我的孩子问我这个问题，我真的无法给出简明易懂的解释。
所以我希望有人能做到。
【问题讨论】：
标签： random
怎么样，“因为计算机只是遵循指令，而随机数与遵循指令相反。如果你按照指令生成随机数，那么它就不是非常随机的！想象一下，试图给某人指示如何选择一个随机数。”
【讨论】：
这是一个儿童友好的解释：
掷骰子（面数无关紧要）
把这些写在一张纸上：
给他们看骰子和纸。解释骰子代表计算机和 纸代表告诉计算机它将返回什么数字的数学或算法。
现在，掷骰子。告诉他们您正在“播种”或要求计算机从随机骰子位置开始。
移动骰子，按照纸上的每一步（向右移动）。
说明计算机必须以起始值启动。这可以由任意数量的来源给出，例如日期或鼠标移动。向他们展示他们掷骰子的方式决定了初始值。
说明这张纸是计算机如何得到下一个数字的。告诉他们，纸上的指令可以很容易地改变，就像程序员可以改变随机发生器的算法一样。
开心地向他们展示仅受他们想象力限制的各种可能性。
现在回答你的问题：
告诉他们，当一位优秀的数学家知道起始值以及计算机当前处于哪一步时，数学家就可以知道随机数的下一个值是多少。
无论孩子的算法多么有创意，您仍然应该能够推断出他们的算法。告诉您的孩子，在计算机世界中，没有什么是隐藏的，只要通过观察，即使只是观察到的数字，也可以发现随机数算法。
...作为副作用，如果孩子能够提出一个让您感到困惑的好算法，您无法推断出下一个序列，那么您就有了一个聪明的孩子。 :D
【讨论】：
这是我在大约八年级时解释随机性的尝试。希望您的孩子觉得它有用！
可能看起来令人惊讶，计算机并不是很聪明。计算机必须盲目地遵循它们的指令，因此是完全可以预测的。一台不以这种方式遵循其指令的计算机实际上是坏了！我们希望计算机完全按照我们说的去做。
这正是让随机做事变得困难的原因。必须告诉计算机如何生成随机数的一系列指令。但这并不是随机的，因为如果你给其他人指示和相同的起点，他们可能会得出相同的答案。所以计算机不能仅仅通过遵循指令来实现真正的随机。
【讨论】：
请他们设计一个逐步生成随机数的方法。
并且不要接受“从 1 到 10 中选择一个数字”作为答案；）
尝试一个问题应该说明必须从一组指令中生成随机数的难度，就像计算机实际必须做的那样。
【讨论】：
因为计算机是确定性机器。
【讨论】：
在计算机上生成随机数就像在标签游戏中选择谁是第一个时玩“Eenie meenie miney moe”。从表面上看，它确实是随机的，但当你深入细节时，它是完全确定的。很难将 eenie meenie miney moe 变成一个人们真的无法预测结果的计划。
此外，要使分布均匀且均匀也存在一些困难。
【讨论】：
因为给定任何输入，算法每次都会产生完全相同的输出。而且您不能只提供“随机”输入，因为您首先要尝试生成随机数。
【讨论】：
“孩子们，除非他们坏了，否则电脑永远不会说谎，他们总是按照你告诉他们的去做。即使我们对结果感到失望，事实证明他们总是在做他们被告知要做的事情完全保真。他们只能做两件事：加一加一，以及将一个数字从一个地方移动到另一个地方。如果你想让他们产生随机数，你需要向他们解释如何在加一方面做到这一点和一个和一个动人。一旦你解释了，结果就不会是随机的。”
【讨论】：
因为唯一真正的随机源存在于量子级别。借助合适的硬件辅助，计算机可以访问此级别。例如，他们可以对放射性同位素的衰变或热离子阀的噪声进行采样。但是您的基本 PC 并没有配备这些很酷的东西。
【讨论】：
给孩子们一个简单的解释：
随机性的定义是一个哲学和数学问题，超出了本答案的范围，但根据定义，不存在“随机”数这样的东西。在形而上学意义上，一个数字只是顺序形式的随机数。但是，根据样本大小，序列有可能遵循某些统计分布。随机数生成器（在我们的例子中是伪随机数生成器，或 PRNG）只是一种生成准随机数序列的设备，我们只能估计（基于给定的固有概率）在序列内）是随机的。
您应该向孩子们解释，程序只能使用复杂的数学公式来模仿这些设备（根据定义，这保证了缺乏“随机性”，因为它们是某些函数或程序算法的结果）。通常，需要进行严格的统计分析才能区分量子硬件 PRNG（以此为契机向您的孩子解释海森堡原理！）和强大的软件 PRNG 的使用。
【讨论】：
真的要完成
【讨论】：
因为没有随机数这样的东西。
随机是我们在无法理解数据并且无法理解数据时使用的人类概念。如果我们相信科学最终会导致对一切如何运作的理解，那么肯定一切都是确定性的。
带走人，没有随机，只有“这个”。它的发生是因为它发生了，而不是因为它是随机的。
【讨论】：
因为程序是一个系统，并且系统中的所有内容都必须以一致和有规律的方式运行。随机性在系统中没有位置。
【讨论】：
这很难，因为给定相同的输入和条件集，程序每次都会产生相同的结果。根据定义，这不是随机的。
【讨论】：
生成随机数的算法不可避免地具有确定性。他们取一个小的随机种子，并用它来获得一长串伪随机数字。
如果不将微妙的模式引入数据，就很难做到这一点。一串数字看起来完全随机，但具有重复的模式，这使得分布不适合需要随机性的应用程序。
【讨论】：
计算机只能执行算法计算，真正的随机数不是算法的东西。您可以获得产生行为类似于随机数的数字的算法；这种算法被称为“伪随机数生成器”。
在过去的不同时期，人们使用连接到电子噪声源的模数转换器制造随机数发生器，但这往往是相当专业的套件。
【讨论】：
主要是因为计算机没有任何以离散、非随机方式运行的函数。计算机是可预测的，它允许我们编写可靠的软件。如果它不可预测，生成随机数会更容易（因为我们的软件可以依赖这种不可预测的方法）。
虽然可以生成伪随机数和随机分布的数字，但如果没有单独的硬件，则无法生成真正的随机数。有硬件可以根据“量子”相互作用生成真正的随机数（至少根据制造商的说法）。在线扑克网站有时会将这些适配器用作其生成器。
显然，甚至还有提供随机数的在线服务——例如random.org。
【讨论】：
尽管看起来令人惊讶，但要让计算机偶然做某事是很困难的。计算机盲目地遵循其指令，因此是完全可预测的。 （不以这种方式遵循其指令的计算机会损坏。）使用计算机生成随机数的主要方法有两种：伪随机数生成器 (PRNG) 和真随机数生成器 (TRNG)。
【讨论】：
实际上，在大多数现代计算机上，生成对于大多数用途而言“足够随机”的数字并不难。正如其他人所指出的，关键是要有随机性来源。您不能只编写一个通过算法产生随机性的程序，但是您可以观察到大多数具有合理复杂性的计算机的各种活动中的随机性，即我们在编写程序时通常会想到的那些。一个这样的来源是来自各种系统设备的中断的时序数据。
有一段时间，许多计算机无法获取这些数据，只能提供伪随机性，即基于特定种子的随机但可重复的数字分布。出于许多目的，这已经足够了——每次选择不同的种子会产生足够好的随机性。对于其他目的，例如加密，这还不够强大，您需要一些随机性来开始，这是不可重复或不可预测的。今天，大多数计算机（也许嵌入式设备除外）都足够复杂，可以拥有可以生成加密强度随机数的随机源。例如，Linux 有 /dev/random，而 .NET 框架支持具有多种实现的加密强 RandomNumberGenerator 类。
【讨论】：
这可能有助于区分难以预测的数字（计算机可以创建）和不确定的数字（这对于计算机来说有点困难，理论上，任何物理存在）。
【讨论】：
很容易想出一种算法来生成意想不到的数字，这些数字在某种意义上看起来是随机的。但是要设计一个生成真正随机数的算法，这很难。
想象一下设计一个算法来模拟掷骰子。您可以轻松地制定一些程序以在每次迭代中生成不同的数字。但是你能保证，从长远来看（我的意思是，直到无穷大），6 出现的次数将与任何其他数字相同吗？在设计一个好的随机数生成器时，这是您必须承担的承诺。如果应用程序（例如彩票）需要，您必须就随机性提供强有力的保证（例如数学证明）。
【讨论】：
需要注意的是humans perform very poorly at generating random numbers。计算机更糟糕，因为它们只遵循严格的设置命令。人类只有在遵循算法、一组命令时才能生成好的（伪）随机数。电脑也一样。
虽然应该注意的是，计算机可以从与其相连的“环境”中收集熵，例如键盘和鼠标操作，这有助于生成随机数（直接或通过植入 PRNG）。
【讨论】：
要让计算机生成一个随机数，计算机必须要有一个随机源。
它必须被喂食一粒种子，如果种子来自时钟，那么它可以通过知道时间来预测或计算，如果种子来自类似拍摄 lavalamp 并从图片流中获取数字，那么仅查看种子就很难知道下一个数字是什么。
计算机没有内置熔岩灯来生成随机性，这就是它的难点，我们必须用计算机中存在的一些输入来替换真正的随机性，可能通过记录传递的 tcpip-packets 或其他东西，但获取随机源的方法并不多。
【讨论】：
计算机只是没有合适的硬件。普通计算机的硬件是确定性的。使用合适的硬件like mentioned here 随机数根本不是问题。
【讨论】：
【讨论】：
不难，这里有一对免费的：12、1400、397.6
【讨论】：