Резюме
Я использую несовершенную модель (электрическую) для имитации карты палаток. Небольшие различия в моей модели и ограниченное количество десятичных дробей заставляют ее генерировать псевдослучайные числа. Моя проблема / путаница проистекает из предсказуемой природы моей модели в краткосрочной перспективе, которая не кажется случайной. Мне это не кажется правильным, но это может быть просто природой генераторов псевдослучайных чисел.
Tentmap имеет такую форму:
- x_n + 1 = mu * x_n для x_n <0,5 </li>
- x_n + 1 = mu * (1-x_n) для x_n> 0,5
Моя модель является моделированием реализации электрической схемы этой карты тентов, поэтому она имеет такая же общая форма. Это должно быть в состоянии генерировать случайные числа. Итерации с небольшими отклонениями вызывают хаос. Однако краткосрочный эффект кажется менее случайным. Скажем, у вас есть 0,1 в качестве первого случайного числа, и вы можете предсказать, что следующее число будет более или менее 0,2. Что также делает невозможным go, скажем, от 0,3 до 0,2 или обратно до 0,3.
Попытки
Я предположил, что моей системе нужно несколько итераций, чтобы потерять эту предсказуемость. Итак, я сделал тест, в котором я беру число, сгенерированное моделью, и предсказываю следующее число, используя идеальную карту тента. Я сделал это для нескольких случаев (прогнозирование 1, 2, 8 чисел впереди). Моим показателем случайности является средняя разница между идеальным прогнозом и значениями моей модели. Разница между 2 случайными числами между 0 и 1 составляет 0,3333. График отображает среднюю разницу между моделью и идеальным случаем для конкретного выброса. Среднее расстояние
Я интерпретирую этот график как указание, что каждое 10-е число является случайным. Это правильный образ мышления? Если это так, то полезны только 1 из 10 значений, что не очень эффективно. Есть ли способ решить эту проблему?