🎲

Random

Sources

Genereert pseudo-willekeurige getallen met behulp van een deterministische PRNG (xorshift64). Ondersteunt zowel uniforme als Gaussische (normale) verdelingen. Een identieke seed levert exact dezelfde reeks op.

Wiskundig Model

\begin{aligned} &\text{Uniform:} && y \sim \mathcal{U}(\text{min}, \text{max}) \\ &\text{Gaussian:} && y \sim \mathcal{N}(\mu, \sigma) \end{aligned}

Geïmplementeerd via de xorshift64 pseudo-willekeurige getallengenerator met instelbare seed. Identieke seeds produceren altijd identieke getallenreeksen.

Ingangen & Uitgangen

Direction	ID	Label	Type	Status
← Out	`out`	Out	number	Output

Parameters

Parameters	Label	Type	Standaard
`distribution`	Distribution	select	`uniform`
`minimum`	Minimum	number	`0`
`maximum`	Maximum	number	`1`
`mean`	Mean	number	`0`
`stdDev`	Std Dev	number	`1`
`seed`	Seed	number	`12345`

Gebruiksvoorbeelden

Sensorruis simuleren: combineer een RandomNumber (Gaussian, mean=0, std=0.05) met een sensorsignaal via een Sum-blok.
Monte Carlo parametervariaties testen met reproduceerbare seeds.

Opmerkingen & Best Practices

Deterministisch: Dezelfde seed produceert altijd een identieke getallenreeks — essentieel voor reproduceerbare simulaties.
Seed 0: Gebruikt syteementropie voor initialisatie (werkelijk niet-deterministische start).
Gaussische verdeling: Geschikt voor het modelleren van sensorruis, meetonzekerheid en Monte Carlo-analyses.
Uniforme verdeling: Geschikt voor dithering, willekeurige initiële condities en stochastische afronding.
Prestaties: xorshift64 is uiterst snel; duizenden onafhankelijke RNG-blokken kunnen parallel worden uitgevoerd.

Gerelateerde Componenten

SignalGenerator: Deterministische periodieke signalen (sinus, blokgolf, etc.)
Constant: Vaste constante numerieke waarde