正如在注解中提到的，它依赖于NextDouble的内部实现。在“旧的”.NET框架中，以及在最高版本5的现代.NET中，它看起来像这样：

protected virtual double Sample() {
    return (InternalSample()*(1.0/MBIG));
}

InternalSample返回0到Int32.MaxValue范围内的整数，包括0，不包括int.MaxValue。我们可以假设InternalSample的分布是均匀的（在用于Next的docs方法中，该方法只调用InternalSample，有线索表明它是，似乎没有理由在通用的整数RNG中使用非均匀分布）。这意味着每个数字的概率都相等。那么，我们有2，147，483，647个数字处于分布中，抽到0的概率是1 /2，147，483，647。
在现代的.NET 6+中有两种实现。第一种是在您向Random构造函数提供显式种子值时使用的。这种实现与上面的相同，并且是出于兼容性原因而使用的-以便依赖种子值来产生确定性结果的旧代码在移动到新的.NET版本时不会中断。
第二个实现是一个新的实现，当您不将seed传递到Random构造函数时使用。源代码：

public override double NextDouble() =>
    // As described in http://prng.di.unimi.it/:
    // "A standard double (64-bit) floating-point number in IEEE floating point format has 52 bits of significand,
    //  plus an implicit bit at the left of the significand. Thus, the representation can actually store numbers with
    //  53 significant binary digits. Because of this fact, in C99 a 64-bit unsigned integer x should be converted to
    //  a 64-bit double using the expression
    //  (x >> 11) * 0x1.0p-53"
    (NextUInt64() >> 11) * (1.0 / (1ul << 53));

我们首先获得随机的64位无符号整数，现在，我们可以将其乘以1 / 2^64以获得0..1范围内的double，但这会使结果分布有偏差。double由53位尾数表示（52位是显式的，1位是隐式的）、指数和符号。对于所有整数值，指数是相同的，所以我们只剩下53位来表示整数值，但这里有64位整数，这意味着小于2^53的整数值可以用double来表示，但更大的整数不能，例如：

ulong l1 = 1ul << 53;
ulong l2 = l1 + 1;
double d1 = l1;
double d2 = l2;
Console.WriteLine(d1 == d2);

打印“true”，两个不同的整数Map到相同的double值，这意味着如果我们将64位整数乘以12^64，我们将得到一个有偏的非均匀分布，因为许多大于2^53-1的整数将Map到相同的值。
因此，我们丢弃11位，然后将结果乘以1 / 2^53，得到在0..1范围内的均匀分布，得到0的概率是1 / 2^53（1 /9，007，199，254，740，992）。此实现比旧实现更好，因为在0..1范围内，它提供了更多不同的双精度值（2^53，而旧版本中为2^32）。
你还在评论中问：
如果知道0（包括0）和1（不包括1）之间有多少个数字（根据IEEE 754），就有可能回答“概率”问题，因为0是所有数字之一
事实并非如此。在IEEE 754中，在0..1之间实际上有超过2^53个可表示的数字。我们有52位尾数，然后有11位指数，其中一半是负指数。几乎所有负指数（大约是11位范围的一半）与尾数结合在一起，都会给出0..1范围内的不同值。
为什么我们不能使用IEEE允许我们生成随机数的完整的0..1范围？因为这个范围是不均匀的（就像完整的双精度范围本身是不均匀的）。例如，在0..0.5范围内比在0.5..1范围内有更多的可表示数。

这是从一个严格的学术Angular 。
从Double Struct开始：
所有浮点数的有效位数也都有限，这也决定了浮点值近似实数的精确度。Double值的精度最高可达15位小数，但内部最多保留17位。这意味着某些浮点运算可能缺少更改浮点值所需的精度。
如果只有15位小数有效，则可能的返回值为：

0.000000000000000

收件人：

0.999999999999999

换句话说，你有10^15个可能的（相对不同的，"不同的"）值（参见第一个答案中的Permutations）：

10^15 = 1,000,000,000,000,000

零只是这些可能性之一：
以百分比表示：

0.0000000000001% chance of zero being randomly selected?

我想这是你能得到的最接近"正确"的答案...
......它在实践中是否以这种方式执行可能是另一个故事。

只需要创建一个简单的程序，让它运行，直到你对尝试的次数感到满意为止。（参见：https://onlinegdb.com/ij1M50gRQ）

Random r = new Random();
       Double d ;
       int attempts=0;
       int attempts0=0;
       while (true) {
            d = Math.Round(r.NextDouble(),3);
            if(d==0) attempts0++;
            attempts++;
            if (attempts%1000000==0) Console.WriteLine($"Attempts: {attempts}, with {attempts0} times a 0 value, this is {Math.Round(100.0*attempts0/attempts,3)} %");
       }

示例输出：

...
Attempts: 208000000, with 103831 times a 0 value, this is 0.05 %
Attempts: 209000000, with 104315 times a 0 value, this is 0.05 %
Attempts: 210000000, with 104787 times a 0 value, this is 0.05 %
Attempts: 211000000, with 105305 times a 0 value, this is 0.05 %
Attempts: 212000000, with 105853 times a 0 value, this is 0.05 %
Attempts: 213000000, with 106349 times a 0 value, this is 0.05 %
Attempts: 214000000, with 106839 times a 0 value, this is 0.05 %
...

将d的值四舍五入为2位小数将返回0.5%