关于std::mt19937_64取模分布及std::uniform_int_distribution必要性的问询

好问题！先直接给结论：你代码里用generator() % size得到的是近似均匀分布，但并非严格均匀；而std::uniform_int_distribution的作用就是帮你实现真正无偏差的均匀整数分布。

为什么直接取模不是严格均匀？ #

std::mt19937_64生成的随机数范围是[0, 2^64 - 1]，假设你要取模的size不是2的整数次幂（比如你的例子里size=100000），那么2^64除以size会有余数r：

2^64 = k * size + r （其中0 < r < size）

这意味着：

• 对于0到r-1的结果，每个值会被映射到k+1次生成器的输出（因为前r*size个生成器值里，每个余数对应k+1次）
• 对于r到size-1的结果，每个值只会被映射到k次

虽然当size很大时（比如100000），这个偏差非常小，肉眼看输出的星号分布几乎均匀，但从统计角度看，小数值的出现概率确实略高于大数值。如果你的场景对随机性要求很高（比如密码学、高精度模拟），这种偏差会带来问题。

举个更直观的小例子：假设生成器只能输出0-9的数，size=3，那么：

• 0、1、2分别对应生成器的0/3/6、1/4/7、2/5/8（各3次），还有生成器的9会被模成0，所以0总共出现4次，概率4/10，而1和2是3/10，偏差很明显。

为什么需要std::uniform_int_distribution？ #

std::uniform_int_distribution专门解决了这个问题：

1. 无偏差的均匀分布：它会通过拒绝采样的方式过滤掉生成器输出中会导致偏差的部分——如果生成的数大于等于k*size（也就是超出了能被size整除的范围），就丢弃这个数，重新生成，直到得到符合要求的数。这样每个结果的出现概率完全相等。
2. 代码可读性更强：直接写std::uniform_int_distribution<int> dist(0, size-1);，能清晰表达你想要生成0到size-1之间均匀分布整数的意图，比取模的写法更直观。

修正后的代码示例 #

把你的代码改成用std::uniform_int_distribution的写法：

#include <iostream>
#include <map>
#include <random>

int main() {
    std::mt19937_64 generator(134);
    std::uniform_int_distribution<int> dist(0, 99999); // 对应size=100000的范围
    std::map<int, int> freq;
    const int size = 100000;
    for (int i = 0; i < size; ++i) {
        int r = dist(generator);
        freq[r]++;
    }
    for (auto f : freq) {
        std::cout << std::string(f.second, '*') << std::endl;
    }
    return 0;
}

内容的提问来源于stack exchange，提问作者cmutex