第五章：数学运算-random:伪随机数生成器-非均匀分布

5.3.10 非均匀分布
random（）生成的值为均匀分布，这对于很多目的来说非常有用，不过，另外一些分布可以更准确地对特定情况建模。rnadom模块还包含一些函数以生成满足这些分布的值。这里将列出这些分布，但是并不打算详细介绍，因为它们往往只在特定条件下使用，而且需要更复杂的例子来说明。
5.3.10.1 正态分布
正态分布（normal distribution）常用于非均匀的连续值，如梯度、高度、重量等。正态分别产生的曲线有一个独特形状，所以被昵称为“钟形曲线”。random包含两个函数，可以生成正态分布的值，分别是normalvariate()和稍快一些的gauss()（正态分布也被称为高斯分布）。
还有一个相关的函数lognormvariate()，它可以生成对数呈正态分布的伪随机值。对数正态分布适用于多个不交互随机变量的积。
5.3.10.2 近似分布
三角分布（triangular distribution）被用作小样本的近似分布。三角分布的“曲线”中，低点位于已知的最小和最大值，在模式值处有一个高点，这要根据“最接近”的结果（由triangular()的模式参数反映）来估计。
5.3.10.3 指数分布
expovariate()可以生成一个指数分布，这对于模拟齐次泊松过程的到达或间隔时间值很有用，如放射衰变速度或到达Web服务器的请求。
很多可观察的现象都适用于帕累托分布（或幂律分布），这个分布因Chris Anderson的“长尾效应”而得到普及。paretovariate()函数对于模拟资源分配很有用（如个人财产、对音乐家的需求以及对博客的关注等）。
5.3.10.4 角分布
冯 米塞斯分布（或循环正态分布，有vonmisesvariate()生成）用于计算周期值的概率，如角度、日历日期和时间。
5.3.10.5 大小分布
betavariate()生成Beta分布的值，常用于贝叶斯统计和应用，如任务持续时间建模。gammavariate()生成的伽马分布用于对事物的规模建模，如等待时间、雨量和计算误差。
weibullvariate()计算的韦伯分布用于故障分析、工业工程和天气预报。它描述了粒子或其他离散对象的大小分布。