Java中生成正态分布随机数时invNorm返回NaN及递归CDF实现问题

一、invNorm方法10%概率返回NaN的问题 #

原因分析 #

invNorm当前固定初始值为0，当输入的desired接近0或1时（比如desired=0.999999或0.000001），牛顿法迭代会快速让x的绝对值变得极大。此时：

1. Math.exp(x*x*0.5)会溢出为Infinity，若cdf(x)-desired为非零有限值，相乘后得到Infinity或-Infinity，导致x变为Infinity或-Infinity。
2. 后续迭代中，cdf(x)计算极大值x的级数时，会出现Infinity与-Infinity相加的情况（比如级数中正负项均为无穷大），直接返回NaN，最终导致invNorm输出NaN。

解决思路 #

1. 优化初始值：不用固定初始值0，针对desired的范围给出近似初始解，避免迭代初期跳到极大值。例如：
   • 当desired > 0.5，用近似公式x ≈ Math.sqrt(-2 * Math.log(1 - desired))作为初始值；
   • 当desired < 0.5，用x ≈ -Math.sqrt(-2 * Math.log(desired))；
   • 当desired接近0.5时，仍用0作为初始值。
2. 添加边界判断：在cdf方法中，当x绝对值超过8（正态分布CDF在x=8时已接近1，x=-8时接近0），直接返回近似边界值（x>8返回1.0，x<-8返回0.0），避免计算极大值的级数导致数值异常。
3. 迭代过程中加入数值检查：在invNorm的循环中，每次迭代后检查x是否为Infinity或NaN，若出现则重置为合理的初始值重新迭代。

二、递归版CDF近60%概率返回NaN的问题 #

原因分析 #

递归函数cdf_n的计算逻辑会导致系数指数级增长：

• 对于奇数n，cdf_n(x,n)是多个负数系数的乘积，当n增大时，乘积结果会快速溢出为Infinity；
• 当|x| < 1时，Math.pow(x,n)会趋近于0，此时Infinity * 0会直接产生NaN，这就是高概率返回NaN的核心原因；
• 即使|x| > 1，极大的n也会让Math.pow(x,n)溢出为Infinity，最终Infinity * Infinity仍可能引发数值异常。

解决思路 #

1. 替换递归为递推计算项：放弃递归计算cdf_n，改为从初始项开始递推每一项的值，避免系数溢出。例如，正态分布CDF的级数项可表示为：

   a_0 = x
   a_k = a_{k-1} * (-x²) * (2k-1) / (2k*(2k+1))
   

   然后累加0.5 + (sum(a_k) / Math.sqrt(2*Math.PI))，和原迭代版逻辑一致，但递推方式更稳定。
2. 限制迭代次数：即使使用递推，当|x|很大时级数收敛极慢，可设置最大迭代次数（比如30次），和原迭代版保持一致，避免无限循环或数值溢出。
3. 添加项的数值检查：在累加过程中，若当前项变为NaN或Infinity，直接终止循环并返回当前累加的近似值。

内容的提问来源于stack exchange，提问作者Rnishu _