有没有办法随机生成一组正数，使它们具有所需的均值和标准差？
我有一种算法可以生成具有高斯分布的数字，但我不知道如何以保留均值和标准差的方式处理负数。
看起来泊松分布可能是一个很好的近似值，但它只需要一个平均值。
编辑：回复中有一些混乱，所以我会尽力澄清。
我有一组数字给我一个平均值和一个标准差。我想生成一组大小相等的数字，均值和标准差相等。通常，我会使用高斯分布来执行此操作，但是在这种情况下，我有一个额外的约束，即所有值都必须大于零。
我正在寻找的算法不需要是基于高斯的（从到目前为止的评论来看，它可能不应该是）并且不需要是完美的。如果结果数字集的平均值/标准偏差略有不同，这并不重要——我只想要通常在球场上的东西。
正如 David Norman 建议的那样，您可能正在寻找对数正态分布，或者可能是指数、二项式或其他一些分布。如果您有一种算法来生成一个分布，那么它可能不适合生成符合另一个分布的数字。但只有你知道你的数字是如何真正分布的。
对于正态分布，随机变量的范围是从负无穷到正无穷，所以如果你只寻找正数，那么它就不是高斯的。
不同的分布也具有独特的性质，例如，对于泊松分布，标准差始终等于均值。（这就是为什么您的库函数不询问标准偏差参数，只询问平均值的原因）。
在最坏的情况下，您可以生成一个介于 0 和 1 之间的随机实数并自行计算概率密度函数。（根据分布，这可能说起来容易做起来难）。
您可以使用对数正态分布。
首先，您不能只从高斯分布中生成正值。
其次，我是否正确理解您正在尝试生成具有给定均值和标准差的随机分布？任何发行版都可以吗？如果是这样，让均值 =m和标准差 = s。我假设m - s > 0.
let n = random integer modulo 2;
if n equals 0 return m - s
else return m + s
此过程返回的值将具有均值m和标准差s。
为什么不使用重采样方法？如果您的样本中有n 个数字，只需从样本中随机抽取n次，并替换。结果集的预期均值和方差与原始样本大致相同，但通常会略有不同。
这就是说，如果不知道为什么需要更多随机数，就不可能说出正确的答案是什么。有人想知道您是否正在尝试解决错误的问题...
我无法抗拒 - 我真的很喜欢 Jason 的角度，但不高兴他的回答只涵盖 m > s 的情况，所以我按照他的想法制定了一个通用解决方案。
给定 m,s 和正项的最简单分布是
概率为 p，返回 0
，概率为 (1-p)，返回 m / (1-p)
其中 (1-p) = m^2 / (m^2 + s^2)
证明：对于具有两个结果的分布 X，lowX 概率为 p，highX 概率为 (1-p)，
m = E[X] = px lowX + (1-p) x highX
s^2 = Variance(X) = E [X^2] - E[X]^2 = 像素低X^2 + (1-p) x 高X^2 - m^2
将 lowX 设置为 0 并在 highX 和 p 中解析。
您可以使用任何具有正支持的分布，并且可以通过均值和方差指定。例如，
如果我理解正确，您想从具有积极支持的分布中生成随机数。有很多可能的选择。最简单的是
卡方：http ://en.wikipedia.org/wiki/Chi-square_distribution （这只是两个平方高斯的总和）
所有不对称分布（指数、威布尔、帕累托、逆高斯、对数正态、伽玛）
来自偏斜家族的所有分布（偏斜正态、偏斜学生……）
所有上述函数都是这样的，从它们中的任何一个中抽取的任何随机数都将始终为正。