当前位置：文档之家 › MATLAB产生各种分布的随机数

MATLAB产生各种分布的随机数

  • 格式：docx
  • 大小：13.06 KB
  • 文档页数：11

MATLAB产生各种分布的随机数

1,均匀分布Ua,b：

产生mn阶a,b均匀分布Ua,b的随机数矩阵：unifrnd a,b,m, n

产生一个a,b均匀分布的随机数：unifrnd a,b

2,0-1分布U0,1

产生mn阶０,1均匀分布的随机数矩阵：rand m, n

产生一个０,１均匀分布的随机数：rand

4,二类分布binorndN,P,mm,nn如binornd10,,mm,nn

即产生mmnn均值为NP的矩阵

binorndN,p则产生一个;而binornd10,,mm则产生mmmm的方阵,军阵为Np;

5,产生mn阶离散均匀分布的随机数矩阵：

unidrndN,mm,nn产生一个数值在1-N区间的mmnn矩阵

6,产生mm nn阶期望值为 的指数分布的随机数矩阵：

exprnd ,mm, nn

此外,常用逆累积分布函数表

函数名调用格式函数注释

norminv X=norminvP,mu,sigma 正态逆累积分布函数

expinv X=expinvP,mu 指数逆累积分布函数

weibinv X=weibinvP,A,B 威布尔逆累积分布函数

logninv X=logninvP,mu,sigma 对数正态逆累积分布函数

Chi2inv X=chi2invP,A,B 卡方逆累积分布函数

Betainv X=betainvP,A,B β分布逆累积分布函数

随机数的产生 4.1.1 二项分布的随机数据的产生

命令 参数为N,P的二项随机数据

函数 binornd

格式 R = binorndN,P %N、P为二项分布的两个参数,返回服从参数为N、P的二项分布的随机数,N、P大小相同;

R = binorndN,P,m %m指定随机数的个数,与R同维数;

R = binorndN,P,m,n %m,n分别表示R的行数和列数

例4-1

>> R=binornd10,

R =

3

>> R=binornd10,,1,6

R =

8 1 3 7 6 4

>> R=binornd10,,1,10

R =

6 8 4 6 7 5 3 5 6 2

>> R=binornd10,,2,3

R =

7 5 8

6 5 6

>>n = 10:10:60; >>r1 = binorndn,1./n

r1 =

2 1 0 1 1 2

>>r2 = binorndn,1./n,1 6

r2 =

0 1 2 1 3 1

4.1.2 正态分布的随机数据的产生

命令 参数为μ、σ的正态分布的随机数据

函数 normrnd

格式 R = normrndMU,SIGMA %返回均值为MU,标准差为SIGMA的正态分布的随机数据,R可以是向量或矩阵;

R = normrndMU,SIGMA,m %m指定随机数的个数,与R同维数;

R = normrndMU,SIGMA,m,n %m,n分别表示R的行数和列数

例4-2

>>n1 = normrnd1:6,1./1:6

n1 =

>>n2 = normrnd0,1,1 5

n2 =

>>n3 = normrnd1 2 3;4 5 6,,2,3 %mu为均值矩阵

n3 =

>> R=normrnd10,,2,3 %mu为10,sigma为的2行3列个正态随机数

R =

4.1.3常见分布的随机数产生

常见分布的随机数的使用格式与上面相同

表4-1随机数产生函数表

函数名调用形式

注释

UnifrndunifrndA,B,m,nA,B上均匀分布连续随机数UnidrndunidrndN,m,n

均匀分布离散随机数

Exprnd exprndLambda,m,n

参数为Lambda的指数分布随机数

NormrndnormrndMU,SIGMA,m,n参数为MU,SIGMA的正态分布随机数chi2rndchi2rndN,m,n自由度为N的卡方分布随机数TrndtrndN,m,n自由度为N的t分布随机数

Frnd frndN1, N2,m,n 第一自由度为N1,第二自由度为N2的F分布随机数gamrnd gamrndA, B,m,n 参数为A,

B的分布随机数betarnd betarndA, B,m,n

参数为A,

B的分布随机数

lognrndlognrndMU,SIGMA,m,n参数为MU,SIGMA的对数正态分布随机数nbinrndnbinrndR,P,m,n

参数为R,P的负二项式分布随机数

ncfrndncfrndN1,N2,delta,m,n参数为N1,N2,delta的非中心F分布随机数nctrndnctrndN,delta,m,n参数为N,delta的非中心t分布随机数ncx2rndncx2rndN,delta,m,n参数为N,delta的非中心卡方分布随机数raylrndraylrndB,m,n参数为B的瑞利分布随机数weibrndweibrndA,B,m,n参数为A,B的韦伯分布随机数binorndbinorndN,P,m,n参数为N,p的二项分布随机数georndgeorndP,m,n

参数为p的几何分布随机数

hygerndhygerndM,K,N,m,n参数为M,K,N的超几何分布随机数Poissrnd

poissrndLambda,m,n

参数为Lambda的泊松分布随机数

4.1.4通用函数求各分布的随机数据

命令求指定分布的随机数函数random

var cpro_psid ="u2572954"; var cpro_pswidth =966; var cpro_psheight =120 136

格式y=random'name',A1,A2,A3,m,n%name的取值见表4-2；A1,A2,A3为分

布的参数；m,n指定随机数的行和列

例4-3产生123行4列个均值为2,标准差为的正态分布随机数

>> y=random'norm',2,,3,4 y =

随机变量的概率密度计算

4.2.1 通用函数计算概率密度函数值

命令 通用函数计算概率密度函数值 函数 pdf

格式 Y=pdfname,K,A

Y=pdfname,K,A,B Y=pdfname,K,A,B,C

说明 返回在X=K处、参数为A、B、C的概率密度值,对于不同的分布,参数个数是不同；name为分布函数名,其取值如表4-2;

表4-2 常见分布函数表

name的取值 函数说明

'beta' 或 'Beta' Beta分布 'bino' 或 'Binomial' 二项分布 'chi2' 或 'Chisquare' 卡方分布 'exp' 或 'Exponential' 指数分布 'f' 或 'F'

F分布

'gam' 或 'Gamma' GAMMA分布 'geo' 或 'Geometric' 几何分布 'hyge' 或 'Hypergeometric' 超几何分布 'logn' 或 'Lognormal'

对数正态分布 'nbin' 或 'Negative Binomial' 负二项式分布 'ncf' 或 'Noncentral F' 非中心F分布 'nct' 或 'Noncentral t'

非中心t分布 'ncx2' 或 'Noncentral Chi-square' 非中心卡方分布 'norm' 或 'Normal' 正态分布 'poiss' 或 'Poisson' 泊松分布 'rayl' 或 'Rayleigh' 瑞利分布 't' 或 'T'

T分布 'unif' 或 'Uniform'

均匀分布 'unid' 或 'Discrete Uniform' 离散均匀分布 'weib'

或

'Weibull'

Weibull分布

例如二项分布：设一次试验,事件A发生的概率为p,那么,在n次独立重复试验中,事件A恰好发生K次的概率P_K为：P_K=P{X=K}=pdf'bino',K,n,p

例4-4 计算正态分布N0,1的随机变量X在点的密度函数值;

Matlab 的随机函数高斯分布 均匀分布 其它分布

Matlab中随机数生成器主要有：

betarnd 贝塔分布的随机数生成器

binornd 二项分布的随机数生成器

chi2rnd 卡方分布的随机数生成器

exprnd 指数分布的随机数生成器 frnd f分布的随机数生成器

gamrnd 伽玛分布的随机数生成器

geornd 几何分布的随机数生成器

hygernd 超几何分布的随机数生成器

lognrnd 对数正态分布的随机数生成器

nbinrnd 负二项分布的随机数生成器

ncfrnd 非中心f分布的随机数生成器

nctrnd 非中心t分布的随机数生成器

ncx2rnd 非中心卡方分布的随机数生成器

normrnd 正态高斯分布的随机数生成器,normrnda,b,c,d：产生均值为a、方差为b大小为cXd的随机矩阵

poissrnd 泊松分布的随机数生成器

rand：产生均值为、幅度在0~1之间的伪随机数,randn：生成0到1之间的n阶随机数方阵,randm,n：生成0到1之间的m×n的随机数矩阵

randn：产生均值为0、方差为1的高斯白噪声,使用方式同rand

注：rand是0-1的均匀分布,randn是均值为0方差为1的正态分布

randpermn:产生1到n的均匀分布随机序列

raylrnd 瑞利分布的随机数生成器

trnd 学生氏t分布的随机数生成器

unidrnd 离散均匀分布的随机数生成器

unifrnd 连续均匀分布的随机数生成器

weibrnd 威布尔分布的随机数生成器

合集下载

matlab的随机数函数

matlab的随机数函数

matlab的随机数函数

Matlab是一种常用的科学计算软件，其中提供了丰富的随机数函数用于生成各种分布的随机数。本文将介绍几个常用的随机数函数，并探讨它们的用途和特点。

一、rand函数

rand函数是Matlab中最常用的随机数函数之一，它可以生成0到1之间均匀分布的随机数。使用rand函数可以简单地生成一组随机数，例如：

```matlab

x = rand(1, 100); % 生成一个长度为100的随机数向量

```

二、randn函数

randn函数可以生成符合标准正态分布（均值为0，方差为1）的随机数。它的用法与rand函数类似，例如：

```matlab

x = randn(1, 100); % 生成一个长度为100的符合标准正态分布的随机数向量

```

三、randi函数 randi函数可以生成指定范围内的均匀分布的整数随机数。例如，我们可以使用randi函数生成一个1到10之间的随机整数：

```matlab

x = randi([1, 10], 1, 100); % 生成一个长度为100的1到10之间的随机整数向量

```

四、randperm函数

randperm函数可以生成指定范围内的随机排列。例如，我们可以使用randperm函数生成一个1到10的随机排列：

```matlab

x = randperm(10); % 生成一个1到10的随机排列

```

五、其他随机数函数

除了上述常用的随机数函数外，Matlab还提供了其他一些随机数函数，用于生成特定的分布的随机数。例如，randraw函数可以生成指定分布的随机数，unidrnd函数可以生成均匀分布的离散随机数，normrnd函数可以生成指定均值和方差的正态分布的随机数等等。

在科学计算和统计分析中，随机数函数是非常重要的工具。它们可以用于生成模拟数据，进行随机抽样，进行统计推断等等。例如，在金融领域中，可以使用随机数函数模拟股票价格的波动，评估投资风险；在工程领域中，可以使用随机数函数模拟信号噪声，评估系统性能等等。

matlab中正态随机数生成

matlab中正态随机数生成

在MATLAB中生成正态随机数是一个常见的需求，特别是在统计分析和模拟实验中。正态分布（也被称为高斯分布）是一种连续概率分布，具有很多实际应用，比如在自然科学、社会科学和工程领域中都能找到它的身影。下面我将从生成正态随机数的基本方法开始，逐步向你介绍MATLAB中有关正态分布的相关知识，以便你能更深入地理解这一主题。

1. 基本方法

MATLAB提供了几种方法来生成正态随机数。最常用的是使用randn函数，该函数可以生成符合标准正态分布（均值为0，标准差为1）的随机数。要生成100个符合标准正态分布的随机数，可以使用下面的代码：

```matlab

data = randn(1, 100);

```

这将生成一个1x100的向量，其中包含了100个符合标准正态分布的随机数。

2. 自定义均值和标准差

如果你需要生成均值和标准差不为1的正态随机数，可以使用一些其他的函数。使用normrnd函数可以生成符合指定均值和标准差的正态随机数。以下是一个示例：

```matlab mu = 10; % 均值

sigma = 2; % 标准差

data = normrnd(mu, sigma, 1, 100);

```

这将生成一个1x100的向量，其中包含了100个均值为10、标准差为2的正态随机数。

3. 应用举例

正态随机数在实际应用中有着广泛的用途。比如在财务领域，可以使用正态随机数来模拟股票价格的波动；在工程领域，可以使用正态随机数来模拟材料的强度分布。生成正态随机数是很多模拟实验和统计分析的基础，掌握了这项技能对于进行科学研究和工程设计有着重要的意义。

4. 个人观点和理解

在我看来，生成正态随机数虽然在MATLAB中可以很方便地实现，但在实际应用中需要注意一些问题。比如生成的随机数是否符合所需的分布特性、样本大小是否足够大等，都需要认真考虑。对正态分布的理解和应用也需要结合具体的领域知识来进行，不能仅仅停留在生成随机数的层面。

matlab 瑞利分布函数

matlab 瑞利分布函数

MATLAB瑞利分布函数

1. 简介

瑞利分布是一种概率分布函数，常用于描述随机变量的幅度。它在无线通信、雷达、气象学等领域有广泛的应用。在MATLAB中，可以使用瑞利分布函数来生成符合瑞利分布的随机数，进行各种统计分析和模拟实验。

2. 瑞利分布函数的定义

瑞利分布函数（Rayleigh distribution function）是一种连续概率分布函数，其概率密度函数为：

其中，σ是尺度参数，x ≥ 0。

3. 瑞利分布函数的特性

瑞利分布函数具有以下特性：

3.1 单峰性

瑞利分布函数是一种单峰分布，即概率密度函数在一个点上取得最大值，然后逐渐减小。

3.2 正偏性

瑞利分布函数具有正偏性，即右侧的尾部较长。

3.3 方差和标准差

瑞利分布函数的方差和标准差分别为：

4. MATLAB中的瑞利分布函数

在MATLAB中，可以使用raylrnd函数生成符合瑞利分布的随机数。该函数的语法如下：

R = raylrnd(sigma, [m, n])

其中，sigma是尺度参数，m和n分别是生成随机数的矩阵的行数和列数。

下面是一个简单的例子，演示如何使用raylrnd函数生成符合瑞利分布的随机数：

sigma = 1;

R = raylrnd(sigma, [1000, 1]);

histogram(R, 'Normalization', 'pdf'); 上述代码中，我们生成了1000个符合瑞利分布的随机数，并使用直方图展示其概率密度函数。

5. 瑞利分布函数的应用

瑞利分布函数在无线通信、雷达、气象学等领域有广泛的应用。以下是一些常见的应用场景：

5.1 无线通信

在无线通信系统中，信号经过传播路径时会受到多径效应的影响，导致信号幅度的变化。瑞利分布函数可以用来描述多径衰落信道中的信号幅度分布，从而对系统的性能进行分析和优化。

5.2 雷达

雷达系统中，接收到的信号通常包含了目标反射的信号以及噪声。瑞利分布函数可以用来描述目标信号的幅度分布，从而帮助雷达系统进行目标检测和跟踪。

matlab中0-1的随机数

matlab中0-1的随机数

在matlab中生成0-1之间的随机数是一种常见的操作，可以通过内置的随机数生成函数来实现。生成0-1之间的随机数在模拟实验、统计分析、机器学习等方面具有重要的应用，因此掌握在matlab中生成0-1随机数的方法对于数据科学和工程领域的研究人员来说是非常重要的。

1. 使用rand函数生成均匀分布的随机数

在matlab中可以使用rand函数来生成均匀分布的随机数，其语法为：

```matlab

r = rand(m, n)

```

其中 m 和 n 分别表示生成随机数的维度，m 表示行数，n 表示列数。rand函数生成的随机数范围在0-1之间，且满足均匀分布。

2. 使用randn函数生成正态分布的随机数

除了生成均匀分布的随机数外，matlab还可以使用randn函数来生成正态分布的随机数，其语法为：

```matlab

r = randn(m, n)

```

其中 m 和 n 同样表示生成随机数的维度，randn函数生成的随机数满足标准正态分布，即均值为0，方差为1。

3. 控制随机数的种子

在生成随机数时，可以通过控制随机数的种子来保证生成的随机数是可重复的。在matlab中可以使用rng函数来控制随机数的种子，其语法为：

```matlab

rng(seed)

```

其中 seed 表示随机数的种子，通过设置相同的种子可以确保每次生成的随机数是一样的。

在matlab中生成0-1之间的随机数有多种方法，包括使用rand函数生成均匀分布的随机数，使用randn函数生成正态分布的随机数，以及通过控制随机数的种子来保证随机数的可重复性。这些方法为研究人员在数据分析和模拟实验中提供了便利，对于提高工作效率和保证实验结果的可靠性具有重要意义。在实际应用中，生成0-1之间的随机数通常用于模拟实验、统计分析、概率建模、机器学习算法等领域。通过生成符合特定分布的随机数，可以更好地模拟实际场景，并进行有效的数据分析与处理。在matlab中，生成0-1之间的随机数的应用十分广泛，具有很高的实用价值。