Random Number Generation: Types and Techniques

Statistical Tests 

 

One of the approaches to testing random number generators is leveraging the wide 

array of statistical formulas. With this approach, each test examines a different quality 

that a random number generator should have. For example, a random generator would go 

through a chi-squared test to ensure a uniform distribution, and then a reverse-

arrangements test to see if the sequences contained any trends. Confidence in the 

generator’s randomness is only gained after it passes an entire suite of tests which comes 

at it from different directions. These tests should be run on more than just a single 

sequence to ensure that the test results are accurate. Making the act of testing more 

difficult is the fact that failing a test does not indicate that a generator is not random. 

When outputs are truly random, then there will be some isolated sequences produced that 

appear non-random (Haahr, 2011). Tests need to be picked carefully and tailored to the 

context generators are needed in. The chi-squared, runs, next bit, and matrix based tests 

will be examined because of their popularity.