疑似乱数生成でシードを設定するためのリファレンスとベストプラクティス

で、この文書は、その懸念「セットシード」コマンドは、Stataの人々は、疑似乱数を生成するシードの設定に関連する問題を議論します。

注目すべき「しない」は、「自然数のシーケンスをシードとして連続的に使用しないでください。これは、パターンがあり、疑似ランダム性を危険にさらすためです」。

4分の1の冗談で特筆すべき"do"は、有効期間中にシードを1つだけ設定し、各実験の最後に生成されたプロセスの "状態"を記録して、次の実験がその時点で続行されるようにします。プロセスが停止した場所。

明らかに、上記のアドバイスは、彼が研究期間中に生成する疑似乱数の予想される数に依存します。おそらく、メルセンヌツイスターは多くの研究者の生涯のニーズをカバーするでしょう...

現在、私はPRNGについて理論上または実際にはあまり経験を積んでいないので、これらの提案について議論することはできません。それらは理論的根拠と厳密な数学的統計に基づいて有効または無効であることが証明されているはずです。

だから、私の質問は

1）上記のアドバイスの説明や無効化を手伝ったり、そのような問題を扱っているリファレンスを指摘したりできますか？

2）シード設定の「ベストプラクティス」を提供するリファレンスを提供できますか？

3）あなたは自分の仕事でそれをどのように進めますか、そしてなぜですか？

$m$$n$$\text{PRNG}$$mn$$mn$

関連するスレッド（より集中的ですが）は、
各コードブロックの前にシードを設定するか、プロジェクトごとに1回ですか？

私はおそらくこれがコミュニティーwikiであるべきだと感じています。モッドはそれについて決定してください。

価値があるのは、これは数学的分析ではなく経験に基づいていることです。

Mersenne Twisterのような受け入れられた優れたPRNGを使用し、線形合同ジェネレーターのような古いものを使用しない限り、微妙なパターンが非常に悪い暗号化を行わない限り、どのシードを設定しても違いはないと思います。私が知る限り、実際にPRNGを実行せずに、与えられたシードからどの乱数が出てくるかを知る方法はありません（それがまともなものであると仮定します）。それ以外の場合は、その新しいアルゴリズムを使用して、乱数ジェネレータ。

別の見方：モンテカルロシミュレーションの微妙なパターンは、他のモデリングの仮定によって生じるすべての測定誤差、交絡、および誤差よりも大きい可能性が高いと思いますか？

再現性のために最初に1つのランダムシードを使用し、2つの異なるアルゴリズムがまったく同じ入力データに対して同じ結果を生成することを確認する必要があるデバッグを行っていない限り、各呼び出しの前に1つは設定しません。

免責事項：原子炉、ミサイル制御システム、天気予報をシミュレートする場合、ドメインの専門家に相談するのが最善ですが、その場合は責任を負いません。