Random 在闭合区间内生成均匀伪随机数

在闭区间[0,1]而不是通常的[0,1]中生成伪随机数的最佳方法是什么？我想到的一个想法是拒绝（1/2,1）中的值，然后将数字加倍。我想知道是否有更好的方法

real x
do
   call random_number(x)
   if (x <= 0.5) exit
end do
x = 2*x
print *, x
end

---

交换x和1-x怎么样？对不起，我的Fortran已经生锈了

real function RNG()
real ::    x
logical, save :: swap = .TRUE.

call random_number(x)
if (swap .EQV. .TRUE.)
    RNG = x
    swap = .FALSE.
else
    RNG = 1.0 - x
    swap = .TRUE.
end if

end

如果你想使用Box-Muller，在任何地方都使用1-U，它应该可以工作

z0 = sqrt(-2.0*log(1.0-U1))*sin(TWOPI*U2)
z1 = sqrt(-2.0*log(1.0-U1))*cos(TWOPI*U2)

---

同样适用于拒绝版本的Box Muller

“Best”将过于宽泛，因此也许您可以解释在这个新分布中需要什么属性。例如，在这个问题中，区间[0,1]中的许多数字现在出现的概率为零。@francescalus最重要的要求是它不应“毁坏”由

random\u number（）

生成的发行版。我不想实现一个全新的生成器，只是想包装一下

random\u number（）

in。我希望它简洁。从第一个要求来看，如果我正确理解第一个算法的问题，我添加的第二个算法应该更好。@ArchStanton wiki页面提到了根据U（0,1）生成的随机数，这并不意味着必须包含1。我还认为该页面的限制有点混乱。如果你查看数字配方，它会得到很好的解释。简言之，你可以使用

随机数

进行Box-Muller变换，没有任何问题。你会得到一个非常好的高斯分布E4均匀分布U（（0,1））、U（[0,1]）、U（（0,1]）和U（[0,1]）是相同的，因此您担心的是实际上什么都不是。@kvantour包含1（代价是在[0,1]中排除一些其他可表示的实数）并没有坏处，但是任何代码都明确使用了它（例如，通过显式测试与1相等）可能是错误代码（IMHO）。这种方法只是将问题从半开区间[0,1]切换到半开区间（0,1）。OP请求关闭区间[0,1]@kvantour否，有时采样0时返回0，有时采样0时返回1，因此此方法的总间隔为[0…1]啊，是的，您是正确的，但随后数字0和1的采样概率为所有其他数字的一半，这将使您的装箱发生偏差（非常轻微）@是的，我们用一半的零来交换ones@kvantour谢谢，这是C++中已知的东西，当标准说我们将有十二个RNG，但是它们都在[0…1的间隔]中。你是正确的WRT <代码> 1.0d0～u1 < /代码>，我为我的Fortran SkLLL变形而道歉。

z0 = sqrt(-2.0*log(1.0-U1))*sin(TWOPI*U2)
z1 = sqrt(-2.0*log(1.0-U1))*cos(TWOPI*U2)