首先是泊松分佈，這是一個離散型的隨機變數分佈，比較好弄，此外例如考察一些到達事件的概率時，通常服從泊松分佈，因此該分佈相當實用。在開始編寫之前，先感謝知乎一位大神的科普知識，假設有一個服從均勻分佈的隨機變數，u~U[0,1]，F(x)為隨機變數x的累計分佈函式，那麼F-1（u）的變數服從F分佈，即F的逆函式是服從F的隨機變數。程式碼如下：

<span style="white-space:pre">	</span>private static int getPossionVariable(double lamda) {
		int x = 0;
		double y = Math.random(), cdf = getPossionProbability(x, lamda);
		while (cdf < y) {
			x++;
			cdf += getPossionProbability(x, lamda);
		}
		return x;
	}

	private static double getPossionProbability(int k, double lamda) {
		double c = Math.exp(-lamda), sum = 1;
		for (int i = 1; i <= k; i++) {
			sum *= lamda / i;
		}
		return sum * c;
	}
 

正態分佈由於是連續變數的分佈，所以求其隨機變數比較困難，但可以利用中心極限定理產生，下次再說吧。