测试均值是否正确，或者即使生成的随机变量的直方图“看起来”像某个分布是不够的。坚持使用更严格的测试套件，例如TestU01或Diehard。

此外，由于它们总和为 1 的约束，每行中实际上只有两个随机数。

这需要更多的思考，但我认为您可能想要测试第一列的随机性，然后根据第一列中的数字测试第二列的随机性。

假设您将数字放在矩阵中

x = [...
0.4 0.5 0.1
0.2 0.3 0.5
0.6 0.2 0.2
0.5 0.2 0.3
0.2 0.4 0.4
0.2 0.1 0.7
0.3 0.3 0.4
0.8 0.1 0.1
0.1 0.5 0.4
0.4 0.4 0.2];

x(i,:)第 i 行在哪里（你是 3D 随机变量）。您必须计算平均行（我使用的是 matlab 表示法）

x_mean = mean(x);
disp(x_mean);

然后你可以计算残差矩阵（你的行和平均行之间的差异）

res = x - repmat(x_mean,10,1);

并且该矩阵res应将行分布为均值为零的 3D 高斯变量（或均匀分布，或任何用于生成样本的随机分布）。

你的变量之间有一些依赖关系，我不知道如何处理。在这里CrossValidated提出这个问题可能是个好主意。

您所说的“随机性质量”是什么意思？简单来说，如果要查看生成的一组数字是否足够随机，它们的均值应该接近于 0，即纯高斯分布。请注意，仅当您的编号足够大时，这才是一个不错的选择。随机样本，在这种情况下，平均值接近零表明 rand 生成器做得很好。

换句话说，纯随机数彼此不相关，尽管它在实践中几乎从未发生过。

可能还有其他数学上严格的方法来测试它，但对于简单的任务，这就足够了。