使用取模（%）运算是否会影响随机性质量？

- 这是关于计算机随机数生成的一个经典入门问题：当我们需要一个限定范围内的随机数（例如0到99之间），而底层只提供0到32767之间的随机数时，很多人会直接用取模（%）来缩减范围。提问者想知道这样做会不会破坏随机性，导致某些数字出现的概率不均等。 - 问题的核心是“模偏差”（modulo bias）——如果范围上限不能整除随机数生成器的输出范围，则低位的数字会略高于高位的数字。例如 rand()%6 模拟掷骰子时，0和1会比2到5多出一丁点概率，因为32768不能被6整除，余数2被分配到了前两个数字上。 - 主流的修正方案有三种：丢弃超出最大整除倍数的值（拒绝采样）；使用浮点数缩放再向下取整（同样存在精度偏差）；或者使用专门的随机库（如C++的 <random>、Python的 random.randrange）来自动处理好这个细节。 - 这个话题在密码学、博弈设计和蒙特卡洛模拟中都很重要——微小的偏差在高频采样或安全场景下可能被利用或被放大。