生成服从正态分布的随机数

首先，谢谢szy-8910的博文 正态分布随机数的产生 

这里摘录部分：

二、任意分布随机数的产生

     下面提出了一种已知概率密度函数的分布的随机数的产生方法，以典型的正态分布为例来说名任意分布的随机数的产生方法。

     如果一个随机数序列服从一维正态分布，那么它有有如下的概率密度函数：

（1-1）

其中μ，σ（ >0）为常数，它们分别为数学期望和均方差，如果读者对数学期望和均方差的概念还不大清楚，请查阅有关概率论的书。如果取μ =0，σ =0.2,则其曲线为

                             图2 正态分布的概率密度函数曲线

     从图中可以看出，在μ附近的概率密度大，远离μ的地方概率密度小，我们要产生的随机数要服从这种分布，就是要使产生的随机数在μ附近的概率要大，远离μ处小，怎样保证这一点呢，可以采用如下的方法：在图2的大矩形中随机产生点，这些点是平均分布的，如果产生的点落在概率密度曲线的下方，则认为产生的点是符合要求的，将它们保留，如果在概率密度曲线的上方，则认为这些点不合格，将它们去处。如果随机产生了一大批在整个矩形中均匀分布的点，那么被保留下来的点的横坐标就服从了正态分布。可以设想，由于在μ处的f(x)的值比较大，理所当然的在μ附近的点个数要多，远离μ处的少，这从面积上就可以看出来。我们要产生的随机数就是这里的横坐标。

     基于以上思想，我们可以用程序实现在一定范围内服从正态分布的随机数。程序如下：

     double Normal(double x,double miu,double sigma) //概率密度函数
     {
          return 1.0/sqrt(2*PI*sigma) * exp(-1*(x-miu)*(x-miu)/(2*sigma*sigma));
     }
     double NormalRandom(double miu,
                    double sigma,double min,double max)//产生正态分布随机数
     {
          double x;
          double dScope;
          double y;
          do
          {
               x = AverageRandom(min,max);
               y = Normal(dResult, miu, sigma);
               dScope = AverageRandom(0, Normal(miu,miu,sigma));
          }while( dScope > y);
          return x;
     }

参数说明：  double miu：μ，正态函数的数学期望

                    double sigma：σ，正态函数的均方差

                    double min,double max，表明产生的随机数的范围

============================================以下是我的程序部分========================================

//生成服从正态分布的随机数
 double NormalRandom(double miu,double sigma)//产生正态分布随机数
 {
	double x;
	double y;
	double dScope;
	double maxY = Normal(miu,miu,sigma);
	do
	{
		x = AverageRandom(-3*sigma,3*sigma);
		y = Normal(x, miu, sigma);
		dScope = AverageRandom(0, maxY);
	}while( dScope > y);
	return x;
 }

double Normal(double x,double miu,double sigma) //概率密度函数
{
	return 1.0/sqrt(2*PI*sigma) * exp(-1*(x-miu)*(x-miu)/(2*sigma*sigma));
}

int AverageRandom(int  min,int max)
{
	srand(time(0));
	return (double)(max-min) * rand()/RAND_MAX + min ;
}

经测试，该方法效率非常低，很难生成一个符合条件 的点，因此生成 随机数的算法未采用该法 。