一种可能的解决方案是生成足够大（例如100）数量的样本，并使用unique和'stable'选项来提取前6个非重复样本：

data = 1:10;
mn = min(data)
mx = max(data);
m = mean(data);
s = std(data);

random_data = m + randn(1, 100) * s;
random_data = round(random_data(random_data > mn-0.5 & random_data < mx+0.5));
u = unique(random_data, 'stable');
result = u(1:6);

你问题的实质是：我如何进行加权随机排列，即无替换样本？2在我看来，困难的部分只是“无替换”部分。
在下面的方法中，我使用normpdf()函数将nums值转换为期望概率，然后通过简单的算术运算将其转换为频率/计数。我使用比例因子100将counts值的相似度增加到概率。* 注：如果目标是重新采样并替换，我们可以简单地使用这些概率来代替randsample()函数中的weight参数。
为了得到而不替换采样，我用repelem()函数扩展了nums向量，得到了一个表示nums中每个值的不同概率的数组，然后我从数组中随机采样，每次迭代时删除唯一的采样值，直到满足采样大小要求。
我希望这对你有帮助！

% create data array
nums = 1:10;

% create normal probability density from nums
probs = normpdf(nums,mean(nums),std(nums));

% convert probability in to frequency/counts
counts = ceil(probs./min(probs).*100);
% expand nums by counts
numsExpanded = repelem(nums,counts);

% shuffle for extra-randomness
numsExpanded(randperm(sum(counts))) = numsExpanded;

% initialize sampling parameters
nSamples = 6;
sampleValues = [];

while numel(sampleValues) < nSamples
  sampleValues(end+1) = randsample(numsExpanded,1);
  % remove sampled value to prevent replacement
  numsExpanded(numsExpanded == sampleValues(end)) = [];
end

disp(sampleValues);