random.random() 返回一个 随机的浮点数， 值域为 [0.0, 1.0] random.uniform(a, b) 均匀分布 返回一个随机的浮点数N, N的值在a与b之间 等同于 a + (b-a) * rondom() random.betavariate(alpha, beta) beta分布． 参数条件 alpha > 0 和 beta > 0 random.exp
random.random()
返回一个 随机的浮点数， 值域为 [0.0, 1.0]
random.uniform(a, b)
均匀分布
返回一个随机的浮点数N, N的值在a与b之间
等同于 a + (b-a) * rondom()
random.betavariate(alpha, beta)
beta分布．
参数条件 alpha > 0 和 beta > 0
random.expovariate(lambd)
指数分布
在概率论和统计学中，指数分布(Exponential distribution)是一种连续概率分布。指数分布可以用来表示独立随机事件发生的时间间隔，比如旅客进机场的时间间隔
指数函数的一个重要特征是无记忆性(Memoryless Property)
泊松过程是一种重要的随机过程。泊松过程中，第k次随机事件与第k+1次随机事件出现的时间间隔服从指数分布。这是因为，第k次随机事件之后长度为t的时间段内，第k+1次随机事件出现的概率等于1减去这个时间段内没有随机事件出现的概率。而根据泊松过程的定义，长度为t的时间段内没有随机事件出现的概率等于
$$
\frac{e^{-\lambda t} (\lambda t)^0}{0!} = e^{-\lambda t}
$$
所以第k次随机事件之后长度为t的时间段内，第k+1次随机事件出现的概率等于 $$ 1-e^{-\lambda t} $$，这是指数分布。这还表明了泊松过程的无记忆性。
random.gammavariate(alpha, beta)
gamma分布
random.gauss(mu, sigma)
高斯分布
random.lognormvariate(mu, sigma)
对数正态分布
在概率论与统计学中，对数正态分布是对数为正态分布的任意随机变量的概率分布。如果 X 是正态分布的随机变量，则 exp(X) 为对数正态分布；同样，如果 Y 是对数正态分布，则 ln(Y) 为正态分布。 如果一个变量可以看作是许多很小独立因子的乘积，则这个变量可以看作是对数正态分布。一个典型的例子是股票投资的长期收益率，它可以看作是每天收益率的乘积。
random.normalvariate(mu, sigma)
正态分布
random.vonmisesvariate(mu, kappa)
冯·米塞斯分布(von Mises distribution)指一种圆上连续概率分布模型，它也被称作循环正态分布(circular normal distribution)
random.paretovariate(alpha)
帕累托分布是以意大利经济学家维弗雷多·帕雷托命名的。 是从大量真实世界的现象中发现的幂次定律分布。这个分布在经济学以外，也被称为布拉德福分布
random.weibullvariate(alpha, beta)
韦伯分布(Weibull distribution)，又称韦氏分布或威布尔分布，是可靠性分析和寿命检验的理论基础
