如何在Java中生成100-500范围且均值为150的随机数？

要生成指定区间和均值的随机数，核心是构造偏态分布——因为均值150远小于区间中点(300)，所以需要让随机数在100附近的概率远高于500附近。下面是两种实用的实现方式：

方法1：截断的移位指数分布 #

指数分布天然是右偏的，适合这种均值靠近左边界的场景。步骤如下：

1. 先生成均值为50的指数随机数（因为100+50=150，对应目标均值）；
2. 将数值限制在[0,400]范围内（对应原区间100到500）；
3. 把截断后的数值加上100，映射到目标区间。

Python代码示例：

import numpy as np

def generate_custom_rand(n):
    # 生成均值为50的指数分布，scale=均值
    exp_rand = np.random.exponential(scale=50, size=n)
    # 截断到[0,400]，再移位到[100,500]
    truncated = np.clip(exp_rand, 0, 400)
    return truncated + 100

# 测试：生成10000个样本，查看均值和范围
samples = generate_custom_rand(10000)
print(f"样本均值：{np.mean(samples):.2f}")
print(f"样本范围：[{np.min(samples):.2f}, {np.max(samples):.2f}]")

方法2：自定义分段概率分布 #

如果你需要更精确控制概率密度，可以手动定义分段函数：

• 让[100,150]区间的概率密度远高于[150,500]，比如按线性递减的密度函数设计。

Python代码示例（基于SciPy）：

from scipy.stats import rv_continuous
import numpy as np

class CustomDist(rv_continuous):
    def _pdf(self, x):
        # 定义概率密度：在100处最高，到500处降为0，保证均值为150
        if 100 <= x <= 500:
            # 推导得到的系数，确保积分和为1且均值150
            return (3*(500 - x)) / (160000)
        else:
            return 0

# 初始化分布
custom_dist = CustomDist(a=100, b=500)

# 生成样本
samples = custom_dist.rvs(size=10000)
print(f"样本均值：{np.mean(samples):.2f}")
print(f"样本范围：[{np.min(samples):.2f}, {np.max(samples):.2f}]")

注意事项 #

• 第一种方法实现简单，适合大多数场景；第二种方法更灵活，但需要推导概率密度函数的系数；
• 样本量较小时，均值可能会有小幅波动，增大样本量会更接近目标均值150。

内容的提问来源于stack exchange，提问作者Bad Scientist