我想以最小到最大的间隔生成随机整数。对于 numpy 中的均匀分布：
numpy.random.randint(min,max,n)
做我想要的。
但是，我现在想给随机数的分布一个指数偏差。对此有许多建议，例如Pseudorandom Number Generator - Exponential Distribution以及 numpy function numpy.random.RandomState.exponential，但这些没有解决如何将分布限制为 min 和 max 之间的整数。我不确定如何做到这一点，同时仍然确保随机分布。
指数分布是连续分布。您可能想要的是它的离散等价物，即几何分布。 Numpy 的实现会生成严格的正整数，即 1,2,3,...，因此您需要 addmin-1来移位它，然后通过拒绝/丢弃 results 来截断> max。反过来，这意味着将它们一个接一个地生成，并将未拒绝的值添加到列表中，直到您获得所需的数字。（您还可以通过分析确定您期望被拒绝的比例，并相应地调整您的比例n，但您仍然可能最终会出现一些短缺或过多的情况。）
可以在没有拒绝的情况下执行此操作，但您必须创建自己的反演，确定超过 的概率max，并生成介于 0 和该概率之间的均匀值以提供给您的反演算法。即使效率较低，拒绝也更简单。
也许你可以尝试总结所有的偏见。然后是生成整数的概率j= bias of j / total bias。您可以使用蒙特卡罗模拟来实现这一点。