c++产生均匀分布随机数赋值_不随机的随机数：高斯随机数生成器综述

随机数的使用非常广泛，例如在从统计总体中抽取有代表性的样本时，或者在将实验动物分配到不同的试验组的过程中，或者在进行蒙特卡洛模拟法计算的时候等等。事实上，这些统计技术中使用的随机数均为“伪随机数”，由各种各样的随机数生成器生成。

本文将高斯随机数生成器分为四类：一、直接利用累积分布函数的反函数生成随机数；二、转换变形方法，将均匀分布直接转换为高斯分布；三、拒绝采样，在转换方法中增加了按条件拒绝一些转换值；四、递归迭代方法，对已产生的高斯随机数进行线性变换，从而产生新的随机数。

01 反函数算法

基本原理：假设P(X)是一个累积分布函数，P^(-1)是它的反函数，若U是一个服从(0,1)均匀分布的随机变量，则P^(-1)(U)服从函数P给出的分布。

例如要生成一个服从指数分布的随机变量，我们知道指数分布的概率密度函数为

则累积分布函数为

算法的核心是要找到指数随机变量的值，使得Prob(V≤x)是[0,1]区间上的均匀分布。即给定一个满足均匀分布的变量u之后，要使得

通过求解 x，得到(1)式：

上式的作用就是把输入的均匀随机数 u 转换为指数随机数。

类似地，对正态分布来说，累积分布函数如下图所示，

图1：正态分布累积分布图

在y轴上产生服从(0,1)均匀分布的随机数，水平向右投影到曲线上，再垂直向下投影到x轴，这样在x轴上就得到了正态分布。

然而，正态分布的累