-
matlab
产生随机数
Matlab()
随机数生成方法：
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
:
(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
第二种方法是针对特殊的分布的语句：
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）
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
(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
)
(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
).
二．
Beta
分布随机数
R =
betarnd(A,B)
（生成参数为
A,B
的
Beta
随机数）
R =
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）
.
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）
R =
normrnd(MU
，
SIGMA,m,n)
（生成
m
行
n
列的
m
×
n
个正态随机数）
例如
(1) R =
normrnd(0,1,[1 5])
生成
5
个正态
(0,1)
随机数
(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．
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)
例如
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．
(10,
10 60
五．自由度为
V
的
χ
2
随机数：
R =
chi2rnd(V)
R =
chi2rnd(V
R =
chi2rnd(V
,m) ,m,n)
六．期望为
MU
的指数随机数（即
Exp
随机数）：
1
MU
R = exprnd(MU)
R = exprnd(MU,m)
R = exprnd(MU,m,n)
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 = gamrn
d
（
A,lambda
）
R =
gamrnd
（
A,lambda,m)
R =
gamrnd
（
A,lambda,m,n)
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)
十．对数正态分布随机数
R
= lognrnd(MU
，
SIGMA)
R =
lognrnd(MU
，
SIGMA,m)
R =
lognrnd(MU
，
SIGMA,m,n)
十一．负二项随机数：
-
-
-
-
-
-
-
-
-
上一篇：随机响应分析
下一篇：(完整版)三个遗传算法matlab程序实例