使用真随机数作为种子生成的数值是否属于真随机数？

生成结果是否为真随机数？ #

不是真随机数，核心原因有两点：

• 主流编程语言内置的随机生成函数均为伪随机数生成器（PRNG），本质是确定性数学算法：只要输入的种子相同，后续输出的所有数值序列完全可复现，不具备真随机数的不可预测性。
• 单枚6面骰子单次掷出的结果最多只有≈2.58比特的熵，远低于生成1-100区间均匀随机数所需的≈6.64比特熵，熵源本身的信息量就不足以支撑目标区间的真随机生成需求。

基于该随机源的最优生成方法 #

最优方案是直接使用多次骰子投掷结果做拒绝采样，完全绕开伪随机数生成器，既保证结果的均匀性，也能保留物理骰子的真随机特性，具体实现逻辑如下：

1. 每次掷骰子后将结果减1，得到0~5的数值，对应6进制的一位数
2. 连续掷3次骰子，将三次结果拼接为一个6进制数，可覆盖0~215的所有整数（6³=216）
3. 若得到的数值≥200则丢弃该结果，重新掷3次骰子；若<200则对100取模后加1，即可得到1~100区间的均匀随机数

该方法的单次生成成功率为200/216≈92.6%，平均仅需掷3.24次骰子即可得到一个有效结果，效率极高。以下是Python参考实现（实际使用时替换掉模拟骰子的代码，改为读取物理骰子的掷出结果即可）：

# 模拟物理骰子掷出，实际使用时替换为真实的骰子结果输入
def roll_dice() -> int:
    from random import randint
    return randint(1, 6)

def generate_1_100() -> int:
    while True:
        # 三次掷骰子拼接为6进制数
        val = (roll_dice()-1) * 36 + (roll_dice()-1) * 6 + (roll_dice()-1)
        if val < 200:
            return val % 100 + 1

内容的提问来源于stack exchange，提问作者sf99sL