我不确定StackOverflow是问这个问题的正确地方，因为这个问题是半编程半数学的。如果我的问题很愚蠢^_^，也真的很抱歉
我正在通过"蒙特卡罗方法"一书研究蒙特卡罗模拟。我必须学习的第一件事是关于随机数生成器。RNG 的基本算法是：
1. 初始化：从 S 上的分布μ绘制种子 S0，设置 t = 1。
2. 转换：设置 St = f（St−1）。
3. 输出：设置 Ut = g（St）。
4. 重复：设置 t = t+ 1 并返回步骤 2。
（μ是有限状态集合 S 上的概率分布，输入是 S0，我们希望它的随机数是输出 Ut）
这并不难理解，但这里的问题是我没有看到重复次数中的随机因素。我们如何决定何时停止 RNG 的循环？我读到的所有实现 RNG 的示例都是循环 100 次，它们为特定种子返回相同的值。它根本不是随机的>_<</p>
有人可以解释一下我在这里错过了什么吗？任何帮助将不胜感激。谢谢大家
如果没有专门的硬件，就无法在计算机上获得真正的随机数序列。 （这种专用硬件使用物理来提供随机性，相当于初始掷骰子。 电子的通常在恒温下使用专用二极管的电子噪声;其他人使用放射性衰变事件。
如果没有这种专门的硬件，你可以生成的是伪随机数，正如你所观察到的，它们总是为相同的初始种子生成相同的数字序列。 对于简单的应用程序，您通常可以从调用时生成初始种子，这实际上是随机的。
当我说"简单的应用程序"时，我排除了密码学。 （不仅如此，尤其是这样。
有时，当您尝试调试模拟时，您实际上希望有一个可重现的"随机"数字流，因此您可以专门发送一个流以从特定种子开始。
例如，在答案中使用 ggplot2 创建一个facet_wrap图，每个图中都有不同的注释 rcs 通过使用 R 代码创建一组可重现的数据集来开始答案
set.seed(1)
df <- data.frame(x=rnorm(300), y=rnorm(300), cl=gl(3,100)) # create test data
在继续演示如何回答实际问题之前。