计算机的运行过程是一个确定的过程，每一条指令都是确定，因此从根本上来讲，计算机产生不了真正意义上的随机数。
那么伪随机数怎么理解呢？举个最简单的例子，要随机产生0~9十个数，那么计算机可以循环快速的给出0、1、2、3、4、5、6、7、8、9、0、1……这样的一个数列，这个数列并不是随机的，而是有规律的（所以才叫做伪随机），当我们按下按钮，或者点下鼠标的瞬间，机器停止，并显示最后的一个数字（有点类似于玩老虎机），这个过程我们挑选出来的数字好像是随机的，但其实并不是100%随机，只有我们去触发机器的那个时间点是随机的，其他都是有规律的，所以就是伪随机。
rand（）函数就是给出一列数值（这列数值是被事先打乱，但是是固定的数值），所以属于伪随机数。只是机器执行到rand（）函数的时间点是随机的，才让我们感觉执行结果是随机的一样。
伪随机可以通过增加抽取的次数，使抽取到的概率更高。例如，如果要抽取一个概率为05的元素，可以抽取两次，这样抽取到这个元素的概率就为025，抽取三次的概率就为0125，以此类推。还可以使用更复杂的算法来提高抽取概率，例如贝叶斯定理，这种算法可以根据已知的概率分布来估计未知的概率。此外，可以使用更复杂的伪随机数生成器，例如伪随机数生成器（PRNG），来提高抽取概率。
伪随机，顾名思义就是不是真正的随机了，但是有“随机”的特性。例如，在无线通信里面的加扰“伪随机序列”，这种序列有一定的随机性，但有确定的参数与公式能够“复现”该序列。而真正的随机，毫无定法、不存在“复现”性了。
一般地，伪随机数的生成方法主要有以下3种：
（1） 直接法（Direct Method），根据分布函数的物理意义生成。缺点是仅适用于某些具有特殊分布的随机数，如二项式分布、泊松分布。
（2） 逆转法（Inversion Method），假设U服从[0，1]区间上的均匀分布，令X=F-1（U），则X的累计分布函数（CDF）为F。该方法原理简单、编程方便、适用性广。
（3）接受拒绝法（Acceptance-Rejection Method）：假设希望生成的随机数的概率密度函数（PDF）为f，则首先找到一个PDF为g的随机数发生器与常数c，使得f（x）≤cg（x），然后根据接收拒绝算法求解。由于算法平均运算c次才能得到一个希望生成的随机数，因此c的取值必须尽可能小。显然，该算法的缺点是较难确定g与c。
因此，伪随机数生成器（PRNG）一般采用逆转法，其基础是均匀分布，均匀分布PRNG的优劣决定了整个随机数体系的优劣[7]。下文研究均匀分布的PRNG。
以上就是关于rand（）函数产生的随机数为什么是伪随机数全部的内容，包括:rand（）函数产生的随机数为什么是伪随机数、伪随机如何提高概率、伪随机是神马意思呢等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！
