書(shū)名：代碼本色：用編程模擬自然系統(tǒng)
作者：Daniel Shiffman
譯者：周晗彬
ISBN：978-7-115-36947-5
0.3 概率和非均勻分布
1、概率
- 在計(jì)算機(jī)圖形系統(tǒng)中驾中，用隨機(jī)方式構(gòu)建系統(tǒng)是最容易的山卦。
- 對(duì)自然界建模屈呕，在這類(lèi)場(chǎng)景中用隨機(jī)方式構(gòu)建模型是不合理的黎茎，尤其是對(duì)有機(jī)體或者具有自然外形的事物建模岩臣。
- 在遺傳算法中脚牍，我們需要一種執(zhí)行“選擇”的方法向臀。優(yōu)勝劣汰算法
0.4 隨機(jī)數(shù)的正態(tài)分布
1、正態(tài)分布
??所有的觀測(cè)值都聚集在平均值附近诸狭，這樣的分布稱(chēng)作“正態(tài)”分布券膀。它還稱(chēng)作高斯分布（以數(shù)學(xué)家卡爾·弗里德里希·高斯命名）驯遇，在法國(guó)正態(tài)分布稱(chēng)作拉普拉斯分布（以皮埃爾-西蒙-普拉斯命名）芹彬。
??繪制正態(tài)分布時(shí)，你會(huì)看到類(lèi)似下圖的曲線叉庐，它一般稱(chēng)為鐘形曲線舒帮。
- 這條曲線由一個(gè)數(shù)學(xué)函數(shù)產(chǎn)生，該數(shù)學(xué)函數(shù)描述了在給定平均值（通常以希臘字母μ表示）和標(biāo)準(zhǔn)差（以希臘字母σ表示）下的概率分布情況陡叠。
- 標(biāo)準(zhǔn)差很小時(shí)的正態(tài)分布玩郊，大部分?jǐn)?shù)據(jù)都緊密集中在平均值附近。
- 標(biāo)準(zhǔn)差很大時(shí)的正態(tài)分布枉阵，數(shù)據(jù)相對(duì)分散地分布在平均值兩邊译红。
- 標(biāo)準(zhǔn)差是離均差平方和平均后的方根。
2兴溜、高斯分布
??運(yùn)用Random類(lèi)侦厚，生成一個(gè)符合正態(tài)分布的隨機(jī)數(shù)。調(diào)用
nextGaussian()函數(shù)拙徽。
nextGaussian()函數(shù)
默認(rèn)以下面兩個(gè)參數(shù)生成符合正態(tài)分布的隨機(jī)數(shù)：正態(tài)分布的平均值等于0刨沦，標(biāo)準(zhǔn)差等于1。
如果我們需要一個(gè)平均值為320（寬度為640的窗口的正中位置）膘怕，標(biāo)準(zhǔn)差為60像素的正態(tài)分布想诅，可以簡(jiǎn)單地處理參數(shù)：將它乘以標(biāo)準(zhǔn)差并加上平均值。用途： 模擬用各種顏色的點(diǎn)模擬顏料飛濺在畫(huà)板上的效果
3、實(shí)例
import java.util.Random;
Random generator;
//我們使用generator（生成器）作為變量名侧蘸，因?yàn)榇颂幙梢哉J(rèn)為是一個(gè)隨機(jī)數(shù)生成器
void setup() {
size(400,300);
generator = new Random();
}
void draw(){
float num = (float) generator.nextGaussian();
//注意裁眯，nextGaussian()的返回值類(lèi)型是double
float sd = 60;
float mean = 200;
float x = sd * num + mean; //乘以標(biāo)準(zhǔn)差，再加上平均值
noStroke();
fill(0, 10);
ellipse(x,150,16,16);
}
運(yùn)行結(jié)果
