Parte de lo que hago es estudiar el comportamiento típico de las grandes estructuras combinatorias observando instancias pseudoaleatorias. Pero muchos generadores de números pseudoaleatorios disponibles en el mercado tienen defectos conocidos, lo que me lleva a preguntarme si debería utilizar simplemente los dígitos (o bits) de $\pi$ .
Un colega mío dice que "leyó en alguna parte" que los dígitos de $\pi$ no son un buen generador de números aleatorios. Quizás esté pensando en el artículo "Un estudio sobre la aleatoriedad de los dígitos de $\pi$ "por Shu-Ju Tu y Ephraim Fischbach. ¿Alguien conoce este artículo? Algunos de los medios de comunicación que ha recibido (véase, por ejemplo http://news.uns.purdue.edu/html4ever/2005/050426.Fischbach.pi.html ) lo hizo sonar como $\pi$ no era una buena fuente de aleatoriedad, pero el resumen del propio artículo (ver http://adsabs.harvard.edu/abs/2005IJMPC..16..281T ) sugiere lo contrario.
¿Alguien sabe de problemas con el uso de $\pi$ de esta manera? Por supuesto, si se utilizan los dígitos de $\pi$ debes tener cuidado de no reutilizar dígitos que ya hayas usado en otra parte de tu experimento.
Mi opinión es que hay que utilizar los dígitos de $\pi$ para las simulaciones de Monte Carlo. Si utilizas un RNG comercial y te lleva a publicar conclusiones falsas, has perdido el tiempo y has engañado a tus colegas. Si utiliza $\pi$ y te lleva a publicar conclusiones falsas, igual has perdido el tiempo y has engañado a tus colegas, pero también has encontrado un patrón en los dígitos de $\pi$ ¡!
4 votos
es.wikipedia.org/wiki/
5 votos
¿Existen realmente ejemplos en los que los RNG comerciales hayan llevado a conclusiones falsas en un artículo publicado?
1 votos
Lo dudo. Personalmente, estoy mucho más contento de creer en una prueba publicada (en la que no puedo encontrar un error) que en el resultado de una especie de RNG construido a mano en el mundo real.
17 votos
Hay casos en los que los generadores de números pseudoaleatorios pueden llevar a resultados de simulación incorrectos (por ejemplo, véase "Sensitivity of Ballistic Deposition to Pseudorandom Number Generators" de D'Souza, Bar-Yam y Kardar (Physical Review E 57 (1998), 5044-5052), mae.ucdavis.edu/dsouza/Pubs/bdrng.final_pre.pdf ). Estos no son realmente buenos PRNGs, ciertamente no son criptográficos, pero muchas simulaciones usan cualquier PRNG pésimo que esté implementado en su lenguaje de programación favorito, así que esto puede ser un verdadero problema.
0 votos
No sé si alguien ha corrido $\pi$ a través de las pruebas estándar de RNG como pcg-random.org/pruebas-estadísticas.html . Podría ser divertido.