高斯分布公式

正态分布的随机数发生器 in C# 
主要参考《Numerical Recipes in C++ 2/e》p.292～p.294 和《Simulation Modeling and Analysis 
3/e》p.465～p.466。

Box 和 Muller 在 1958 年给出了由均匀分布的随机变量生成正态分布的随机变量的算法。设 U1, U2 是区间 (0, 1) 上均匀分布的随机变量，且相互独立。令

X1 = sqrt(-2*log(U1)) * cos(2*PI*U2);
X2 = sqrt(-2*log(U1)) * sin(2*PI*U2);

那么 X1, X2 服从 N(0,1) 分布，且相互独立。等于说我们用两个独立的 U(0,1) 随机数得到了两个独立的 N(0,1)随机数。

首先，高斯随机数有如下特征，均值为0，方差为1。这个相对于标准分布的随机数来说的， 
简单的说他们之间的区别只是随机数在区间内产生的概率不同。具体要说那个 
区域概率大，那个区域概率小，翻翻概率的教材吧，上面有标准分布的图像， 
至于gauss的概率分布图像，我想网上也能找到，或者数学教材上。
给你一个 Knuth首创并被大家认可的一个产生高斯随机数列的代码：

#include <stdlib.h>
#include <math.h> 
double gaussrand() 
{ 
static double V1, V2, S; 
static int phase = 0; 
double X;

if(phase == 0)
{ 
do
{

double U1 = (double)rand() / RAND_MAX; 
double U2 = (double)rand() / RAND_MAX;

V1 = 2 * U1 - 1; 
V2 = 2 * U2 - 1; 
S = V1 * V1 + V2 * V2; 
}
while(S > = 1 || S == 0);

X = V1 * sqrt(-2 * log(S) / S); 
}
else 
X = V2 * sqrt(-2 * log(S) / S);

phase = 1 - phase;

return X; 
}

以上代码是基于Box-Muller方法，基本思想是生成两组独立的随机数U和V，这两组数在(0,1]上均匀分布，用U和V生成两组独立的标准常态分布随机变量X和Y:

。

这个方程的提出是因为二自由度的 卡方分布 （见性质4）很容易由指数随机变量（方程中的lnU）生成。因而通过随机变量V可以选择一个均匀环绕圆圈的角度，用指数分布选择半径然后变换成（正态分布的）x,y坐标。