如何生成指数分布指定截断区间[a,b]内的尾部随机数

1. 通用多分布支持：直接用SciPy的统计模块 #

SciPy是Python科学计算生态的标配库，其scipy.stats模块原生支持对几乎所有常见连续分布做截断处理，底层采用逆变换采样实现，完全没有你当前拒绝采样方案的冗余计算开销，同时支持指数、正态、伽马、Beta等几十种常见分布的截断需求。

针对你的截断指数分布需求的示例代码 #

import numpy as np
from scipy import stats

# 你的截断区间参数
a = 100
b = 500

# 方法1：直接用内置的截断指数分布实现
# 参数说明：b是截断区间长度，loc是区间左端点偏移，scale=1对应标准e^-x分布
trunc_exp = stats.truncexpon(b = b - a, loc = a, scale = 1)
# 生成指定数量的样本，比如1e6个
rands = trunc_exp.rvs(size = int(1e6))

任意分布截断的通用写法 #

如果需要截断其他分布，直接用scipy.stats.truncated包装器即可，不需要单独找对应分布的截断实现：

# 示例：截断标准正态分布到[-2, 2]区间
base_norm = stats.norm(loc=0, scale=1)
trunc_norm = stats.truncated(base_norm, a=-2, b=2)
norm_samples = trunc_norm.rvs(size=int(1e6))

# 也可以用通用写法实现你的截断指数需求，和上面truncexpon效果完全一致
base_exp = stats.expon(scale=1)
trunc_exp = stats.truncated(base_exp, a=a, b=b)
exp_samples = trunc_exp.rvs(size=int(1e6))

额外说明 #

你当前的代码里有个语法问题：numpy数组的布尔索引不能用and，需要用位运算符&，同时每个条件要加括号，正确的过滤写法是rands = rands[(rands > a) & (rands < b)]，否则会触发维度不匹配的报错。

如果有GPU加速需求，可以用TensorFlow Probability或者PyTorch Distributions库的截断分布实现，接口逻辑和SciPy基本一致，适合大规模样本生成的场景。

内容的提问来源于stack exchange，提问作者user7867665