Math.random() 生成 [0,1) 内均匀分布伪随机数；正确生成整数需用 Math.floor(Math.random() * (max - min + 1)) + min，避免 round 或取模导致边界偏差。
JavaScript 中的
Math.random()
本身生成的是 [0, 1) 区间内**均匀分布**的伪随机浮点数，这是
浏览器
和 Node.
js
环境的标准行为。只要正确使用，无需额外“确保”均匀性；真正影响均匀性的，往往是**错误的取值逻辑或范围转换方式**。
理解 Math.random() 的本质
Math.random()
返回一个大于等于 0、小于 1 的伪随机数，底层基于实现相关的算法（如 xorshift 或类似 LCG 的变种），在现代引擎中已具备良好的统计均匀性和周期性。它不是密码学安全的，但对一般场景（抽奖、动画、游戏逻辑等）完全满足均匀分布要求。
正确生成指定整数范围的随机数
常见错误是用
Math.round()
或不严谨的取整方式，导致边界概率失衡。正确做法是：
生成 [min, max] 闭区间整数：
Math.floor(Math.random() * (max - min + 1)) + min
生成 [min, max) 半开区间整数（更常用）：
Math.floor(Math.random() * (max - min)) + min
避免使用
Math.round()
—— 它会让两端数值概率减半（例如
round(0.0–0.5)
都得 0，而
round(0.5–1.0)
才得 1）
避免常见偏差陷阱
以下操作会破坏均匀性：
Comet AI 浏览器
下载 Comet AI 浏览器，体验由 Perplexity AI 驱动的革命性上网方式。内置 AI 助手可实时总结网页、跨标签页对比信息、自动执行任务。告别繁琐操作，让 AI 成为你的浏览副驾，大幅提升研究与工作效率。支持 Windows、macOS、Android 和 iOS。
下载
立即学习
“
Java免费学习笔记（深入）
”；
两次调用取模
：如
Math.floor(Math.random() * 100) % 3
→ 100 不是 3 的倍数，余数 0 出现 34 次，1 和 2 各 33 次
过滤重试逻辑不当
：如想生成 [1,6] 但错误写成
while ((r = Math.random() * 6) → 实际丢弃了大量合法值，且未修正分布
浮点精度误用
：如
Math.random() * 10000 | 0
在极少数情况下因舍入误差略超范围（虽实际影响可忽略，但语义不清晰）
需要密码学安全时怎么办
若用于 Token、密钥、抽奖防篡改等场景，应改用
crypto.getRandomValues()
：
const arr = new Uint32Array(1);crypto.getRandomValues(arr);const secureRand = arr[0] / 0xffffffff; // 得到 [0,1) 均匀浮点数
它由
操作系统
熵源提供，不可预测、无周期、统计均匀，但性能略低，非必要不替代
Math.random()
。
