为什么R命令RNORM（）和qnorm（runif（））产生不同的随机数？

Question

我设置种子，生成均匀分布的随机数，并使用逆CDF方法来得到一组正态分布的随机数的。然后，我重置种子并使用rnorm()生成正态分布的随机数。结果是不同的。 R中的随机数生成器是否默认为Mersenne-Twister算法来生成整数？如果不是所有的R中的其他随机数（正常，均匀，指数等的分布）是这些伪随机整数的一些确定性的转型？

set.seed(1) 
u1 <- runif(5) 
u1 
# [1] 0.2655087 0.3721239 0.5728534 0.9082078 0.2016819 
z1 <- qnorm(u1) 
z1 
# [1] -0.6264538 -0.3262334 0.1836433 1.3297993 -0.8356286 
set.seed(1) 
z2 <- rnorm(5) 
z2 
# [1] -0.6264538 0.1836433 -0.8356286 1.5952808 0.3295078 

是的，我看到的一些元素匹配，但不一定出现在相同的顺序。有人可以解释吗？

Answer 1

它看起来像所有出现的元素，并以相同的顺序，但总是在你的第一种方法的输出穿插一个额外的元素。

似乎表明rnorm每次迭代消耗两个随机数，并且这符合this answer。

case INVERSION: 
#define BIG 134217728 /* 2^27 */ 
/* unif_rand() alone is not of high enough precision */ 
u1 = unif_rand(); 
u1 = (int)(BIG*u1) + unif_rand(); 
return qnorm5(u1/BIG, 0.0, 1.0, 1, 0); 

看起来它花费的少显著位的第二个数字。

这意味着当您查看更多数字时，您观察到的“相同”数字也会略有不同。