java生成0100随机数_怎样判断时序排列的随机数串更随机？

怎样判断时序排列的随机数串更随机？

于德浩

2020.6.7

对于0和1各50%的概率随机排列，怎样的时序排列更随机呢？如果没有完备条件限制的话，任意的排列似乎都有可能。但当我们限定N个事例具有完备性时，看上去的随机排列却受到很多约束。

比方说，我们限定N=10为完备条件。那么0001011101这个数列串，要比0101001101更随机。这里有随机的概率限制条件，任意排列都是等概率的。一般人们只考虑一阶排列，即0 和 1 在N个事例中，各占一半。 若N=10，那么就是5个“0”和5个“1”，至于时序排列是没有限制的。

但我们还要考虑二阶排列的等概率假设。即，00，01，10，11，也应该有相同的概率。由于一共有N-2+1种观测值事例末态，那么，在N=10的完备条件约束下，每个二级排列应该各出现2次。

对于三阶排列，000 ，111 等有8种排列方式， 而事例总数是10-3+1=8，所以每个三阶排列应该各出现1次。

对于四阶排列，0000，1111等有16种排列方式，事例总数是10-4+1=7。显然，至少11种在一个10位的数据串中是不可能出现的。 也就是说，任意的排列，基本都不会违背四阶及四阶以上排列等概率假设。

我们看一下0001011101这个数据串的等概率排列情形，这是一个非常完美的随机数时序排列。 首先，一阶排列是满足的，0和1都是各5个事例。再看二阶排列，依次写出 00，00，01，10，01，11，11，10，01 共9个观测值事例。 4种排列方式都各出现2次，其中01多了一次，这非常符合二阶排列的等概率假设。 再看三阶排列，依次写出，000，001，010，101，011，111，110，101共8个观测值事例。这里面没有出现100，出现了2个101，这也基本满足三阶的等概率假设。 再看四阶排列，0001，0010，0101，1011，0111，1110，1101共7个事例。这满足四阶排列的等概率约束，因为没有出现2次相同的一种排列。

而0101001101这个数串，就不那么随机。先看一阶，这个满足。5个0和5个1，一般人造的伪随机数，都要先满足一阶排列的等概率假设约束。 再看二阶排列，依次写出，01，10，01，10，00，01，11，10，01共9个事例。这里都出现了4种排列，但是01出现了4次，10出现了3次，而其它各1次；这与各2次的等概率假设定量不符。 再看三阶排列，依次写出，010，101，010，100，001，011，110，101共8个事例。这里没有出现000和111的排列；而010出现2次，101出现2次。 再看四阶排列，依次写出0101，1010，0100，1001，0011，0110，1101共7个事例。这个四阶等概率还是满足的。

一般来说，一个10位的随机数串(完备性)，出现000及111是必然的，因为这得满足三阶排列的等概率假设。但是，一般不会出现0000，因为这一下子就出现了2个000，和3个00，同时把三阶及二阶等概率假设破坏了。

当然，大部分情形下，我们使用一阶判据就足够了。如果前面5次，出现了4次0；那么后面5次，出现0的概率要从50%降低为20%才满足完备性约束。比方说，在牛市预期中，前面5个月出现了4个月的下跌回调，那么我们应该逢低补仓，因为后面未来的5个月，大约只有1个月会下跌或不涨。 在股价运行中，一般都有局部约束，也就是人们的一般经验“大跌之后必大涨”。

不过，在掷硬币的博弈中，一般不存在局部约束。也就是，若连续3次“押大”都输了，这可并不意味着着未来的7局游戏中，一定会有连续3局“开大”。因为，完备条件不一定是N=10，有可能是N=20或30等等。

在股票投资中，可以认为股票日涨幅具有短周期约束性。在一段上涨趋势中，大约10-15个交易日，可以预先假设期望值mu=0.9%，sigma=2%；在右侧回调下跌趋势，可以认为期望值是-0.3%，标准差是2%。 这里的“0”，是指期望值左侧，是指下跌或小涨；“1”是指期望值右侧，涨幅较大或很大。 比方说，我们预期牛市；实际前两天股票大涨(11)，后三天股票震荡(000)；那么，我们就认为，未来3-5天，股价还会大涨(111)。