C语言中的random函数可以产生均匀分布的随机变量分布区间为（0，1），假设x1,x2是由random产生的随机变量，
成都创新互联公司坚持“要么做到，要么别承诺”的工作理念，服务领域包括：成都做网站、成都网站建设、成都外贸网站建设、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的凌源网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！
则y=sqrt(-2*ln(x1))为瑞利分布
theta=2*pi*x2为（0，2*pi）的均匀分布
n1=y*cos(theta),n2=y*sin(theta)为两个独立的正太分布
z=sqrt((a+n1)^2+(b+n2)^2)，为莱斯分布，a ,b为常数
高斯分布(Gaussian Distribution) 又名正态分布(Normal Distribution) ,数学模型类似于一个大钟，扣在地上。
高斯分布概率密度函数：
exp指的是自然数e的多少次幂的概念（e是无限不循环的小数约等于 2.171828）。这个函数在x = μ的位置，此时对应的函数值y = 1 / ，这里的样本数量的计算用的是定积分的费你定义，即整个函数曲线在其下方围住的与y = 0 所围成的面积占比，他在 x = 左右对称的，x在 - 和 + 的样本数量占真个数量样本的 68.2% ，x在 - 2 和 之间的样本数量占整个样本数量的百分之95.4，x 在 的数量占总样本的百分之99.6。
高斯分布作为分布特性的一种，首先是用来描述统计对象的，如果统计对象的分布性符合高斯分布，那么所有针对高斯分布的定理和经验值就能够直接套用，高斯分布在自然界的应用是非常广的，用一句话概括就是“常见的一般的很多，极端的很少”。
高斯分布密度函数曲线：
举个例子：
结论：
越大则函数图像的最大值就越靠右。
越大则图像越显得扁，坡度显着缓。
参考： 《白话大数据和机器学习》
其中μ、σ^2 是两个不确定常数，是正态分布的参数，不同的μ、不同的σ^2对应不同的正态分布。
