randomInt函数，可以统一处理MIN和MAX_SAFE_INTEGER的整个范围

function getData() {
  var x = {},
    c = 1000000,
    min = -20,
    max = 20,
    q,
    i;

  for (i = 0; i 




解决方案3-不是解决方案

因此，我按一下创建Box-Muller Transform函数，以创建我认为需要的随机正态分布范围（但我的错误是我希望均匀分布）。我做了一些阅读，然后选择rejection sampling了从分布生成观察结果的方法。了解了如何计算范围的偏差而无需使用Math.sqrt：


  
如果x的值为负，则Math.sqrt（）返回NaN


这就是我想出的。



body {
  font: 10px sans-serif;
}
.axis path,
.axis line {
  fill: none;
  stroke: #000;
  shape-rendering: crispEdges;
}
.line {
  fill: none;
  stroke: steelblue;
  stroke-width: 1.5px;
}





不确定我是否正确完成了所有操作（还没有破坏正态分布），但是在较小的整数范围内，我看到的是生成的正确整数范围。

但是，当我使用范围的最大限制时（或实际上在这些限制之前），仍然存在问题。数学仍然超出Number.MAX_SAFE_INTEGER值。从上面输出console.log(tmp);

{mean: 0, variance: 8.112963841460666e+31, deviation: 9007199254740991} 


如您所见，计算出的variance是不安全的。由于我对分布类型感到困惑，因此可以忽略该算法。

分布图

我已经包括了它，以便您可以看到我实际上已经很接近将这项工作作为正态分布发布，尽管这并不是我真正需要的。它可以帮助正在执行这种分配的人。




Number.MAX_SAFE_INTEGER = Number.MAX_SAFE_INTEGER || 9007199254740991;

Number.MIN_SAFE_INTEGER = Number.MIN_SAFE_INTEGER || -Number.MAX_SAFE_INTEGER;

Number.toInteger = Number.toInteger || function (inputArg) {
    var number = +inputArg,
        val = 0;

    if (number === number) {
        if (!number || number === Infinity || number === -Infinity) {
            val = number;
        } else {
            val = (number > 0 || -1) * Math.floor(Math.abs(number));
        }
    }

    return val;
};

function clampSafeInt(number) {
    return Math.min(Math.max(Number.toInteger(number), Number.MIN_SAFE_INTEGER), Number.MAX_SAFE_INTEGER);
}

var boxMullerRandom = (function () {
    var phase = 0,
        RAND_MAX,
        array,
        random,
        x1, x2, w, z;

    if (crypto && crypto.getRandomValues) {
        RAND_MAX = Math.pow(2, 32) - 1;
        array = new Uint32Array(1);
        random = function () {
            crypto.getRandomValues(array);

            return array[0] / RAND_MAX;
        };
    } else {
        random = Math.random;
    }

    return function () {
        if (!phase) {
            do {
                x1 = 2.0 * random() - 1.0;
                x2 = 2.0 * random() - 1.0;
                w = x1 * x1 + x2 * x2;
            } while (w >= 1.0);

            w = Math.sqrt((-2.0 * Math.log(w)) / w);
            z = x1 * w;
        } else {
            z = x2 * w;
        }

        phase ^= 1;

        return z;
    }
}());

function rejectionSample(stdev, mean, from, to) {
    var retVal;
    
    do {
        retVal = (boxMullerRandom() * stdev) + mean;
    } while (retVal  max) {
        tmp = min;
        min = max;
        max = tmp;
    }

    tmp = {};
    tmp.mean = (min / 2) + (max / 2);
    tmp.variance = (Math.pow(min - tmp.mean, 2) + Math.pow(max - tmp.mean, 2)) / 2;
    tmp.deviation = Math.sqrt(tmp.variance);
    console.log(tmp);
    return Math.floor(rejectionSample(tmp.deviation, tmp.mean, min, max + 1));
}

console.log(randomInt(Number.MIN_SAFE_INTEGER, Number.MAX_SAFE_INTEGER));

{mean: 0, variance: 8.112963841460666e+31, deviation: 9007199254740991} 





什么是解决方案？

那么，我想念什么？有一些我忽略的简单方法吗？我必须使用大数字库作为解决方案吗？如何测试分布：我有一些图表正在绘制，这对于较小的范围很好，但是不可能较大的范围？

请让我摆脱这一烦恼。:)