请问下，比较简单的实现 0.5 到 2 之间的随机数的方法

[ukipoi]

要求就是 扩大一倍或者缩小一倍，两边的概率相同。

这个可以用 Math.radom()，仅以数学的方式，一行就完成吗？

我好像只能先随机出是扩大还是缩小，然后在分别写扩大 /缩小的倍率。

大大们可以给个其他的思路么？

[idlerlestat]

这……不就是 2^randint([-1,1])吗，randint 表示从一个数组里随机取一个数

[wty]

扩大和缩小比例本来就不均匀，感觉应该在对数上随机然后转换过来

[cigarzh]

先考虑精度+1

这个不理清楚后面没法做

[xiaopang132]

math.ramdom()*1.5 + 0.5

[0o0o0o0]

有个问题，“1/N 倍”概率如果要均匀分布，那肯定不是 if else 就能解决的

[reus]

@ukipoi 你才明白啊？我给你的答案就是两条直线推出来的公式啊。0-0.5 是缩小，0.5 到 1 是放大，概率一样，再映射到 0.5-1 和 1-2，答案不就出来了
设随机出来的是 x，要用的乘数是 y
那就是
Y =x + 0.5
和
Y= 2x

[laqow]

没看懂，感觉应该从概率分布和概率分布的计算方面找答案。random 没记错就是 uniform 分布，根据自己需要把这个分布转换成其它分布就完了。

[CRVV]

如果只考虑数学问题（不考虑什么浮点数运算的事情），也不考虑边界（[] 和 () 的差别），这个问题是这样的

已有一个 0-1 之间均匀分布的随机数 x，在上面加一个变换 f，变成 0.5-2 之间分布的随机数 y，要求 0.5-1 的概率和 1-2 的概率相等。问这个变换是什么。

先假定 f 在 0.5-2 之间是单调连续函数（不单调的 f 当然也可以有，先不考虑了）

那么，f(0.5) = 1 且 0.5 <= f(x) <= 2 的 f 都符合要求，比如 f(x) = x + 0.5

如果再增加一个条件，y 在 0.5 - 2 的整个区间内的概率密度都不为 0
那么只要 f(0) = 0.5, f(0.5) = 1, f(1) = 2，f 就满足要求，你随便假设比如 f(x) = ax^2 + bx + c 然后解 a b c 就好了。
如果假设 f(x) = 2^(ax+b) ，就得到 lsylsy2 给出的指数函数。
类似的还有很多符合条件的函数。

如果再增加一个条件，0.5-1 和 1-2 之间的概率密度分别都是常数，那么两边都是直线。
给定 f(0) = 0.5, f(0.5) = 1, f(1) = 2，结果是唯一的，就是那个分段函数。

[zhyl]

分成两步：
1. 一颗石子落在数轴（整个数轴 0.5 ~ 2 ）上，落在 0.5 ~ 1 范围的概率 = 1 ~ 2 范围的概率
2. 在落入的范围内取任意随机数，其概率都是相同的

计算步骤:
0. p = Math.random()
1. p <= 2/3 则 (重置随机数种子后) Math.random()*0.5 + 0.5
2. p > 2/3 则 (重置随机数种子后) Math.random()+1

[cmdOptionKana]

随机数有两种：一种是 0-1 之间取随机数，有无限个；另一种是在有限的数量中（比如 5 号小球至 20 号小球，共 16 个小球中）随机选一个。

区分这两种不同的方式来取随机数，就比较清晰了。

[cmdOptionKana]

因此，如果楼主说的是 0.5 - 2 之间的 *无限个* 数字中取随机数，那么，这个问题本身就是错的。

不存在这样的随机数，或者说这样设定范围必然会影响随机性。

从无限个数字中取随机数，只能是在 0-1 之间取，或者 1-2 这样可以无损转换成 0-1 的范围中取。比如 1-3 就不行，2-4 就可以。

[cmdOptionKana]

说错了，2-4 不行，2-3 可以，3-4 可以。

[xymn]

var rand = Math.random()
if(rand<0.25){
return r*8
}else{
return r*2
}

[lancelock]

随机范围 0-2，结果大于 1 直接乘，小于 1 的话先加 1 在反转作为分母，分子为 1，这个分数作为乘数

[wchyqqgmail]

random(1,4)/2

[vgbhne]

计算机浮点数虽然可能精度上有差距，但是落在（-1,1 ）以零为原点的个数是一样的。具体生成的数经过计算或许是错的，但是不影响两边的概率。具体和底层设计也相关。

[lance6716]

充分证明程序员的数学基础有多差🤣

[yanqiyu]

扩大和缩小概率一样？你可能希望无论是扩大还是缩小概率分布都均匀（生成一个线性变换），抑或是一边均匀另一边按照幂函数映射（你原先的做法就是 best practice ），或者两边都不一定均匀但是要满足幂函数变换下的不变（ exp(2, rand())）。

更一般的情况更为复杂（比如你需要指定某一侧具有复杂的概率密度函数形式）那就需要先计算出 pdf/cdf 做专门的生成器了（ Inverse Transform Method ）

[cnt2ex]

(2 * Math.random()) % 1.5 + 0.5

[cnt2ex]

```
import random

run = 1000000

first = 0
second = 0

for i in range(run):
rnd = (2 * random.random()) % 1.5 + 0.5
if rnd >= 0.5 and rnd < 1.:
first += 1
if rnd >= 1. and rnd < 2.:
second += 1

print(first / run, second / run, first + second == run)
```
试着跑了一下，0.5 到 1 和 1 到 2 之间的概率差不多都是 0.5