Genera numeri casuali identici in R e Julia

Question

Mi piacerebbe generare numeri casuali identici in R e Julia. Entrambi i linguaggi sembrano utilizzare la libreria Mersenne-Twister per impostazione predefinita, ma in Julia:

srand(3) 
rand() 

Produce 0.975, mentre in R:

set.seed(3) 
runif(1) 

produce 0.168.

Qualche idea?

domande SO correlate here e here.

mio caso d'uso per coloro che sono interessati: Nuovo codice di Julia che richiede la generazione di numeri casuali (ad esempio bootstrapping statistica) confrontando uscita che dalle biblioteche equivalenti in R.

Answer 1

Questo è un vecchio problema.

Paul Gilbert ha affrontato lo stesso problema alla fine degli anni '90 (!!) quando cercava di affermare che le simulazioni in R (allora nuovo arrivato) davano lo stesso risultato di quelle in S-Plus (quindi l'incumbent).

La sua soluzione, e ancora l'approccio d'oro AFAICT: re-implementare in codice fresco in entrambe le lingue in quanto questo è l'unico modo per garantire lo stesso seeding, lo stato, ... e quant'altro lo influenzi.

Answer 2

See:

?set.seed 

"Mersenne-Twister": Da Matsumoto e Nishimura (1998). Un GFSR contorto con periodo 2^19937-1 e equidistribuzione in 623 dimensioni consecutive (per l'intero periodo). Il 'seme' è un insieme 624-dimensionale di numeri interi a 32 bit più una posizione corrente in quel set.

E si potrebbe vedere se è possibile collegarsi allo stesso codice C da entrambe le lingue. Se volete vedere la lista/vettore, tipo:

.Random.seed 

Answer 3

Praticando il RCall suggerimento di @Khashaa, è chiaro che è possibile impostare il seme e ottenere i numeri casuali da R.

julia> using RCall 

julia> RCall.reval("set.seed(3)") 
RCall.NilSxp(16777344,Ptr{Void} @0x0a4b6330) 

julia> a = zeros(Float64,20); 

julia> unsafe_copy!(pointer(a), RCall.reval("runif(20)").pv, 20) 
Ptr{Float64} @0x972f4860 

julia> map(x -> @printf("%20.15f\n", x), a); 
    0.168041526339948 
    0.807516399072483 
    0.384942351374775 
    0.327734317164868 
    0.602100674761459 
    0.604394054040313 
    0.124633444240317 
    0.294600924244151 
    0.577609919011593 
    0.630979274399579 
    0.512015897547826 
    0.505023914156482 
    0.534035353455693 
    0.557249435689300 
    0.867919487645850 
    0.829708693316206 
    0.111449153395370 
    0.703688358888030 
    0.897488264366984 
    0.279732553754002 

e da R:

> options(digits=15) 
> set.seed(3) 
> runif(20) 
[1] 0.168041526339948 0.807516399072483 0.384942351374775 0.327734317164868 
[5] 0.602100674761459 0.604394054040313 0.124633444240317 0.294600924244151 
[9] 0.577609919011593 0.630979274399579 0.512015897547826 0.505023914156482 
[13] 0.534035353455693 0.557249435689300 0.867919487645850 0.829708693316206 
[17] 0.111449153395370 0.703688358888030 0.897488264366984 0.279732553754002 

** EDIT **

Per il suggerimento di @ColinTBowers, ecco un modo più semplice/pulitore per accedere R numeri casuali da Julia.

julia> using RCall 

julia> reval("set.seed(3)"); 

julia> a = rcopy("runif(20)"); 

julia> map(x -> @printf("%20.15f\n", x), a); 
    0.168041526339948 
    0.807516399072483 
    0.384942351374775 
    0.327734317164868 
    0.602100674761459 
    0.604394054040313 
    0.124633444240317 
    0.294600924244151 
    0.577609919011593 
    0.630979274399579 
    0.512015897547826 
    0.505023914156482 
    0.534035353455693 
    0.557249435689300 
    0.867919487645850 
    0.829708693316206 
    0.111449153395370 
    0.703688358888030 
    0.897488264366984 
    0.279732553754002