如何在R中生成范围严格为[1,3]的正态分布随机变量？

方法1：截断正态分布+线性缩放 #

先生成集中在中间范围的截断正态分布数据，再通过线性变换映射到[1,3]区间，最后微调确保边界值严格为1和3：

# 先安装并加载截断正态分布包（首次运行需执行 install.packages("truncnorm")）
library(truncnorm)

# 生成截断在[1.2,2.8]的正态随机数，均值设为区间中点2，标准差0.3
raw_v <- rtruncnorm(100, a = 1.2, b = 2.8, mean = 2, sd = 0.3)

# 线性缩放到[1,3]区间
scaled_v <- 1 + (3 - 1) * (raw_v - min(raw_v)) / (max(raw_v) - min(raw_v))

# 强制修正浮点误差，确保最小值为1、最大值为3
scaled_v[which.min(scaled_v)] <- 1
scaled_v[which.max(scaled_v)] <- 3

方法2：拒绝采样+边界调整 #

先生成正态分布随机数，剔除超出[1,3]的部分，凑够数量后再锁定边界值：

set.seed(123) # 设置随机种子保证结果可复现
v <- numeric(0)
# 循环生成直到凑够100个符合区间要求的数
while(length(v) < 100) {
  temp <- rnorm(50, mean = 2, sd = 0.3)
  temp <- temp[temp >= 1 & temp <= 3]
  v <- c(v, temp)
}
v <- v[1:100] # 取前100个

# 强制设置边界值
v[which.min(v)] <- 1
v[which.max(v)] <- 3

方法3：基于原始代码的修正 #

针对你原本的实现逻辑，加入截断重生成和边界修正步骤：

set.seed(123)
x1 <- runif(100, 1, 2)
x2 <- rnorm(100, 0, 0.3)
V <- 1 + x1 + x2

# 循环修正超出区间的数值
while(any(V < 1 | V > 3)) {
  bad_idx <- which(V < 1 | V > 3)
  x1[bad_idx] <- runif(length(bad_idx), 1, 2)
  x2[bad_idx] <- rnorm(length(bad_idx), 0, 0.3)
  V[bad_idx] <- 1 + x1[bad_idx] + x2[bad_idx]
}

# 锁定最小值和最大值
V[which.min(V)] <- 1
V[which.max(V)] <- 3

注意：严格限定最小值为1、最大值为3后，数据的正态性会有轻微损失，可通过调整原始正态分布的标准差参数，尽量贴近理想的正态形态。

内容的提问来源于stack exchange，提问作者MinChul Park