首先，这是高斯函数在C++中的正确表示吗？
float pdf_gaussian = ( 1 / ( s * sqrt(2*M_PI) ) ) * exp( -0.5 * pow( (x-m)/s, 2.0 ) );
其次，如果我们像这样做，是否有意义？
if(pdf_gaussian < uniform_random())
do something
else
do other thing
编辑：这是一个关于您试图实现的示例：
假设我有一个名为Y1的数据。然后会出现一个新的数据Xi。我想要看看是否应将Xi与Y1相关联，或者是否应该将Xi作为一个新数据来命名为Y2。这基于新数据Xi与现有数据Y1之间的距离。如果Xi与Y1相距“远”，则Xi将不与Y1相关联；否则，如果它距离“不远”，它将与Y1相关联。现在，我想使用高斯概率模型来建模“远”或“不远”，并基于过去已经与Y相关联的数据的距离的均值和标准差。
从技术角度来看，
float pdf_gaussian = ( 1 / ( s * sqrt(2*M_PI) ) ) * exp( -0.5 * pow( (x-m)/s, 2.0 ) );
这段代码并没有错误，但是可以进行改进。
首先，1 / sqrt(2 Pi) 可以预先计算，并且使用 pow 函数来处理整数不是一个好的选择：它可能会使用 exp(2 * log x) 或专门针对浮点指数的例程，而不是简单地使用 x * x。
以下是更好的示例代码：
float normal_pdf(float x, float m, float s)
{
static const float inv_sqrt_2pi = 0.3989422804014327;
float a = (x - m) / s;
return inv_sqrt_2pi / s * std::exp(-0.5f * a * a);
}
您可能希望将其制作为模板，而不是使用float：
template <typename T>
T normal_pdf(T x, T m, T s)
{
static const T inv_sqrt_2pi = 0.3989422804014327;
T a = (x - m) / s;
return inv_sqrt_2pi / s * std::exp(-T(0.5) * a * a);
}
double参数上使用normal_pdf（尽管它不是那么通用）。但是，最后一段代码存在一些注意事项，即您必须小心不要将其与整数一起使用（虽然有解决方法，但这会使程序更加冗长）。if(pdf_gaussian < uniform_random()) do something else do other thing或者我应该将pdf_gaussian与normal_random()进行比较，而不是uniform_random()？ - shn是的，boost::random 有高斯分布。
例如，可以参考这个问题：如何使用boost正态分布类？
作为另一种选择，有一种标准方法将两个均匀分布的随机数转换为两个正态分布的随机数。
例如，可以参考这个问题：在C/C++中生成遵循正态分布的随机数
针对您最后的编辑（请注意，问题已完全改变，因此我的答案对原始问题无效），我认为您最好先明确“使用高斯分布进行建模”到底意味着什么。然后用数学术语重新表述这种理解，然后再开始编程。就目前而言，我认为该问题未明确说明。
float pdf = ( 1 / ( s * sqrt(2*M_PI) ) ) * exp( -0.5 * pow( (x-m)/s, 2.0 ) ); if(pdf < uniform_random()) {do something} else {do other thing}？ - shnhttp://en.wikipedia.org/wiki/Normal_distribution#Generating_values_from_normal_distribution
http://en.wikipedia.org/wiki/Box_Muller_transform
使用数学库编写代码并不是很复杂。