Bisher ein hervorragend ausgearbeitetes Video :) Ich habe letztes Jahr ein paar Videos zu Zufallsgeneratoren erstellt, u. a. mit Lavalampen ;) LCGs habe ich ebenfalls schon geknackt. Ich werde demnächst ein paar der vorgestellten Methoden in Python-Programme gießen. Danke dir und frohe Weihnachten!
Danke dir, ich habe mir die Videos gerade mal angesehen. Schade, hätte ich das eine Video vorher gesehen, wäre "Zufall aus der Dose" sicher in die Liste der Synonyme für Pseudozufallszahlengeneratoren gekommen. :p Dir auch frohe Weihnachten und viel Erfolg im Jahr 2023 für deinen Channel!
Ein kleiner Nachtrag: Bei der Verwerfungsmethode ist es vorteilhaft, die Schablonenverteilung h (proposal distribution) möglichst so zu wählen, dass der Abstand zwischen den Graphen von h und h tilde möglichst klein ist, dann steigt nämlich die Akzeptanzwahrscheinlichkeit der Zufallszahl. Je höher die Akzeptanzwahrscheinlichkeit, desto schneller terminiert der Algorithmus. Wenn man 1000000 Zufallszahlen generieren möchte und nur eine Akzeptanzwahrscheinlichkeit von 0.001 hat, dann wird das länger dauern. Man müsste dann im Mittel eine Milliarde Zufallszahlen erzeugen.
Zum "Monte Carlo Ray Tracing": ua-cam.com/video/7ESK5SaP-bc/v-deo.html
Die weihnachtliche Stimmung des Videos quillt beinahe über. Erneut hat der Meister sein Können zur Schau gestellt. Chapeau!
Bisher ein hervorragend ausgearbeitetes Video :) Ich habe letztes Jahr ein paar Videos zu Zufallsgeneratoren erstellt, u. a. mit Lavalampen ;) LCGs habe ich ebenfalls schon geknackt. Ich werde demnächst ein paar der vorgestellten Methoden in Python-Programme gießen. Danke dir und frohe Weihnachten!
Danke dir, ich habe mir die Videos gerade mal angesehen. Schade, hätte ich das eine Video vorher gesehen, wäre "Zufall aus der Dose" sicher in die Liste der Synonyme für Pseudozufallszahlengeneratoren gekommen. :p Dir auch frohe Weihnachten und viel Erfolg im Jahr 2023 für deinen Channel!
@@anthroporraistes_ Vielen Dank :) Dir ebenfalls!
Ein kleiner Nachtrag:
Bei der Verwerfungsmethode ist es vorteilhaft, die Schablonenverteilung h (proposal distribution) möglichst so zu wählen, dass der Abstand zwischen den Graphen von h und h tilde möglichst klein ist, dann steigt nämlich die Akzeptanzwahrscheinlichkeit der Zufallszahl. Je höher die Akzeptanzwahrscheinlichkeit, desto schneller terminiert der Algorithmus. Wenn man 1000000 Zufallszahlen generieren möchte und nur eine Akzeptanzwahrscheinlichkeit von 0.001 hat, dann wird das länger dauern. Man müsste dann im Mittel eine Milliarde Zufallszahlen erzeugen.