简单的思路就是：

先生成N个随机数的向量，然后把这个向量的和加起来跟X做除法获的倍数，再对向量的每一个数据除以这个倍率：

randVector = rand(X , n)
result = round((X\sum(randVector))*randVector,0)

后续如果要实现，向量之后加起来准确等于X，可以计算，向量和与X的差值，把差值随机分配到某一个数据上即可。

应用截绳法可以获得更为均匀的结果，放缩会导致均匀性发生变化。

X = 50.0
n = 10

nodeVector = rand(X , n-1).sort!().append!(X)
preVector = move(nodeVector, 1)
preVector[0] = 0.0
randVector = nodeVector - preVector

参考链接：

https://statisticaloddsandends.wordpress.com/2021/04/20/marginal-distributions-of-the-dirichlet-distribution-and-the-aggregation-property/

https://en.wikipedia.org/wiki/Irwin%E2%80%93Hall_distribution

https://en.wikipedia.org/wiki/Dirichlet_distribution

https://en.wikipedia.org/wiki/User:Skinnerd/Simplex_Point_Picking