🚀 go-pugleaf

On Monday, July 4, 2016 at 9:12:56 PM UTC+2, Matt D. wrote:
> On 7/4/2016 20:06, M.M. wrote:
> > On Monday, July 4, 2016 at 5:57:17 PM UTC+2, M.M. wrote:
> >> On Monday, July 4, 2016 at 3:23:47 AM UTC+2, Matt D. wrote:
> >>
> >>> W praktyce: Istniejace implementacje `rand` _zdecydowanie_ zawala kazde
> >>> porzadne testy losowosci.
> >>
> >> Poprawny generator liniowy, zaimplementowany na dużym zakresie
> >> powinien przejść doskonale wszystkie testy na równomierność rozkładu, ponieważ
> >> generuje wszystkie liczby z zakresu od 0 do N-1. Moim zdaniem problem tego
> >> generatora polega na tym, że przechodzi te testy zbyt dokładnie.
> 
> Byc moze, ale...
> 
> >> Problemy ten generator dopiero ma przy testach na zależność, bo
> >> liczba losowa numer [i] zależy bezpośrednio od liczby [i-1].
> >> W ciut lepszych odmianach zależy od dwóch lub trzech poprzednich.
> 
> ...wlasnie. I w testach losowosci w sensie ogolnym musimy miec 
> zaliczenie baterii (t.j., calej kolekcji) -- zawalenie jednego implikuje 
> zawalenie baterii.
Tak, oczywiście chodzi o zaliczenie całej serii testów. 

> Oczywiscie -- tutaj nie ma zadnego zaskoczenia, MT zdecydowanie nie 
> nadaje sie do krypto --- bardziej nadaje sie do obliczen numerycznych 
> (n.p., naukowe symulacje), gdzie statystyczne wlasciwosci rozkladu sa 
> wazniejsze od nieprzewidywalnosci (ale tez nie jest najlepszy, to bardzo 
> ciezki -- duzy stan -- i powolny generator).
Ok, więc tylko mnie zaskakuje jego przewidywalność. Gdzieś czytałem, że
trzeba znać około 600-700 liczby, aby przewidywać kolejne, dla automatycznych
testów, to nie wydaje się zbyt łatwe. A co do stanu, to mój generator ma
jeszcze większy. Co do wydajności, gdy kiedyś pobieżnie spojrzałem na kod
MT, to nie wydawał się bardzo obliczeniowo-ciężki. Nie miał operacji
modulo.

> Czysta matematyka dyskretna / teoria liczb, a wiec w pelni 
> deterministyczny i trywialnie przewidywalny -- ale do calkowania Monte 
> Carlo potrafi sie calkiem niezle sprawdzac :-)
> https://en.wikipedia.org/wiki/Quasi-Monte_Carlo_method
Ok.


> > Aż musiałem wrzucić generator mojego autorstwa:
> > my generator no have any important name yet, version 0.00
> > Wygląda na to że przechodzi ichniejsze testy.
> >
> > Trochę jestem zaskoczony.
> 
> Ciekawe, moze cos dobrego masz :-)
Nic rewelacyjnego, mam złożenie dwóch generatorów fibbonaciego. Jest 
bardzo szybki, ma duży stan, a że przechodzi testy kryptograficzne - to
jestem zaskoczony.


> Czytajac opis jednak: "At the moment, we are using ENT and diehard for 
> analysis. ENT is used to sort all results, and diehard is used to raise 
> red flags. We are trying to switch to dieharder which promises better 
> tests than diehard."
> http://www.cacert.at/random/
> 
> Wiec mozesz jeszcze TestU01 (poprzedni post) i Dieharder sprawdzic:
> http://www.phy.duke.edu/~rgb/General/dieharder.php
Ale to bym musiał swój generator wkompilować w tamten kod? A nie, można
dać mu swoje liczby na wejście:
[
Dieharder also supports file-based input three distinct ways. The simplest is to use the (raw binary) stdin interface to pipe a bit stream from any rng, hardware or software, through dieharder for testing. In addition, one can use "direct" file input of either raw binary or ascii formatted (usually uint) random numbers. The man page contains examples of how to do all three of these things, and dieharder itself can generate sample files to use as templates for the appropriate formatting.
]
To będę musiał spróbować.

Pozdrawiam