您可以使用截断的正态分布。 这只是一个正态分布，您只考虑一个区间。您需要重新调整它以确保 pdf 集成为 1。但这对我来说听起来正是您正在寻找的。

VonMises 分布类似于正态分布，但用于圆形数据，并且仅在圆形的间隔（0-360 度或 0-2pi 弧度）上定义。

Beta 分布定义为从 0 到 1（但可以缩放到其他区间），参数相等时，它是对称的，并且对于许多值都是钟形的。

这是一个老问题，但对于新读者来说仍然很重要。我很惊讶没有人提到升余弦分布。

平均$\mu$和传播参数$s$它完全有界 $[\mu - s, \mu + s]$ 它的概率密度函数（PDF）也有一个钟形曲线。

+1 拒绝抽样答案。

你也可以从 Beta 分布中取样吗？$\alpha$(aka shape1) 是 1 并且$\beta \gt 1$（又名shape2）？这是在 [0,1] 上定义的，因此乘以圆盘的半径，您将有零概率选择半径或更大的点。

好处包括：a）选择大于或等于半径的距离的概率为零，b）您可以进行直接抽样，而不是像拒绝抽样这样的事情。

缺点包括：a）它很烦躁，接近 0 和 b）分布与高斯分布不是“非常相似”。（它在 0 附近的峰值——即在中心——比高斯高得多，尽管这可能确实是 OP 想要的。）