大家知道怎样把极值I型函数成功转换成正态分布函数吗

问题：用ANSYS进行概率设计时，随机变量没有极值I型这个分布类型，需要先将极值I型分布转换成高斯分布，才能进行概率设计，请问，如何进行转换？

回答：

double gaussian(double u) //用Box_Muller算法产生高斯分布的随机数
{
double r,t,z,x;
double s1,s2;
s1=(1.0+rand())/(RAND_MAX+1.0);
s2=(1.0+rand())/(RAND_MAX+1.0);
r=sqrt(-2*log(s2)/log(e));
t=2*pi*s1;
z=r*cos(t);
x=u+z*N;
return x;
}

以前写的一个函数，u是均值，N是方差

* 标准正态分布分布函数。
　　* 入口参数u。 任意实数。 返回标准正态分布概率密度。
　　先是考虑把正态分布的那张表搞到程序中，通过查表的方式，小数点三位后面多出来的值使用公式来计算
　　正态分布中一些值得注意的量：
　　密度函数关于平均值对称
　　平均值与它的众数（statistical mode）以及中位数（median）同一数值。
　　函数曲线下68.268949%的面积在平均数左右的一个标准差范围内。
　　

java
　　public double nextDouble() {
　　return (((long)(next(26)) << 27) + next(27))
　　/ (double)(1L << 53);
　　}
　　private double nextNextGaussian;
　　private boolean haveNextNextGaussian = false;
　　synchronized public double nextGaussian() {
　　// See Knuth, ACP, Section 3.4.1 Algorithm C.
　　if (haveNextNextGaussian) {
　　haveNextNextGaussian = false;
　　return nextNextGaussian;
　　} else {
　　double v1, v2, s;
　　do {
　　v1 = 2 * nextDouble() - 1; // between -1 and 1
　　v2 = 2 * nextDouble() - 1; // between -1 and 1
　　s = v1 * v1 + v2 * v2;
　　} while (s >= 1 || s == 0);
　　double multiplier = StrictMath.sqrt(-2 * StrictMath.log(s)/s);
　　nextNextGaussian = v2 * multiplier;
　　haveNextNextGaussian = true;
　　return v1 * multiplier;
　　}
　　}
　　c++
　　public static double y(double x) {
　　return 1 /.9) {
　　return 1; Math;
　　for (double i = pc.00001.E.sqrt(2 * Math; i += step)
　　f += y(i) * step; 3.pow(Math, -x * x /.9) {
　　return 0;
　　}