`math.ceil(math.random() * 100)` 理论上可能返回0（概率极低），实际几乎总返回1–100，但存在边界缺陷；推荐使用 `math.floor(math.random() * 100) + 1` 实现真正可靠、均匀分布的1–100随机整数。
在 JavaScript 中，Math.random() 返回一个 [0, 1) 区间内 的伪随机浮点数——即包含 0，但严格小于 1。这是理解后续行为的关键前提。
当我们执行 Math.ceil(Math.random() * 100) 时，运算逻辑如下：
- 若 Math.random() 恰好为 0 → 0 * 100 = 0 → Math.ceil(0) = 0 ✅（合法但概率极小）
- 若 Math.random() 为 0.0000001 → ≈0.00001 → Math.ceil(0.00001) = 1
- 若 Math.random() 接近 0.9999999 → ≈99.99999 → Math.ceil(99.99999) = 100
- 但注意：Math.random() 永远不等于 1，所以 Math.random() * 100 永远 < 100 → Math.ceil(...) 永远 ≤ 100
因此，该表达式的结果范围是 {0, 1, 2, ..., 100} ——共 101 个可能值，其中 0 和 100 出现概率远低于中间值（0 仅当输入恰为 0 时触发；100 仅当乘积 ≥ 99 且 < 100 时触发，但因 ceil 向上取整，实际只要 ≥ 99 就得 100，故 100 概率约为 1%；而 0 的理论概率等同于 Math.random() === 0，在 IEEE 754 双精度下虽非零，但实践中可视为「几乎不可能」）。
⚠️ 更严重的问题是分布不均：
立即学习“Java免费学习笔记（深入）”；
- 0 仅对应 [0, 0) 区间（单点，测度为 0）→ 概率 ≈ 0
- 1 对应 (0, 1] → 长度为 1
- 100 对应 (99, 100) → 长度为 1
但 Math.random() * 100 的输出区间是 [0, 100)，而 Math.ceil 将 [0,1) 映射为 1，[1,2) → 2，…，[99,100) → 100 —— 唯独 0 无法被常规输入覆盖（除非输入精确为 0）。因此，0 是异常孤点，而 1–100 虽覆盖完整，但 1 的输入区间是 (0,1]（长度 1），100 是 (99,100)（长度 1），看似均匀，却因 0 的存在破坏了整数区间的对称性与实用性。
✅ 正确做法：使用 Math.floor() 配合偏移
// 生成 [1, 100] 内均匀分布的整数（含端点） const randomInt = Math.floor(Math.random() * 100) + 1;
原理：
- Math.random() * 100 ∈ [0, 100)
- Math.floor() 将其映射为 {0, 1, 2, ..., 99}（共 100 个整数，每个对应长度为 1 的输入区间，完全均匀）
- + 1 平移至 {1, 2, ..., 100}，完美满足需求。
? 扩展通用公式：
要生成 [min, max]（含）之间的随机整数，统一用：
Math.floor(Math.random() * (max - min + 1)) + min
例如：
- [1, 6]（模拟骰子）→ Math.floor(Math.random() * 6) + 1
- [5, 20] → Math.floor(Math.random() * 16) + 5
总结：避免 Math.ceil(Math.random() * N)，它引入不必要的边界歧义和潜在非均匀性；坚持 Math.floor(Math.random() * range) + min 模式，简洁、可靠、符合直觉，是 JavaScript 随机整数生成的工业级实践标准。
