如题，现在需要生成介于一定区间的正态随机数，但是不知道如何下手。

比如，生成介于10到20之间的正态随机数，要求均值为15，标准差为5
之所以有这样的需求，是因为如果单单生成均值为15，标准差为5的正态随机数，随机值当中会出现负值的情况，但是这跟现实不符，比如年龄是不可能出现负值的，尽管从统计上来讲是可能的
所以就需要截尾处理，使正态分布介于一定的区间以内

在VBA里可以用NORMINV函数生成正态随机数，但是不知道如何限定区间

曾经试过一些方法，比如先通过循环逐一生成均值为15，标准差为5的正态随机数，函数用NORMINV(RAND(),15,5)
然后循环内判断是否介于10-20之间，如果不在这个区间内，重新生成正态随机数
以此类推，但是结果是可以保证正态和区间，不能保证均值为10，标准差为5

也试过线性变化的方法来将正态随机数转换为一定区间内的分布，但也不能保证均值和标准差

目前找到一点R语言写的算法（可能是红色部分，也可能是全部），从来没用过R，高手能否解释一下这个代码的大致思路，我对VBA比较熟悉，感谢
#R program for dichotomous probit model
#read the data
x=as.matrix(read.table("c:\\bookdead.dat")[,3:9])
y=as.matrix(read.table("c:\\bookdead.dat")[,10])
#create variables, set values, and write out starting values
b=matrix(0,7); vb=solve(t(x)%*%x); ch<-chol(vb)
write(c(i,t(b)), file="c:\\dprob_gibbs.out", append=T, ncol=8)
#begin MCMC simulation
for(i in 2:5000){
#simulate latent data from truncated normal distributions
u=as.matrix(runif(length(y),min=0,max=1))
xb=as.matrix(x%*%b)
ystar=qnorm(y*u + u*(-1)^y*pnorm(0,mean=xb,sd=x[,1]) +y*pnorm(0,mean=xb,sd=1), mean=xb, sd=x[,1])
#simulate beta vector from appropriate mvn distribution
b<-vb%*%(t(x)%*%ystar) + t((rnorm(7,mean=0,sd=1))%*%ch)
write(c(i,t(b))), file="c:\\dprob_gibbs.out", append=T, ncolumns=8)
if(i%%10==0){print(c(i,t(b))),digits=2)}