如何生成总和等于指定固定值的6个随机数

你要的6个总和为157750的随机数，根据是否要求整数结果，有两种成熟的无偏实现方案，完全可以避开之前尝试时遇到的负数、分布偏差、精度误差问题：

方案1：允许浮点数结果 #

用Dirichlet分布是最简便的方案，之前没跑通大概率是没做对缩放步骤：

• 核心逻辑：Dirichlet分布天然输出和为1、所有值落在(0,1)区间的随机数，只要把输出结果统一乘以目标总和，就能得到和为目标值的随机数序列，不会出现负数。
• 可直接运行的Python代码：

import numpy as np

TARGET_SUM = 157750
NUM = 6
# alpha参数全为1时输出均匀分布，想让某几个位置的数值整体偏大/偏小，调整对应位置的alpha值即可
weights = np.random.dirichlet(np.ones(NUM))
result = weights * TARGET_SUM

# 校验：执行print(result.sum()) 会输出157750，精度误差在浮点运算允许范围内

方案2：要求正整数结果（业务场景最常用） #

Dirichlet分布缩放后会产生小数，直接取整会有总和偏差，用隔板插空法是最严谨的无偏方案：

• 核心逻辑：把157750等价为连续排列的157750个单位1，要分成6段就随机选5个不重复的分割位置，每段的长度就是对应的随机数，天然满足所有数为正整数、总和严格等于目标值的要求，没有精度问题。
• 可直接运行的Python代码：

import random

TARGET_SUM = 157750
NUM = 6
# 在1到157749之间随机选5个不重复的分割点，排序后计算分段值
split_points = sorted(random.sample(range(1, TARGET_SUM), NUM - 1))
result = [split_points[0]]
for i in range(1, len(split_points)):
    result.append(split_points[i] - split_points[i-1])
result.append(TARGET_SUM - split_points[-1])

# 校验：执行print(sum(result), all(x > 0 for x in result)) 会输出157750、True

• 如果你的需求对每个随机数有上下限要求（比如单个数不能低于1000、不能高于60000），只需要加一层循环判断，生成的结果不符合约束就重新采样即可，计算效率完全能满足日常使用。

不推荐的踩坑方案 #

你提到的「先生成5个随机数、最后一个用总和减前5个」的思路有明显缺陷：如果前5个数不加约束，很容易出现总和超过157750、最后一个数为负的问题；如果给前5个数强行加上限，最后一个数的概率分布会和前5个数不一致，采样结果有偏，不建议使用。

内容的提问来源于stack exchange，提问作者GT1992