何形式的蒙特卡洛模拟与理论概率分布都无法达成紧密一致。通常，人们会期望您观察到的“噪声”只会随着样本数量的平方根的 1 缓慢下降（即，可能需要 100 倍以上的样本才能将噪声降低约 10 倍）。在非常特殊的情况下，人们可能会发现简单的随机数生成器（例如线性同余）可能不适合在高维空间上均匀生成点，但在担心随机数生成器本身的质量。显然，如果没有您的应用程序的具体细节，就很难更具体。

【讨论】：