double sigma：σ，正態函數的均方差
                  double min,double max，表明產生的隨機數的范圍
用如上方法，取 μ=0，σ=0.2，范圍是-1~1產生400個正態隨機數如圖3所示：




圖3 μ=0， σ=0.2，范圍在-1~1時的400個正態分布的隨機數分布圖
取 μ=0， σ=0.05，范圍是-1~1產生400個正態隨機數如圖4所示：




圖4 μ=0，σ=0.05，范圍在-1~1時的400個正態分布的隨機數分布圖
從圖3和圖4的比較可以看出， 越小，產生的隨機數靠近 的數量越多，也說明了產生的隨機數靠近 的概率越大。
我們，先產生4000個在0到4之間的正態分布的隨機數，取μ=0，σ=0.2，再把產生的數據的數量做個統計，畫成曲線，如下圖5所示：




圖5 μ=0， σ=0.2，范圍在0~4時的4000個正態分布的隨機數統計圖
從圖5中也可以看出，在靠近 處的產生的個數多，遠離 處的產生的數量少，該圖的輪廓線和概率密度曲線的形狀剛好吻合。也就驗證了該方法的正確性。
有了以上基礎，也就用同樣的方法，只要知道概率密度函數，也就不難產生任意分布的隨機數，方法都是先產生一個點，然後進行取捨，落在概率密度曲線下方的點就滿足要求，取其橫坐標就是所要獲取的隨機數。

參考文獻:
1、《概率論與數理統計》高等教育出版社，盛驟，謝式千等
2、《基於Matlab/Simulink的系統仿真技術與應用》清華大學出版社，薛定宇，陳陽泉