我不确定 StackOverflow 是否适合问这个问题，因为这个问题是半编程半数学的。如果我的问题很愚蠢，也很抱歉^_^
我正在通过“蒙特卡洛方法”一书研究蒙特卡洛模拟。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 中画出种子 S0。设置 t = 1。
2. 转移：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 S 上的概率分布，输入是 S0，我们希望它是输出 Ut 的随机数）
这不难理解，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 的示例都循环了 100 次，它们为特定的种子返回相同的值。一点都不随机>_<
有人可以解释我在这里缺少什么吗？任何帮助将不胜感激。感谢大家
如果没有专门的硬件，您无法在计算机上获得真正的随机数序列。（这种专用硬件相当于使用物理学来提供随机性的初始掷骰子。电子硬件通常使用恒温下专用二极管的电子噪声；其他硬件则使用放射性衰变事件。）
如果没有专门的硬件，您可以生成的是伪随机数，正如您所观察到的，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，您通常可以避免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，我将密码学排除在外。 （不仅如此，而且尤其如此。）
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，因此您可能会专门发送一个流以从特定种子开始。
例如在答案中使用 ggplot2 在每个绘图 rcs 中使用不同的注释创建 facet_wrap 图通过使用 R 代码创建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。