MATLAB的简单随机生成函数

关于MATLAB的随机函数:

MATLAB含有一些生成随机数的函数:

一、rand ():生成(0,1)区间上均匀分布的随机变量

rand(5,1) %生成随机数排列的列向量。

rand(5)%生成5行5列的随机矩阵。

rand(5,2)%生成5行2列的随机矩阵。

x=rand(10000,1);

hist(x);%绘图,生成随机数的分布

二、randn ():生成(0,1)区间上正态分布的随机变量

randn(5,1)%生成随机数排列的列向量

randn(5)%生成5行5列的随机矩阵。

randn(5,2)%生成5行2列的随机矩阵。

x=randn(10000,1);

hist(x);%绘图,生成随机数的分布

三、连续型分布随机函数

unifrnd ():生成某个区间上均匀分布的随机变量

unifrnd(-2,3,5,1)%在(-2,3)区间内生成一列随机变量

unifrnd(-2,3,5)%在(-2,3)区间内生成5行5列的随机变量

unifrnd(-2,3,5,2)%在(-2,3)区间内生成5行2列的随机变量

x=unifrnd(-2,3,100000,1);

hist(x,50)%绘图,生成随机数的分布

normrnd ():生成指定均值,标准差的正态分布的随机变量

normrnd(2,3,5,1)%生成指定均值为2,标准差为3的正态分布的5行1列随机变量

normrnd(2,3,5)%生成指定均值为2,标准差为3的正态分布的5行5列的随机变量

normrnd(2,3,5,2)%生成指定均值为2,标准差为3的正态分布的5行2列的随机变量

x=unifrnd(-2,3,100000,1);

hist(x,50)%绘图,生成随机数的分布

chi2rnd():生成的随机数服从自由度为v的卡方分布

chi2rnd(5,5,1)%生成服从自由度为5的卡方分布的5行1列随机变量

chi2rnd(5,5)%生成服从自由度为5的卡方分布的的5行5列的随机变量

chi2rnd(5,5,2)%生成服从自由度为5的卡方分布的5行2列的随机变量

x=chi2rnd(5,100000,1);

hist(x,50)%绘图,生成随机数的分布

frnd():生成的随机数服从参数为w,v的t分布

frnd(3,5,5,1)%生成服从参数为(3,5)的f分布的5行1列随机变量

frnd(3,5,5)%生成服从参数为(3,5)的f分布的的5行5列的随机变量

frnd(3,5,5,2)%生成服从参数为(3,5)的f分布的5行2列的随机变量

x=frnd(3,5,10000,1);

hist(x,50)%绘图,生成随机数的分布

trnd():生成的随机数服从参数为v的t分布

trnd(5,5,1)%生成服从参数为5的t分布的5行1列随机变量

trnd(5,5)%生成服从参数为5的t分布的的5行5列的随机变量

trnd(5,5,2)%生成服从参数为5的t分布的5行2列的随机变量

x=trnd(5,100000,1);

hist(x,50)%绘图,生成随机数的分布

同理:

betarnd()%生成服从参数为(w,v)的Beta分布的随机数

exprnd() %生成服从参数为mu的指数分布的随机数

gamma()%生成服从参数为(w,v)的Gamma分布的随机数

lognrd()%生成服从参数为(mu,sigma)的对数正态分布的随机数

raylrnd()%生成服从参数为w的瑞利分布的随机数

wblrnd()%生成服从参数为(scale,shape)的对数正态分布的随机数

......

四、离散型分布随机函数

unidrnd()%生成服从离散均匀分布的随机数

unidrnd(5,5,1) %生成一列随机变量

unidrnd(5,5) %生成5行5列的随机变量

unidrnd(5,5,2) %生成5行2列的随机变量

x=unidrnd(9,100000,1);

hist(x,9) %绘图,生成随机数的分布

binornd() %生成的随机数服从参数为(N,p)的二项分布

binornd(10,0.3,5,1)%生成5个随机数排列的列向量

%注:上述语句生成的随机数所服从的参数为(10,0.3)的二项分布 

binornd(10,0.3,5) %生成5行5列的随机数矩阵 

%注:上述语句生成的随机数所服从的参数为(10,0.3)的二项分布 

binornd(10,0.3,[5,2])%生成一个5行2列的随机数矩阵

%注:上述语句生成的随机数所服从的参数为(10,0.3)的二项分布 

x=binornd(10,0.45,100000,1);

hist(x,11);%绘图,生成随机数的分布

geornd()%此函数生成服从几何分布的随机数。

geornd(0.4,5,1) %生成5个随机数排列的列向量

%注:上述语句生成的随机数所服从的参数为(0.4)的二项分布

geornd(0.4,5) %生成5行5列的随机数矩阵 

%注:上述语句生成的随机数所服从的参数为(0.4)的二项分布

geornd(0.4,[5,2]) %生成一个5行2列的随机数矩阵

%注:上述语句生成的随机数所服从的参数为(0.4)的二项分布

 x=geornd(0.4,100000,1);

hist(x,50)%绘图,生成随机数的分布

poissrnd() %生成服从泊松(Poisson)分布的随机数

poissrnd(2,5,1) %生成5个随机数排列的列向量

%注:上述语句生成的随机数所服从的参数为(2)的泊松分布

poissrnd(2,5) %生成5行5列的随机数矩阵 

%注:上述语句生成的随机数所服从的参数为(2)的泊松分布

poissrnd(5,[5,2])%生成一个5行4列的随机数矩阵 

%注:上述语句生成的随机数所服从的参数为(2)的泊松分布

x=poissrnd(2,100000,1);

hist(x,50);%绘图,生成随机数的分布

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,240评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,328评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,182评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,121评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,135评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,093评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,013评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,854评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,295评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,513评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,678评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,398评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,989评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,636评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,801评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,657评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,558评论 2 352

推荐阅读更多精彩内容