R語言中的set.seed()函數

計算機並不能產生真正的隨機數，若是你不設種子，計算機會用系統時鐘來做爲種子，若是你要模擬什麼的話，每次的隨機數都是不同的，這樣就不方便你研究，若是你事先設置了種子，這樣每次的隨機數都是同樣的，便於重現你的研究，也便於其餘人檢驗你的分析結果。
http://bbs.pinggu.org/thread-336973-1-1.html
http://bbs.pinggu.org/thread-2121186-1-1.html
若是說函數中出現set.seed(3000)，那就是說程序運行3000次，都是從同一個種子產生的隨機數，仍是從不一樣的種子產生的？
      另外，這個3000，指的是3000「個」隨機數，仍是3000「批」（一批裏面可能有若干個）隨機數呢？
     若是我每循環一次，讓set.seed(N)中的N增長一個常數，那會有什麼做用？
et.seed(3000)，不是運行3000次，而是把種子設置爲3000。
計算機的程序，都是經過肯定的算法，根據肯定的輸入，算出肯定的輸出。想要獲得真正的隨機，須要經過外接物理隨機數發生器，經過把隨機的物理過程轉變爲隨機值，才能實現。所以咱們日常使用的計算機的隨機數，其實都只是經過算法模擬獲得，也就是僞隨機。通常採用的辦法是線性同餘（參見http://en.wikipedia.org/wiki/Linear_congruential_generator）。
X[n+1] = (a * X[n] + c) mod m
爲簡單起見，我取簡單的參數（a = 1, c = 3, m = 5），獲得一個簡單的算式：
X[n+1] = (X[n] + 3) mod 5
這時，把X[0]視爲種子，因而：
若種子爲0，獲得數列：0, 3, 1, 4, 2, 0, …
若種子爲1，獲得數列：1, 4, 2, 0, 3, 1, …
若種子爲2，獲得數列：2, 0, 3, 1, 4, 2, …
若種子爲3，獲得數列：3, 1, 4, 2, 0, 3, …
若種子爲4，獲得數列：4, 2, 0, 3, 1, 4, …
對於每一個種子，所獲得的數列看起來都是隨機的（每一個數值出現的頻率都是相同的）。而一旦種子給定，每次調用隨機數函數，函數都會根據上次獲得的數列的某個值，計算出數列的下一個值並返回回來。而對於隨機浮點數，通常是用隨機產生的整數除以最大整數獲得。
因此，隨機數的種子通常只須要在調用隨機函數以前設置一次，不建議設置屢次。
另外，我一直沒有搞明白一件事：設置屢次種子，在算法上會不會對最終生成的隨機數的分佈形成影響？不知道有人瞭解麼？
http://cos.name/cn/topic/15925
能夠重複獲得同一組僞隨機數很重要。好比，你的程序有一個很隱蔽的錯誤，致使你用某些初始值會獲得錯誤的結果，若是你沒有設定種子，運行完程序一看結果錯了，這時你確定想再用剛纔的數據作一次debug，但永遠不可能獲得它了。再好比，寫論文的時候，你的結果要給別人看，那麼一個可重複使用的數據就很重要，你要讓別人運行你的code也能獲得你的結果就必需要設定種子，等等。
http://cos.name/cn/topic/106976