matlab中产生随机数的十七种方式

zxcvbvbnmn

第一种方法是用 random 语句，其一般形式为
                     y = random('分布的英文名',A1,A2,A3,m,n)，
表示生成 m 行 n 列的 m × n 个参数为 ( A1 , A2 , A3 ) 的该分布的随机数。例如:
  s' ]9 D  X. `4 Z' {# i7 g(1) R = random('Normal',0,1,2,4): 生成期望为 0,标准差为 1 的(2 行 4 列)2× 4 个正态随机数
(2) R = random('Poisson',1:6,1,6):　 依次生成参数为 1 到 6 的(1 行 6 列)6 个 Poisson 随机数
+ {$ A0 g9 m  F, j% {第二种方法是针对特殊的分布的语句：
& ?8 q# N4 d& V8 m1 y5 w6 j7 K一． 几何分布随机数　 （下面的 P，m 都可以是矩阵）
   R = geornd(P) 　 （生成参数为 P 的几何随机数）
/ g0 H  c+ ]) b. h6 w   R = geornd(P,m)　 （生成参数为 P 的 × m 个几何随机数）
                                     １
   R = geornd(P,m,n)　 （生成参数为 P 的 m 行 n 列的 m × n 个几何随机数）
    例如
& ~/ @3 J2 q. ~) h0 M(1)　 R = geornd(1./ 2.^(1:6)) ( 生成参数依次为 1/2,1/2^2,到 1/2^6 的 6 个几何随机数)
/ i9 Q, N% I/ J$ b' c, K(2)　 R = geornd(0.01,[1 5]) (生成参数为 0.01 的（１行５列）5 个几何随机数).
+ Q+ P% @, u7 |
- b4 ^' Z. N% p0 ]* L二．Beta 分布随机数
R = betarnd(A,B)　 （生成参数为 A,B 的 Beta 随机数）
" i0 ^, F/ k) `+ A# uR = betarnd(A,B,m)　 （生成 × m 个数为 A,B 的 Beta 随机数）
                           １
R = betarnd(A,B,m,n)　 （生成 m 行 n 列的 m × n 个数为 A,B 的 Beta 随机数）.
  {# d7 i  K4 t+ Q* m! t4 w* U, [
* m, p9 {$ U* I- }! e- O4 O4 O三．正态随机数
R = normrnd(MU，SIGMA)　 （生成均值为 MU，标准差为 SIGMA 的正态随机数）
R = normrnd(MU，SIGMA,m)　 （生成 1× m 个正态随机数）
9 h7 U) p" W2 Q" B0 Y8 t3 i                                       
- r. ~! _! j" U' L8 XR = normrnd(MU，SIGMA,m,n) （生成 m 行 n 列的 m × n 个正态随机数）
   例如
, |3 j& ^& ?1 {+ Z. z/ Z8 U(1) R = normrnd(0,1,[1 5]) 　 生成 5 个正态(0,1) 随机数
                                 
+ J1 D2 C3 B) @(2) R = normrnd([1 2 3;4 5 6],0.1,2,3)　 生成期望依次为[1,2,3;4,5,6], 方差为 0.1 的 2× 3 个正态随机数．
* x, W- M) G$ `9 P% a: T
四．二项随机数：类似地有
R = binornd(N,P)　　R = binornd(N,P,m) 　　R = binornd(N,p,m,n)
, N* ]# D  [0 l7 p: z6 @, X1 E   例如
+ E' p! @  k4 ~   n = 10:10:60; 　 r1 = binornd(n,1./n)　 或 r2 = binornd(n,1./n,[1 6]) （都生成参数分别为
   1          1   ), L, ( 60, ) 的６个二项随机数．
7 Q1 m5 [8 z! d  R1 P, o/ G) p(10,
9 f6 P4 u8 C1 c( i4 o/ s) a  \9 S    10          60

五．自由度为 V 的 χ 2 随机数：
R = chi2rnd(V)　 　　R = chi2rnd(V 　　　R = chi2rnd(V
* I3 K9 i, R8 S/ V                                     ,m)             ,m,n)
6 f2 F; E! ?: n) m2 Q# R
$ _+ f/ ]* m0 B* x6 \% W5 @6 l六．期望为 MU 的指数随机数（即 Exp                      随机数）：
5 b9 V) m. K5 B; ^% p                                       1
9 W' c# T7 @6 Q! C$ R: _8 q& J2 c                                       MU
$ q# G  r7 L% sR = exprnd(MU)　　　R = exprnd(MU,m)　　R = exprnd(MU,m,n)

; e6 t, d' K$ m! |& o9 G七．自由度为 V1， v2 的 F 分布随机数：
   R = frnd(V1，V2)　　 R = frnd(V1， V2,m)　　R = frnd(V1，V2,m,n)

八． Γ ( A, λ ) 随机数：
   R = gamrnd（A,lambda）　 R = gamrnd（A,lambda,m)　 R = gamrnd（A,lambda,m,n)
9 J) o8 G# [( ]6 b! y6 a
九．超几何分布随机数：
   R = hygernd(N,K,M)　　　R = hygernd(N,K,M,m)　　R = hygernd(N,K,M,m,n)
. i& b8 O3 |% q% R
/ \( R8 ]5 p4 l2 I6 h2 J十．对数正态分布随机数
$ S2 M( S& ~- w   R = lognrnd(MU，SIGMA)　 R = lognrnd(MU，SIGMA,m)　 R = lognrnd(MU，SIGMA,m,n)
8 Y' l! C0 E4 d2 k) q$ l- N0 r8 R
" O4 w/ q3 Q- F* o十一．负二项随机数：
; e/ W7 J' @" I   R = nbinrnd(r,p)　　　R = nbinrnd(r,p,m)　　　R = nbinrnd(r,p,m,n)
- Y7 H- l* v& J9 K
十二．Poisson 随机数：
   R = poissrnd(lambda) 　　R = poissrnd(lambda,m)　　R = poissrnd(lambda,m,n)
4 d8 m: Z6 ?* P$ r4 x    例如，以下 3 种表达有相同的含义：lambda = 2;　 R = poissrnd(lambda,1,10)
（或 R = poissrnd(lambda,[1 10])　 或 R = poissrnd(lambda(ones(1,10)))
) N. ~$ x2 d: V+ G/ F' D" p
十三．Rayleigh 随机数：
+ ^  A% Q" [$ B# h% D- N+ Y   R = raylrnd(B) 　　　R = raylrnd(B,m)　　　R = raylrnd(B,m,n)
9 Z& e  W, A& S" U8 {; Z2 S
十四．V 个自由度的 t 分布的随机数：
   R = trnd(V) 　　　R = trnd(V,m)　　　R = trnd(V,m,n)
" {5 T/ e' v& b& Q
                                              42
十五．离散的均匀随机数：
+ E, I' d. p2 MR = unidrnd(N) 　　R = unidrnd(N,m)　　R = unidrnd(N,m,n)
. b9 h' a) u4 n  ~7 I) W0 Q* v
9 ]7 g3 s* o' J十六．[A,B] 上均匀随机数
2 @1 E& O- @1 |+ {7 q+ CR = unifrnd(A,B) 　　R = unifrnd(A,B,m)　　R = unifrnd(A,B,m,n)
$ W' R5 l) g1 p例如 unifrnd(0,1:6)与 unifrnd(0,1:6,[1 6]) 都依次生成[0,1] 到[0,6]的６个均匀随机数．:

6 Y" g# |* h+ B; D4 O9 q  S' Y  d十七．Weibull 随机数
R = weibrnd(A,B) 　　R = weibrnd(A,B,m)　　R = weibrnd(A,B,m,n)
% R( i6 v& y2 A4 }$ ?- n5 G* i4 e

nevadaooo

17种方法，学习了

qq666888qqw

很实用的分享

shapeofyou888

棒棒哒

modengxian111

给楼主点赞