(1) 正态随机数
If I were you I would try like below:

• Use rand() to generate uniformly distributed pseudorandom numbers in  [0,1]
• Then use norminv() to get the normal pseudorandom numbers - Is this what you need?

(2) 布朗运动
为什么不可以用标准的正态分布随机数表示呢？可以的，但它的数值范围不是在[0，1]而是任意实数，对吧。

关键在于所有的概率分布取值在0-1之间，所以只要找到0-1之间的均匀分布 其他的就都很号计算了

如果布朗运动用标准的正态分布，就可以将其均值与方差固定，不用求解。如果不能用正态分布表示，我目前还没找到相关的文献来说明，在金融价格中的这种布朗运动的均值方差如何决定，一般是按嗓音来处理。

对于正态随机数的生成，我不太理解。
gnipgnop 的意思是，先生成均匀分布的随机数，再norminv() 函数生成正态随机数吗？

我现在的思路是，先生成halton这样的低差异随机数，再由halton序列生成正态随机数。halton序列我已经得到了。但是正态随机数的生成存在一定的问题。

我对norminv() 函数不态熟悉，大概查了一下它的用法：
x=NORMINV(probability,mean,standard_dev)  其中：
Probability   正态分布的概率值。
Mean   分布的算术平均值。
Standard_dev   分布的标准偏差。
x返回指定平均值和标准偏差的正态累积分布函数的反函数。
按照随机数生成的原理，结果应该是正态分布数  
但是在这里面，均值=0，方差=1，但其概率值该如何得到？特别是如果用这个函数那么我的halton序列就没有用了，算法优势也就得不到体现了。

能否给我一个生成正态分布随机数的源程序？

刚看到一些关于正态随机数的生成，说是用中心极限定理实现。具体似乎是：
（1）从计算机中产生U（0，1）均匀分布的随机数30个（当然，也可以是任意个，m越大越好，主要是符合中心极限定理的条件），记为u1，u2，...，u30；由于E（ui）=1/2，D（ui）=1/12（i=1，2，...，30）根据中心极限定理，可以认为近似服从均值为Σ=ui（其中i=1，2，...，30）近似服从均值为1/2*30=15，方差为1/12*30=2.5的正态分布。
（2）计算：v=（u1+u2+...+u30-15）/（2.5）1/2，由中心极限定理，它可以看作是来自标准正态分布N（0，1）的一个随机数；
（3）变换：x=μ+σv，由正态分布的性质可知，它可以看作是来自正态分布N（μ,σ*σ）的一个随机数。
但在第一步里：E（ui）=1/2，D（ui）=1/12（i=1，2，...，30）是如何得到的？ 而且这个过程似乎是由30个均匀分布的随机数生成一个标准正态随机数吧？那这样，前期的均匀随机数得生成太多了吧。
那不能由n个均匀分布的随机数生成n个标准正态随机数吗？

3# liuxin9023

看到版主你也有研究过正态随机数的生成原理，不晓得你对我上面的描述认同否。还有能提供生成正态随机数的原代友不能？谢谢！