Независимость с boost random

Question

Я пытаюсь использовать mersenne twister для создания образцов из разных дистрибутивов. У меня есть один генератор, и он используется для генерации всех них. Что-то странное (для меня как минимум) происходит здесь. С одной стороны, вычисление коэффициента корреляции различных выборок дает мне почти ноль, что кажется приятным. Но когда я изменяю параметр одного дистрибутива (который нигде больше не используется), он каким-то образом меняет результаты, которые я получаю в других. В частности:

#include <boost/random.hpp> 

using namespace boost; // boost random library for random generators 

mt19937 generator(7687); // mersenne twister random number generator, seed = 7687 

double normal_sample(double mu, double sigma) 
// returns a sample from normal distribution with mean mu and variance sigma 
{ 
    normal_distribution<> norm_dist; 
    variate_generator<mt19937&, normal_distribution<> > norm_rnd(generator, norm_dist); 

    return(mu + sigma * norm_rnd()); 
}  

double poisson_sample(double intensity) 
// returns a number of points in a realization of a Poisson point process 
{ 
    poisson_distribution<> poiss_dist(intensity); 
    variate_generator<mt19937&, poisson_distribution<> > poiss_rnd(generator, poiss_dist); 

    return(poiss_rnd()); 
} 

Это код ... генератор часть, то я черпаю из этих двух распределений, изменяя параметр называется intensity. Это меняет не только образец Пуассона, но и нормальный. Фактически, теперь, когда я думаю об этом, это имеет смысл, потому что мой образец Пуассона определяет количество точек, которые также генерируются случайным образом с использованием того же генератора ... поэтому тогда в зависимости от того, сколько из них есть, я получаю что-то еще, потому что нормальный образец генерируется с использованием разных чисел в последовательности. Это верно?

Если да, то как это можно изменить? Должен ли я использовать несколько генераторов?

Answer 1

Это, вероятно, означает, что в зависимости от параметров из mersenne twister извлекаются меньше или более случайных выборок.

Это логически подразумевает, что все другие результаты сдвинуты, делая все другие результаты разными.

[...] это отчасти имеет смысл, потому что мой Пуассон образец определяет число точек, которые также генерируются случайным образом, используя тот же генератор ... так, то тогда в зависимости от того, сколько из них есть , Я получаю что-то другое, потому что нормальный образец генерируется с использованием разных чисел в последовательности. Это верно?

Кажется, что вы поняли, что да.

Если вы хотите повторимый PRNG, используйте отдельные состояния PRNG, то есть различные mersenne egnines.