如何在Java中生成0到1之间的偏态分布随机数？

嘿，这个需求很常见！要生成0到1之间的偏态分布随机数，Beta分布绝对是你的首选——它的取值范围天生就在[0,1]，而且通过调整两个形状参数（α和β），你可以轻松控制分布的偏斜方向和程度。下面给你两种实现方案，按需选择：

方案一：用Apache Commons Math快速实现（推荐） #

如果你不介意引入第三方库，Apache Commons Math提供了现成的BetaDistribution类，用起来非常省心，而且实现经过了充分测试，可靠性高。

步骤1：引入依赖 #

如果用Maven，在pom.xml里加这段：

<dependency>
    <groupId>org.apache.commons</groupId>
    <artifactId>commons-math3</artifactId>
    <version>3.6.1</version> <!-- 可以替换为最新稳定版 -->
</dependency>

步骤2：编写代码生成偏态随机数 #

import org.apache.commons.math3.distribution.BetaDistribution;
import org.apache.commons.math3.random.ThreadLocalRandomGenerator;
import org.apache.commons.math3.random.RandomGenerator;

public class SkewedRandomDemo {
    public static void main(String[] args) {
        // 用ThreadLocalRandomGenerator适配多线程场景，比普通Random更高效
        RandomGenerator randomGen = new ThreadLocalRandomGenerator();
        
        // 初始化Beta分布：这里α=2，β=5，分布会**向右偏**（大部分数值靠近0）
        // 要是想**向左偏**（大部分数值靠近1），就把α设得比β大，比如α=5，β=2
        // 当α=β=1时，就是标准的[0,1]均匀分布
        BetaDistribution betaDist = new BetaDistribution(randomGen, 2, 5);
        
        // 生成10个测试用的偏态随机数
        for (int i = 0; i < 10; i++) {
            double skewedNum = betaDist.sample();
            System.out.printf("偏态随机数 #%d: %.4f%n", i+1, skewedNum);
        }
    }
}

方案二：手动实现（不依赖第三方库） #

如果不想引入外部依赖，我们可以利用Beta分布和Gamma分布的数学关系来手动实现：

若X服从Gamma(α,1)分布，Y服从Gamma(β,1)分布，且X和Y独立，那么X/(X+Y)就服从Beta(α,β)分布。

下面是基于这个原理的实现代码：

import java.util.concurrent.ThreadLocalRandom;

public class CustomBetaRandomGenerator {
    private static final ThreadLocalRandom random = ThreadLocalRandom.current();

    // 生成Gamma(shape, 1)分布的随机数，支持shape>0的情况
    private static double sampleGamma(double shape) {
        if (shape < 1) {
            // 针对shape<1的缩放技巧：Gamma(shape) = Gamma(shape+1) * U^(1/shape)，U是[0,1]均匀分布
            double u = random.nextDouble();
            return sampleGamma(shape + 1) * Math.pow(u, 1 / shape);
        } else {
            // Marsaglia-Tsang算法，适用于shape>=1的场景，效率较高
            double d = shape - 1.0 / 3.0;
            double c = 1.0 / Math.sqrt(9 * d);
            while (true) {
                double z;
                do {
                    z = random.nextGaussian();
                } while (z <= -1.0 / c);
                double v = Math.pow(1 + c * z, 3);
                double u = random.nextDouble();
                if (Math.log(u) < 0.5 * z * z + d * (1 - v + Math.log(v))) {
                    return d * v;
                }
            }
        }
    }

    // 生成Beta(alpha, beta)分布的随机数
    public static double sampleBeta(double alpha, double beta) {
        double gammaAlpha = sampleGamma(alpha);
        double gammaBeta = sampleGamma(beta);
        return gammaAlpha / (gammaAlpha + gammaBeta);
    }

    public static void main(String[] args) {
        // 测试生成右偏随机数（alpha=2, beta=5）
        for (int i = 0; i < 10; i++) {
            double num = sampleBeta(2, 5);
            System.out.printf("自定义实现的偏态随机数 #%d: %.4f%n", i+1, num);
        }
    }
}

关键参数说明 #

• 当α < β：分布向右偏，大部分数值集中在0附近；
• 当α > β：分布向左偏，大部分数值集中在1附近；
• α和β的数值越大，分布越“紧凑”，偏态的峰值越明显；α=β时，分布对称。

内容的提问来源于stack exchange，提问作者Ajay