有一个名为Uncommon Maths 的Java 库声称提供比Sun 和（可能）甚至是BouncyCastle 更好的随机数生成器。如何确定他们的图书馆是否可信？我信任 Sun 和 BouncyCastle，因为很多重要的公司都使用他们的东西。目前尚不清楚 Uncommon Maths 是否属于同一类别。有什么想法吗？
【问题讨论】：
好问题;)
所有的 RNG 算法都是比我聪明的人发明的著名算法。我是程序员，不是数学家。我刚刚移植了原始的 C 代码。所以你必须希望我没有在转换中引入任何错误。
与大多数开源软件一样，没有任何保证。如果你想用它来模拟，我认为这是一个非常好的选择。如果您想将其用于加密，Fortuna 之类的会更好。
Uncommons Maths 没有像某些库那样广泛使用。它每周有 5 到 20 次下载。我不知道其中有多少人实际上继续在严肃的应用程序中使用它。我将它用于evolutionary computation 和一些我一直在玩的与扑克相关的琐碎程序。
我在每个 RNG 实现上都运行了 Diehard，它没有突出任何缺陷。也就是说，Diehard 的结果并不是最容易解释的：
因此，您不应该感到惊讶 偶尔接近 0 或 1 的 p 值，例如 作为 .0012 或 .9983。当一个比特流 真的失败了，你会得到 p
s of 0 or 1 to six or more places. By all means, do not, as a Statistician might, think that a p < .025 or p> .975 means that the RNG has "failed the test at the .05 level". Such ps 在数百个中发生 DIEHARD 生产的，即使是好的 随机数生成器。所以请记住“p 发生”。
Uncommons Math RNG 都满足这种对成功的模糊定义。在 0.025 .. 0.975 范围之外有一两个 p 值，但没有一个“失败”。这与使用 Java 的 SecureRandom 获得的结果相当（并且优于 java.util.Random，后者确实“大失败”）。
如果你想自己测试一下，发行版中有一个名为DiehardInputGenerator 的类。这会生成运行 Diehard 所需的 12mb 文件。
【讨论】：
Uncommon Maths 声称通过了Diehard tests。据我所知，这是可靠的。
您始终可以成为一名科学家，并为自己重新运行这些测试作为独立检查。
【讨论】：
编写您自己的测试。
可以使用chi-square test 对随机数生成器进行基本检查
【讨论】：