random.nextgaussian()基于box-muller变换生成标准正态分布随机数，缓存一个结果以提升效率；可通过mu + sigma * nextgaussian()线性变换获得任意均值mu和标准差sigma的正态分布；线程安全，但高并发推荐threadlocalrandom。

Random.nextGaussian() 直接返回一个服从标准正态分布（均值为 0，标准差为 1）的 double 类型随机数。

原理：Box-Muller 变换

Java 的 nextGaussian() 内部使用 Box-Muller 变换，将两个独立的均匀分布随机数转换为两个独立的标准正态分布随机数。它会缓存其中一个结果，下次调用时直接返回缓存值，因此连续两次调用的结果是成对生成的，但对用户完全透明。

如何得到指定均值和标准差的正态分布

标准正态分布（μ=0, σ=1）可通过线性变换映射到任意正态分布：

Alibabacloud Sdk Client Initialization For Java

在 Java 中初始化和管理阿里云 SDK客户端。包括单例模式、线程安全、endpoint 与 region 配置、VPC 终端节点、同步与异步等。

下载

• 若需均值为 mu、标准差为 sigma 的正态随机数，写法是：
  mu + sigma * random.nextGaussian()
• 例如生成均值 100、标准差 15 的随机数（类似 IQ 分布）：
  double iq = 100 + 15 * random.nextGaussian();

注意事项

该方法返回值理论上可取任意实数（-∞ 到 +∞），但实际中极值概率极低（如超出 ±6σ 的概率小于十亿分之二）。不需要手动截断或重采样，除非业务有严格边界要求。

多线程环境下，每个 Random 实例应独立使用；若共享同一实例，无需额外同步——nextGaussian() 是线程安全的（内部状态更新是原子的）。

替代方案：ThreadLocalRandom（推荐用于多线程）

在并发场景下，优先用 ThreadLocalRandom.current().nextGaussian()，避免竞争，性能更好。同样返回标准正态分布值，变换方式一致：

• double x = mu + sigma * ThreadLocalRandom.current().nextGaussian();

Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南