C标准库中定义的rand：
只保证一次调用所返回的值是“近似于随机的”，并不保证多次调用返回值的分布（具体的平台、编译环境下可能会有所不同）。
均匀分布，所有点的概率都一样，分布曲线是平行于x轴的，和左右边界构成一个“矩形”。我猜测，多次调用rand的分布，符合均匀分布的可能性更大。这是个值得探究的问题，题主可以自行实验验证之。
下面回答你的问题，最直接的办法就是——用正态分布：
C++0x 标准中新加了专门用于生成随机数，可以生成均匀分布、正态分布（Normal Distribution）、泊松分布（Binomial Distribution）的随机数。
的详细介绍请看： http://www.cplusplus.com/reference/random/
正态分布的 概率密度函数（值与在该值上的概率构成的函数，x -> p(x) ），是：
不用管右边这么复杂的关系是怎么来的，只需要知道 x -> p(x) 有两个参数u, σ分别表示：
u 均值（控制着图像上的对称轴）
σ 标准差（控制着图像上的“山峰”形的“坡度”）
来自cplusplus.com的一个代码样例（c++0x需要在g++ 4.4 或 vc2008以上版本编译）：
// normal_distribution
#include
#include
int main()
{
const int nrolls=10000; // number of experiments
const int nstars=100; // maximum number of stars to distribute
std::default_random_engine generator;
std::normal_distribution distribution(5.0,2.0); // 均值、标准差
int p[10]={};
for (int i=0; i double number = distribution(generator);
if ((number>=0.0)&&(number<10.0)) ++p[int(number)];
}
std::cout << "normal_distribution (5.0,2.0):" << std::endl;
for (int i=0; i<10; ++i) {
std::cout << i << "-" << (i+1) << ": ";
std::cout << std::string(p[i]*nstars/nrolls,'*') << std::endl;
}
return 0;
}
这段代码的输出：
normal_distribution (5.0,2.0):
0-1: *
1-2: ****
2-3: *********
3-4: ***************
4-5: ******************
5-6: *******************
6-7: ***************
7-8: ********
8-9: ****
9-10: *
当然，除了正态分布，还有很多其他办法，比如在均匀随机的基础上做“映射”，让更多区间都为0.
相信题主能够通过这些东西，自己找到答案。
