MATLAB中如何基于正态分布对数值进行1%随机扰动？

首先明确：randn()生成的是**标准正态分布（均值0，方差1）**的随机数，理论上这个分布没有边界——虽然99.7%的数值会落在±3σ范围内，但总会有小概率出现超出±1的情况，这就是你用它直接生成1%扰动时会超出阈值的原因。要让扰动始终限制在100的±1%（即99到101）范围内，必须对正态分布做截断处理，下面提供两种可行方案：

方案1：循环过滤（简单直观） #

先生成标准正态分布随机数，判断是否在[-1,1]区间内（对应100的±1%扰动），如果超出就重新生成，直到符合条件：

import numpy as np

original_value = 100
perturb_range = original_value * 0.01  # 即1

# 生成符合范围的扰动项
while True:
    perturbation = np.random.randn() * perturb_range
    if -perturb_range <= perturbation <= perturb_range:
        break

final_value = original_value + perturbation

这种方法逻辑简单，不需要额外库，但因为有31.7%的概率生成超出范围的数，会有少量循环开销，对单次生成来说完全可以接受。

方案2：使用截断正态分布（高效专业） #

用scipy的truncnorm直接生成指定区间内的正态分布随机数，避免循环：

from scipy.stats import truncnorm
import numpy as np

original_value = 100
perturb_range = original_value * 0.01  # 1

# 截断正态分布的参数：a和b是相对于均值的标准化上下限
# 这里均值为0，标准差为perturb_range，所以上下限的标准化值为 -1 和 1
a = -perturb_range / perturb_range
b = perturb_range / perturb_range

# 生成截断后的正态分布样本
perturbation = truncnorm.rvs(a, b, loc=0, scale=perturb_range)
final_value = original_value + perturbation

这种方法直接生成符合区间要求的正态分布数据，效率更高，适合批量生成大量扰动值的场景。

补充说明 #

如果你所说的"1%随机扰动"是指扰动的标准差为原始值的1%，同时要求结果严格落在±1%范围内，上面两种方案都适用。如果可以接受极少量超出范围的情况（比如允许0.3%的概率超出），也可以直接用randn()生成，因为99.7%的结果会落在±3σ内，但显然这不符合你"始终处于1%阈值范围内"的要求。

内容的提问来源于stack exchange，提问作者Trandul