已知最小值、最大值、均值、标准差，如何用Java生成对应分布随机值

你当前使用的标准正态生成逻辑是对称无界的，既无法满足0~1400的范围约束，也不能实现偏态特征，下面给不同场景的调整方案：

方案1：适配对数正态分布（确认分布为对数正态时使用）

对数正态分布天然右偏，首先需要把你给出的原数据均值、标准差转换为对数域的分布参数：

• 原数据均值mean = 150.5，标准差stdDev = 25
• 对数域标准差计算：lnSigma = Math.sqrt(Math.log(1 + Math.pow(stdDev/mean, 2)))
• 对数域均值计算：lnMean = Math.log(mean) - Math.pow(lnSigma,2)/2
  生成逻辑调整为对高斯输出取指数，同时加范围截断避免超出0~1400：

private static int generateValue(double mean, double stdDev) {
    double lnSigma = Math.sqrt(Math.log(1 + Math.pow(stdDev/mean, 2)));
    double lnMean = Math.log(mean) - Math.pow(lnSigma,2)/2;
    double res = Math.exp(rand.nextGaussian() * lnSigma + lnMean);
    // 范围截断
    if(res < 0) res = 0;
    if(res > 1400) res = 1400;
    return (int) Math.round(res);
}

方案2：Beta分布映射（无需预设分布类型，精准匹配参数和范围）

Beta分布支持0_{1区间的任意偏态调整，线性映射后刚好可以覆盖你0}1400的取值范围，参数可以通过给定的统计量直接反解：

• 归一化到0~1区间的均值：u = 150.5 / 1400 ≈ 0.1075
• 归一化到0~1区间的方差：var = Math.pow(25/1400, 2) ≈ 0.000319
• 反解Beta分布参数α≈32，β≈266，生成的分布天然右偏，完全符合偏态要求
  Java实现代码如下（可借助Apache Commons Math库的BetaDistribution类，也可自行基于均匀分布实现逆变换采样）：

import org.apache.commons.math3.distribution.BetaDistribution;

private static BetaDistribution betaDist = new BetaDistribution(32, 266);
private static int generateValue() {
    double res = betaDist.sample() * 1400;
    return (int) Math.round(res);
}

快速适配方案（不想引入新依赖临时使用）

如果不需要严格匹配偏态形状，只是要满足范围、均值、标准差要求，可以直接在原有代码基础上加截断和偏差补偿，同时修正原代码多了一个右括号的语法错误：

private static int generateValue(double mean, double stdDev) {
    // 加轻微右偏修正，补偿截断带来的均值偏差
    double gaussian = rand.nextGaussian();
    double res = (gaussian + 0.15 * (Math.pow(gaussian,2) - 1)) * stdDev + mean;
    if(res < 0) res = 0;
    if(res > 1400) res = 1400;
    return (int) Math.round(res);
}

内容的提问来源于stack exchange，提问作者nimaomao