我正在考虑使用有趣的发行版生成测试数据。
我理解生成均匀分布和正态分布的方法，但是如何将任意函数转换为加权分布函数？我的术语可能在这里 - 我不介意更正。
例如，假设我有一个随时间变化的函数，它通常会增加，但会定期循环。 “活动”一般在一年内增加，但每周周期在周末急剧下降。
该函数可以是代数，但如果它可以是任何函数（具有离散/不连续范围（？）的命令式（？））将是有价值的。
如果示例中的活动曲线为f(t)，我可以将f(t)设为均值并提供固定的标准偏差，但如果它也需要分配，我该如何选择t ？我不想迭代T，我只想随意用适当的发行版选择T。
因此，TestActivityGenerator（）函数获取曲线之间的参数，例如绝对日期范围，几周内的另一条曲线，以及当天小时数的另一条曲线，并在适当的分布中吐出DateTimes。结果是不以任何特定顺序生成。
另一种情况可能是：实数生成器，例如，吐出素数的可能性是复合数的1.652倍。这个没有诀窍 - 有很简单的方法可以做到这一点，但我正在寻找一个通用的解决方案。
谢谢！
编辑：我改变了标题的措辞，从不同的角度看待问题 - 我们如何从最佳拟合曲线回溯到与该曲线一致的随机样本。如果我有股票市场数据的直方图，我怎样才能生成与真实数据类似的数据分布。不仅是每个t平均值相同的成对值，因为它们会使其他随机性测试失败。