如何在python中生成独立同分布（iid）随机变量

Question

我正在开发一个包含一些随机事件的模拟基础架构（例如，以一定概率生成输出的源）。到目前为止，我一直在使用 random.random() 函数。例如：

class source:
    def output(self, x):
        if(random.random()<=x):
            return foo
a = []
for i in xrange(10)
    a.append(source())

for i in xrange(1000):
    for j in xrange(len(a)):
        a[j].output()

据我了解，我的列表“a”中的所有源都将从同一个伪随机 LFSR 源中获取随机数，因此 a[0] 将获得一个样本，然后 a[1] 将获得下一个一个，然后是 a[2]，等等。如果 random.ramdom() 生成一个真正的随机序列，我相信这仍然会生成 10 个 iid 值子集，但是，因为我假设 python 使用 LFSR 或类似方案，其中每个后续样本都依赖于前一个样本，取这些样本的几个子集可能是独立的，也可能不是同分布的。

我有两个问题：

1. 我实际上使用我的伪代码或类似的东西得到了什么样的分布
2. 如何在 python 中获取多个 iid 随机变量？

我查看了其他堆栈溢出帖子，例如这个： Generate multiple independent random streams in python 但他们没有回答我的问题。

Answer 1

Python stdlib random 模块是使用 Mersenne Twister 实现的。来自the docs for random:

Python 使用 Mersenne Twister 作为核心生成器。它产生 53 位精度浮点数，周期为 2**19937-1。

我相信这可以满足您的独立性要求。查看the Wikipedia article,，尤其是“k-distribution”属性部分。