计算机生成的随机数可以分为伪随机数和真随机数。它们之间的主要区别如下：
1. 生成原理：伪随机数是通过一个确定性的算法来生成的，这个算法需要一个初始的种子值。逐次使用该算法，它会生成一个看似随机的数列。而真随机数是通过一些物理过程或者环境噪声等不可预测的事件来生成的。
2. 可重复性：伪随机数是基于确定性算法生成的，因此，如果使用相同的种子值和算法，它们会生成相同的数列。而真随机数是不可预测和不可重复的，每次生成的结果都是独立的。
3. 安全性：伪随机数在加密和安全领域中存在一定的风险，因为如果攻击者能够获取到种子值和算法，他们可能能够预测后续的数值。真随机数在安全性方面更可靠，因为它们无法预测和重现。
4. 应用领域：伪随机数通常在仿真、模拟、游戏和一些普通的计算需求中使用。真随机数主要在密码学、加密算法、安全密钥生成等安全相关的领域中使用。
需要注意的是，虽然伪随机数不是真正的随机数，但在大多数情况下，它们的随机性足够满足一般的计算需求。真随机数的生成通常需要特殊的硬件或外部设备来获取环境噪声等随机输入，所以在实际应用中可能更加困难和昂贵。
计算机中的伪随机和真随机有着本质的区别。
真随机是指事件的结果是完全不可预测的，就像抛硬币或掷骰子一样，每次的结果都是独立的，无法被预测或复制。在计算机中，真随机通常是通过物理过程来生成的，比如测量放射性衰变的时间间隔，或者使用专门的硬件随机数生成器。
而伪随机则是指通过算法来模拟随机过程。伪随机数生成器（PRNG）是一种能够生成看似随机的序列的算法，但实际上这些序列是可以被预测和重现的。伪随机数生成器通常基于一些确定的初始值（种子），并通过一系列的数学运算来生成序列。
总的来说，真随机是不可预测和不可重现的，而伪随机则是可预测和可重现的。在计算机科学中，伪随机被广泛应用，因为它足够“随机”以满足大多数应用的需求，同时又能保证可重现性和可测试性。但在需要高度安全性的应用中，如密码学，真随机则更为重要。
计算机中的位权计算是根据二进制数的位置来确定的。在二进制数中，每一位的值只能是0或1，而每一位的位权则是以2的幂次递增的。
具体来说，从二进制数的最右边的位（最低位，也称为最低有效位）开始，其位权为\\(2^0 = 1\\)，然后向左每移动一位，位权就增加一倍，即\\(2^1, 2^2, 2^3, \\ldots\\)，以此类推。
例如，二进制数1010的位权计算如下：
- 最右边的位（第0位）是0，其位权为\\(2^0 = 1\\)，因此这一位的数值贡献是0。
- 接着往左数第二位（第1位）是1，其位权为\\(2^1 = 2\\)，因此这一位的数值贡献是2。
- 然后是第三位（第2位），其位权为\\(2^2 = 4\\)，这一位上的数值贡献是0。
- 最左边的位（第3位，最高有效位）是1，其位权为\\(2^3 = 8\\)，因此这一位的数值贡献是8。
将所有位的数值贡献相加，我们得到这个二进制数1010对应的十进制数值是\\(0 + 2 + 0 + 8 = 10\\)。