Beispiele aus der Praxis eines ineffizienten Zufallszahlengenerators

9

Wir alle wissen, dass Zufallszahlengeneratoren in Computern keine echten Zufallszahlen erzeugen, sondern Pseudozufallszahlen. Außerdem sind einige RNGs besser als andere, und einige sind besser implementiert als andere.

Was sind einige Beispiele dafür, wann ein schlechtes RNG verwendet oder ein RNG schlecht implementiert und ausgenutzt wurde?

Beispiele, die ich gefunden habe, sind

random-generation history Ziemlich nerdig
quelle
2
Es gibt noch eine andere verwandte Reihe von Problemen, nämlich wissenschaftliche / statistische Monte-Carlo-Studien, die mit schlechtem RNG durchgeführt wurden und später als falsch befunden wurden. Leider trage ich nicht viel bei, weil ich mich nicht an die Referenz erinnern kann, aber es ist definitiv passiert ...
Korone
1
Aus dem Gedächtnis heraus verwendete die britische Spielshow Deal or No Deal ursprünglich (Pseudo-) Zufallszahlen, die in Excel generiert wurden, und ein Zuschauer konnte das Problem lösen, welche Box welchen Preis enthielt. Aber ich glaube nicht, dass der Preis als solcher ausgenutzt wurde.
Silverfish
3
Siehe auch diesen verkabelten Artikel über das Ausnutzen von Pseudozufallszahlen auf Lotterie-Rubbelkarten .
Silverfish
5
Für Leute, die abstimmen, um zu schließen: Ich denke, dieser Beitrag ist hier sicher zum Thema. Sowohl die (Pseudo-) Zufallszahlengenerierung als auch die Statistikhistorie sind eindeutig themenbezogen, und ich bin mir nicht sicher, welcher Aspekt dieser Überschneidung sie nicht zum Thema machen würde. Selbst wenn man argumentieren würde "ahh, aber nur die Mathematik von RNG ist hier zum Thema" (was meiner Ansicht nach sehr reduktionistisch wäre), wird eine wirklich gute Antwort auf diese Frage - den Typ, den ich zu lesen hoffe - untersuchen Welche mathematischen Details ermöglichten den Exploit?
Silverfish
1
@Corone: Denkst du vielleicht an RANDU en.wikipedia.org/wiki/RANDU ?
David Cary

Antworten:

6

Bei einem Lotteriesystem in Ontario wurde eine schlecht konzipierte Zufallsgenerierung verwendet, die von einem Statistiker, Mohan Srivastava aus Toronto, Kanada, entdeckt wurde, der die Ontario Lottery and Gaming Corporation über das Problem informierte, anstatt aus dieser Lücke einen hohen Gewinn zu ziehen.

Xi'an
quelle
1
Es gibt eine größere Anzahl von Problemen, auf die RNGs eingehen. Zum Beispiel wiederholte sich die Stichprobe, die in jedem experimentellen Design (einfach bis komplex) verwendet wurde, ob RDD-Telefonumfragen, Online-Flussstichproben, Wahlumfragen, Prognosemärkte usw. Die Umfragemängel und Prognosemärkte, die eine hohe Wahrscheinlichkeit für einen Clinton-Sieg über Trump mit sich brachten Die Wahlfehler von 1948 vor den Wahlen gaben Dewey den Sieg über Truman. Im Zusammenhang damit stehen die zehnjährigen Reifen, durch die das Census Bureau bei jeder nationalen Volkszählung springen muss, um Werte für die dünn geschätzten oder fehlenden Informationen zu stecken und / oder aufzufüllen.
Mike Hunter
@ Johnson: Erstens ist diese Geschichte meistens anekdotisch, da stimme ich zu. Zweitens habe ich Probleme, den Zusammenhang zwischen den jüngsten Umfragefehlern und RNGs zu erkennen. Oder mit der statistischen Korrektur des Census Bureau (und des INSEE hier).
Xi'an
Jep. Ich verstehe diese Schwierigkeiten, weshalb ich dies eher als Kommentar als als Antwort gemacht habe. Eigentlich wünschte ich mir jetzt, ich hätte es nicht nach Ihrem Thread in den Luftstrom gestellt, sondern als allgemeinere Notiz unmittelbar nach der OP-Abfrage. Mein Standpunkt ist, dass Bedenken hinsichtlich der Zufälligkeit (oder deren Fehlen wie bei Auswahlverzerrungsproblemen) die Angemessenheit einer quantitativen Antwort auf eine Frage entweder untergraben oder untergraben. Aus diesem Grund habe ich mich entschlossen, das Netz von dem sehr engen Fokus auf RNGs zu erweitern, um diese umfassenderen Bedenken zu berücksichtigen. Du musst nicht zustimmen.
Mike Hunter