initiële waarde

De output die de pseudotoevalsgenerator geeft, is helemaal niet willekeurig, omdat hij volledig wordt bepaald door een relatief kleine verzameling van initiële waarden, de zogenoemde PRNG-toestand. John von Neumann zei hierover: "Iedereen die rekenkundige methoden voor de productie van willekeurige getallen bestudeert, begaat natuurlijk een zonde." Hoewel rijen die meer lijken op echte toevalsgetallen, gegenereerd kunnen worden door toevalsgetalgeneratoren in hardware, zijn pseudotoevalsgeneratoren van belang niet alleen vanwege hun snelheid maar juist vanwege hun reproduceerbaarheid.

In principe hebben de meeste generatoren wiskundige problemen die gedetecteerd kunnen worden met statistische analyse. De kwaliteit van de output wordt vaak verhoogd ten koste van de productiesnelheid. Bij het kiezen van een generator moeten deze parameters worden overwogen. De volgende problemen kunnen optreden:

Kortere periode met bepaalde startwaarden (deze startwaarden worden zwak genoemd);
Kwaliteit van de generator varieert sterk, afhankelijk van de startwaarde;
Onvolmaakte distributie, gebrek aan uniformiteit;
Slechte dimensionale verdeling van de volgorde van de output;
Of het tegenovergestelde: perfecte distributie, perfecte uniformiteit;
Opeenvolgende waarden zijn niet onafhankelijk;
Bepaalde delen van de output zijn minder willekeurig (bijvoorbeeld, bit nummer 8 is vaak 1).

https://nl.wikipedia.org/wiki/Pseudotoevalsgenerator

A pseudorandom number generator (PRNG), also known as a deterministic random bit generator (DRBG),[1] is an algorithm for generating a sequence of numbers whose properties approximate the properties of sequences of random numbers. The PRNG-generated sequence is not truly random, because it is completely determined by an initial value, called the PRNG's seed (which may include truly random values). Although sequences that are closer to truly random can be generated using hardware random number generators, pseudorandom number generators are important in practice for their speed in number generation and their reproducibility.

In practice, the output from many common PRNGs exhibit artifacts that cause them to fail statistical pattern-detection tests. These include:

Shorter-than-expected periods for some seed states (such seed states may be called "weak" in this context);
Lack of uniformity of distribution for large quantities of generated numbers;
Correlation of successive values;
Poor dimensional distribution of the output sequence;
Distances between where certain values occur are distributed differently from those in a random sequence distribution.

https://en.wikipedia.org/wiki/Pseudorandom_number_generator


RANDOM Genereert een pseudo-willekeurig getal
SEED Geeft een startwaarde aan de toevalsgenerator
Bitmanipulatie met GETBIT, SETBIT, CLEARBIT en LOADBIT

Als we Waarde door een andere willekeurige waarde laten bepalen, krijgen we een meer willekeurig getal met RANDOM.
Die willekeurige waarde kunnen we krijgen van bijvoorbeeld een NTC of LDR lichtgevoelige weerstand, omdat deze componenten meestal verschillende waarden geven na iedere meting.
Maar picbasic.nl heeft een andere manier gevonden om met behulp van SEED een willekeurige startwaarde voor RANDOM te verkrijgen.

https://www.picbasic.nl/frameload.htm?https://www.picbasic.n...

--------------------------------------------------
Note added at 17 hrs (2022-01-19 11:55:30 GMT)
--------------------------------------------------

Ook van de wikepedia links:

Middle-square method
De middle-square method is een op de computer gebaseerde PNRG methode. Deze werd in 1946 door John von Neumann bedacht. De methode werkt als volgt: begin met een willekeurig getal, kwadrateer het en neem de middelste cijfers van het resulterende getal. Dat getal is dan te gebruiken als startwaarde voor de volgende iteratie.

An early computer-based PRNG, suggested by John von Neumann in 1946, is known as the middle-square method. The algorithm is as follows: take any number, square it, remove the middle digits of the resulting number as the "random number", then use that number as the seed for the next iteration.

--------------------------------------------------
Note added at 18 hrs (2022-01-19 13:06:31 GMT)
--------------------------------------------------

Zo moet elke mogelijke situatie aan bod kunnen komen in de simulatie, zonder onwaarschijnlijke gebeurtenissen te vaak voor te laten komen. Hier zijn willekeurige getallen voor nodig, die door middel van algoritmes uit een startwaarde worden gegenereerd. Deze startwaarde moet als eigenschap hebben dat hij onvoorspelbaar is; hij moet dus ook een zekere vorm van willekeurigheid hebben. Dit verslag is gericht op het verkrijgen van deze startwaarde. Om deze startwaarde (ook wel seed ) te verkrijgen, zijn gegevens nodig. Deze gegevens worden vervolgens omgevormd tot de benodigde startwaarde. Tenslotte is het belangrijk om te verifiëren of de startwaarde geschikt is. Deze drie aspecten worden uitgebreid behandeld in dit verslag. 2 Probleemomschrijving Het doel van de opdracht is om een voldoende willekeurige startwaarde te kunnen genereren door middel van een applicatie of algoritme. Dit dient op een softwarematige manier gedaan te worden, zoals informatie halen uit type-snelheid, muisbewegingen of de systeemklok. Deze startwaarde dient enkele tientallen bits lang te zijn en mag niet voorspelbaar zijn. Zodra een startwaarde gevonden is, moet er gecontroleerd worden of deze startwaarde willekeurig genoeg is. 3 Aanpak In dit verslag wordt het probleem opgedeeld in drie stappen: Het verkrijgen van gegevens; het verwerken van de gegevens in een startwaarde; het controleren van de gevormde startwaarde. De eerste stap is het verkrijgen van gegevens. Een manier om willekeurige gegevens te verkrijgen is het telkens opwerpen van een munt. Met deze gegevens kan een willekeurige rij bits gevormd worden. Het nadeel van het telkens gooien van een munt is de tijd die ervoor nodig is; er moet een andere manier gevonden worden om snel willekeurige gegevens te verkrijgen.

https://docplayer.nl/54799900-Random-getallen-tristan-demont...