matlab随机数生成(全部函数)
MATLAB产生各种分布的随机数
M A T L A B产生各种分布的随机数The final revision was on November 23, 2020MATLAB产生各种分布的随机数1，均匀分布U（a,b）：产生m*n阶［a，b］均匀分布U（a，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U（0,1）产生m*n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：rand4，二类分布binornd(N,P,mm,nn)如binornd(10,,mm,nn)即产生mm*nn均值为N*P的矩阵binornd(N,p)则产生一个。
而binornd(10,,mm)则产生mm*mm的方阵，军阵为N*p。
5，产生m*n阶离散均匀分布的随机数矩阵：unidrnd(N,mm,nn)产生一个数值在1-N区间的mm*nn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=norminv(P,mu,sigma) 正态逆累积分布函数expinv X=expinv(P,mu) 指数逆累积分布函数weibinv X=weibinv(P,A,B) 威布尔逆累积分布函数logninv X=logninv(P,mu,sigma) 对数正态逆累积分布函数Chi2inv X=chi2inv(P,A,B) 卡方逆累积分布函数Betainv X=betainv(P,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 = binornd(N,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 = binornd(N,P,m) %m指定随机数的个数，与R同维数。
Matlab生成随机数
MATLAB统计工具箱中的randsample和randsrc函数 用来生成指定离散分布随机数
2020/6/15
© 谢中华, 天津科技大学数学系.
生成随机数
【例 4.1-7】 设离散总体 X 的分布列为
X 2 1 0 1 2 p 0.05 0.2 0.5 0.2 0.05
分别调用 randsample 和 randsrc 函数生成 100 个服从该分 布的随机数。
2020/6/15
© 谢中华, 天津科技大学数学系.
四、任意一元分布随机数
1. 离散分布随机数
生成随机数
X x1 x2 L xn . p p1 p2 L pn
定理 4-1 设一元随机变量 X 的分布函数为 F(x) ，
令 Y F(x) ，则 Y 服从 [0, 1] 上的均匀分布，记为
Y ~ U (0, 1) .
获取默认随机数流
setDefaultStream
设置默认随机数流
reset
重置一个流到它的初始内部状态
rand
生成均匀分布伪随机数
randn
生成标准正态分布伪随机数
randi
生成离散均匀分布伪随机整数
randperm
生成一个随机排列
2020/6/15
© 谢中华, 天津科技大学数学系.
2. RandStream函数的调用方法
2020/6/15
© 谢中华, 天津科技大学数学系.
生成随机数
【例4.1-5】调用random函数生成10000×1的二项分布随机数向 量，然后作出频率直方图。其中二项分布的参数为 n=10，p=0.3
% 调用random函数生成10000行1列的随机数向量x，其元素服从二项分布
matlab中随机函数
matlab中随机函数Matlab中随机函数Matlab中的随机函数是一种非常有用的工具，它可以帮助我们生成随机数、随机矩阵、随机向量等。
在Matlab中，有多种不同的随机函数可供使用，包括rand、randn、randi等。
下面我们将详细介绍这些函数的用法和特点。
1. rand函数rand函数是Matlab中最常用的随机函数之一，它可以生成一个0到1之间的随机数。
使用方法如下：rand() % 生成一个0到1之间的随机数rand(3) % 生成一个3x3的随机矩阵rand(2,3) % 生成一个2x3的随机矩阵rand(1,5) % 生成一个1x5的随机向量2. randn函数randn函数是Matlab中另一个常用的随机函数，它可以生成一个符合正态分布的随机数。
使用方法如下：randn() % 生成一个符合正态分布的随机数randn(3) % 生成一个3x3的符合正态分布的随机矩阵randn(2,3) % 生成一个2x3的符合正态分布的随机矩阵randn(1,5) % 生成一个1x5的符合正态分布的随机向量3. randi函数randi函数可以生成一个指定范围内的随机整数。
使用方法如下：randi(10) % 生成一个1到10之间的随机整数randi([1,10],3) % 生成一个3x3的1到10之间的随机整数矩阵randi([1,10],2,3) % 生成一个2x3的1到10之间的随机整数矩阵randi([1,10],1,5) % 生成一个1x5的1到10之间的随机整数向量除了上述三种常用的随机函数外，Matlab中还有其他一些随机函数，如：- randperm函数：生成一个随机排列的向量- randstream函数：生成一个随机数流- randseed函数：设置随机数种子总之，Matlab中的随机函数非常强大，可以帮助我们快速生成各种随机数、随机矩阵和随机向量，为我们的科学计算和数据分析提供了很大的便利。
MATLAB产生各种分布随机数
MATLAB产生各种分布的随机数1，均匀分布U（a,b）：产生m*n阶［a，b］均匀分布U（a，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U（0,1）产生m*n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：rand4，二类分布binornd(N,P,mm,nn) 如binornd(10,0.5,mm,nn)即产生mm*nn均值为N*P的矩阵binornd(N,p)则产生一个。
而binornd(10,0.5,mm)则产生mm*mm的方阵，军阵为N*p。
5，产生m*n阶离散均匀分布的随机数矩阵：unidrnd(N,mm,nn)产生一个数值在1-N区间的mm*nn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=norminv(P,mu,sigma) 正态逆累积分布函数expinv X=expinv(P,mu) 指数逆累积分布函数weibinv X=weibinv(P,A,B) 威布尔逆累积分布函数logninv X=logninv(P,mu,sigma) 对数正态逆累积分布函数Chi2inv X=chi2inv(P,A,B) 卡方逆累积分布函数Betainv X=betainv(P,A,B) β分布逆累积分布函数4.1 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 = binornd(N,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 = binornd(N,P,m) %m指定随机数的个数，与R同维数。
R = binornd(N,P,m,n) %m,n分别表示R的行数和列数例4-1>> R=binornd(10,0.5)R =3>> R=binornd(10,0.5,1,6)R =8 1 3 7 6 4>> R=binornd(10,0.5,[1,10])R =6 8 4 67 5 3 5 6 2>> R=binornd(10,0.5,[2,3])R =7 5 86 5 6>>n = 10:10:60。
matlab随机数生成方法
R = chi2rnd(V)
R = chi2rnd(V
,m)
R = chi2rnd(V ,m,n)
六．期望为 MU 的指数随机数（即 Exp
1
MU
R = exprnd(MU)
R = exprnd(MU,m)
随机数）： 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)
如果你安装了统计工具箱（Statistic Toolbox)，除了这两种基本分布外，还可以用 Matlab 部 函数生成符合下面这些分布的随机数。 3．unifrnd() 和 rand()类似，这个函数生成某个区间均匀分布的随机数。基本语法 unifrnd(a,b,[M,N,P,...]) 生成的随机数区间在(a,b)，排列成 M*N*P... 多维向量。如果只写 M，则生成 M*M 矩阵； 如果参数为[M,N]可以省略掉方括号。一些例子： unifrnd(-2,3,5,1) %生成 5 个随机数排列的列向量，一般用这种格式 unifrnd(-2,3,5) %生成 5 行 5 列的随机数矩阵 unifrnd(-2,3,[5,4]) %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都在(-2,3)区间. 生成的随机数大致的分布。
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).
matlab0到1随机数的生成
matlab0到1随机数的生成
在MATLAB中，你可以使用rand函数来生成0到1之间的随机数。
该函数返回一个或多个均匀分布的随机数，范围在0到1之间（不包括1）。
例如，要生成一个0到1之间的随机数，你可以简
单地使用以下命令：
x = rand;
这将生成一个0到1之间的随机数，并将其赋值给变量x。
如
果你想要生成一个包含多个随机数的向量，你可以指定一个行数和
列数作为rand函数的输入参数。
例如：
x = rand(3, 2);
这将生成一个3行2列的矩阵，其中的元素都是0到1之间的
随机数。
如果你想要生成整数而不是小数，你可以使用randi函数，例如：
x = randi([0, 1]);
这将生成一个0或1的随机整数，并将其赋值给变量x。
希望这些信息对你有所帮助！。
matlab中随机数
matlab中随机数在MATLAB中，可以使用随机数函数来生成随机数。
MATLAB提供了多个用于生成不同类型随机数的函数，包括均匀分布随机数、正态分布随机数、泊松分布随机数等。
下面我将从不同角度介绍几种常用的随机数函数。
1. rand函数，该函数可以生成0到1之间的均匀分布随机数。
例如，rand(3,2)将生成一个3行2列的矩阵，其中的元素是0到1之间的随机数。
2. randn函数，该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。
例如，randn(3,2)将生成一个3行2列的矩阵，其中的元素是符合标准正态分布的随机数。
3. randi函数，该函数可以生成指定范围内的整数随机数。
例如，randi([1, 10], 3, 2)将生成一个3行2列的矩阵，其中的元素是1到10之间的随机整数。
4. randperm函数，该函数可以生成指定范围内的随机排列。
例如，randperm(10)将生成1到10的随机排列。
除了以上几个常用的随机数函数外，MATLAB还提供了其他一些函数来生成不同类型的随机数，如：exprnd函数，生成指数分布的随机数。
poissrnd函数，生成泊松分布的随机数。
binornd函数，生成二项分布的随机数。
normrnd函数，生成指定均值和方差的正态分布随机数。
此外，你还可以通过设置随机数种子来控制随机数的生成。
使用rng函数可以设置随机数种子，例如rng(123)将设置种子为123。
总结起来，MATLAB提供了丰富的随机数函数，可以根据需要生成不同类型的随机数。
以上是我从多个角度对MATLAB中的随机数进行了介绍，希望能够满足你的需求。
2016-2017年matlab生成随机数函数（总结）
matlab生成随机数函数1. MA TLAB 函数 rand产生在区间 (0, 1)的均匀随机数，它是平均分布在 (0,1)之间。
一个称为seed的值则是用来控制产生随机数的次数。
均匀随机数函数的语法为rand(n),rand(m,n)，其结果分别产生一矩阵含n×n个随机数和一矩阵含m×n的随机数。
注意每次产生随机数的值都不会一样，这些值代表的是随机且不可预期的，这正是我们用随机数的目的。
我们可利用这些随机数代入算式中，来表示某段讯号的不规则振幅或是某个事件出现的机率。
均匀随机数其值平均的分布于一区间的特性可以从其统计密度函数(probabilitydensity function, PDF)说明。
从其PDF分布类似长条图的分布，可以看出其每一个随机数值出现的机率皆相同，所以它被称为均匀随机数。
见以下的例子：>> rand(1,6) % 第一次使用随机数产生器ans =0.2190 0.0470 0.6789 0.6793 0.9347 0.3835>>hist(ans) % 看看长条图的长相>>plot(ans) % 比较上个图与这个图有何差异？何者能代表不规则数据的分布>> rand(1,6) % 第二次使用随机数产生器，注意每次产生的随机数值皆不同ans =0.5194 0.8310 0.0346 0.0535 0.5297 0.6711因为每次随机数产生的值皆不同，如果因为验证算式需要确定所使用的随机数值是相同的，可以利用seed这个选项，用以设定使用计算随机数产生器的起始值，其语法为rand('seed',n)，n的规定是。
其中n=0有特别意义是使用第一次产生随机数值的起始值(=931316785)，其它的n值即是所使用起始值。
如果使用相同的起始值，则随机数值会一样，因为随机数的计算是依据起始值。
请看以下的例子：>> rand('seed',0) % 将随机数值的起始值重设，相当于是第一次产生随机数值>>rand('seed') % 显示现在使用的 seed 值=931316785ans =931316785>> rand(2,3) % 注意随机数值的上下限介于 [0,1] 区间ans =0.2190 0.6789 0.93470.0470 0.6793 0.3835>> rand('seed') % 显示再产生随机数值所用的seed=412659990ans =412659990>> rand('seed',0)>> rand(1,6)ans =0.2190 0.0470 0.6789 0.6793 0.9347 0.3835>> rand('seed',100) % 设定随机数值的起始值=100>> rand('seed')ans =100>> rand(2,5)ans =0.2909 0.0395 0.3671 0.5968 0.92530.0484 0.5046 0.9235 0.8085 0.3628如果需要产生随机数值不是介于[0,1]区间，可以采用以下步骤将随机数值从[0,1]区间转换到其它区间。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
matlab 全部的随机数函数（一）Matlab内部函数a.基本随机数Matlab中有两个最基本生成随机数的函数。
1．rand()生成（0,1）区间上均匀分布的随机变量。
基本语法：rand([M,N,P ...])生成排列成M*N*P... 多维向量的随机数。
如果只写M，则生成M*M矩阵；如果参数为[M,N]可以省略掉方括号。
一些例子：rand(5,1) %生成5个随机数排列的列向量，一般用这种格式rand(5) %生成5行5列的随机数矩阵rand([5,4]) %生成一个5行4列的随机数矩阵生成的随机数大致的分布。
x=rand(100000,1);hist(x,30);由此可以看到生成的随机数很符合均匀分布。
(视频教程会略提及hist()函数的作用) 2．randn()生成服从标准正态分布（均值为0，方差为1）的随机数。
基本语法和rand()类似。
randn([M,N,P ...])生成排列成M*N*P... 多维向量的随机数。
如果只写M，则生成M*M矩阵；如果参数为[M,N]可以省略掉方括号。
一些例子：randn(5,1) %生成5个随机数排列的列向量，一般用这种格式randn(5) %生成5行5列的随机数矩阵randn([5,4]) %生成一个5行4列的随机数矩阵生成的随机数大致的分布。
x=randn(100000,1);hist(x,50);由图可以看到生成的随机数很符合标准正态分布。
b.连续型分布随机数如果你安装了统计工具箱（Statistic Toolbox)，除了这两种基本分布外，还可以用Matlab内部函数生成符合下面这些分布的随机数。
3．unifrnd()和rand()类似，这个函数生成某个区间内均匀分布的随机数。
基本语法unifrnd(a,b,[M,N,P,...])生成的随机数区间在(a,b)内，排列成M*N*P... 多维向量。
如果只写M，则生成M*M矩阵；如果参数为[M,N]可以省略掉方括号。
一些例子：unifrnd(-2,3,5,1) %生成5个随机数排列的列向量，一般用这种格式unifrnd(-2,3,5) %生成5行5列的随机数矩阵unifrnd(-2,3,[5,4]) %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都在(-2,3)区间内.生成的随机数大致的分布。
x=unifrnd(-2,3,100000,1);hist(x,50);由图可以看到生成的随机数很符合区间(-2,3)上面的均匀分布。
4．normrnd()和randn()类似，此函数生成指定均值、标准差的正态分布的随机数。
基本语法normrnd(mu,sigma,[M,N,P,...])生成的随机数服从均值为mu，标准差为sigma（注意标准差是正数）正态分布，这些随机数排列成M*N*P... 多维向量。
如果只写M，则生成M*M矩阵；如果参数为[M,N]可以省略掉方括号。
一些例子：normrnd(2,3,5,1) %生成5个随机数排列的列向量，一般用这种格式normrnd(2,3,5) %生成5行5列的随机数矩阵normrnd(2,3,[5,4]) %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正态分布都是均值为2，标准差为3.生成的随机数大致的分布。
x=normrnd(2,3,100000,1);hist(x,50);5．chi2rnd()此函数生成服从卡方（Chi-square)分布的随机数。
卡方分布只有一个参数：自由度v。
基本语法chi2rnd(v,[M,N,P,...])生成的随机数服从自由度为v的卡方分布，这些随机数排列成M*N*P... 多维向量。
如果只写M，则生成M*M矩阵；如果参数为[M,N]可以省略掉方括号。
一些例子：chi2rnd(5,5,1) %生成5个随机数排列的列向量，一般用这种格式chi2rnd(5,5) %生成5行5列的随机数矩阵chi2rnd(5,[5,4]) %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卡方分布的自由度都是5生成的随机数大致的分布。
x=chi2rnd(5,100000,1);hist(x,50);6．frnd()此函数生成服从F分布的随机数。
F分布有2个参数：v1, v2。
基本语法frnd(v1,v2,[M,N,P,...])生成的随机数服从参数为(v1,v2)的卡方分布，这些随机数排列成M*N*P... 多维向量。
如果只写M，则生成M*M矩阵；如果参数为[M,N]可以省略掉方括号。
一些例子：frnd(3,5,5,1) %生成5个随机数排列的列向量，一般用这种格式frnd(3,5,5) %生成5行5列的随机数矩阵frnd(3,5,[5,4]) %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(v1=3,v2=5)的F分布生成的随机数大致的分布。
x=frnd(3,5,100000,1);hist(x,50);从结果可以看出来，F分布集中在x正半轴的左侧，但是它在极端值处也很可能有一些取值。
7．trnd()此函数生成服从t(Student's t Distribution，这里Student不是学生的意思，而是Cosset.W.S.的笔名)分布的随机数。
t分布有1个参数：自由度v。
基本语法trnd(v,[M,N,P,...])生成的随机数服从参数为v的t分布，这些随机数排列成M*N*P... 多维向量。
如果只写M，则生成M*M矩阵；如果参数为[M,N]可以省略掉方括号。
一些例子：trnd(7,5,1) %生成5个随机数排列的列向量，一般用这种格式trnd(7,5) %生成5行5列的随机数矩阵trnd(7,[5,4]) %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(v=7)的t分布生成的随机数大致的分布。
x=trnd(7,100000,1);hist(x,50);可以发现t分布比标准正太分布要“瘦”，不过随着自由度v的增大，t分布会逐渐变胖，当自由度为正无穷时，它就变成标准正态分布了。
接下来的分布相对没有这么常用，同时这些函数的语法和前面函数语法相同，所以写得就简略一些——在视频中也不会讲述，你只需按照前面那几个分布的语法套用即可，应该不会有任何困难——时间足够的话这是一个不错的练习机会。
8．betarnd()此函数生成服从Beta分布的随机数。
Beta分布有两个参数分别是A和B。
下图是A=2,B=5 的beta分布的PDF图形。
生成beta分布随机数的语法是：betarnd(A,B,[M,N,P,...])9．exprnd()此函数生成服从指数分布的随机数。
指数分布只有一个参数: mu, 下图是mu=3时指数分布的PDF图形生成指数分布随机数的语法是：betarnd(mu,[M,N,P,...])10．gamrnd()生成服从Gamma分布的随机数。
Gamma分布有两个参数：A和B。
生成Gamma分布随机数的语法是：gamrnd(A,B,[M,N,P,...])11．lognrnd()生成服从对数正态分布的随机数。
其有两个参数：mu和sigma，服从这个这样的随机数取对数后就服从均值为mu，标准差为sigma的正态分布。
下图是mu=-1, sigma=1/1.2的对数正态分布的PDF图形。
生成对数正态分布随机数的语法是：lognrnd(mu,sigma,[M,N,P,...])12．raylrnd()生成服从瑞利（Rayleigh）分布的随机数。
其分布有1个参数：B。
下图是B=2的瑞利分布的PDF图形。
生成瑞利分布随机数的语法是：raylrnd(B,[M,N,P,...])13．wblrnd()生成服从威布尔（Weibull）分布的随机数。
其分布有2个参数：scale 参数A和shape 参数B。
下图是A=3，B=2的Weibull分布的PDF图形。
生成Weibull分布随机数的语法是：wblrnd(A,B,[M,N,P,...])还有非中心卡方分布(ncx2rnd)，非中心F分布(ncfrnd)，非中心t分布（nctrnd)，括号中是生成服从这些分布的函数，具体用法用：help 函数名查找。
c.离散型分布随机数离散分布的随机数可能的取值是离散的，一般是整数。
14．unidrnd()此函数生成服从离散均匀分布的随机数。
Unifrnd是在某个区间内均匀选取实数（可为小数或整数），Unidrnd是均匀选取整数随机数。
离散均匀分布随机数有1个参数：n, 表示从{1, 2, 3, ... N}这n个整数中以相同的概率抽样。
基本语法：unidrnd(n,[M,N,P,...])这些随机数排列成M*N*P... 多维向量。
如果只写M，则生成M*M矩阵；如果参数为[M,N]可以省略掉方括号。
一些例子：unidrnd(5,5,1) %生成5个随机数排列的列向量，一般用这种格式unidrnd(5,5) %生成5行5列的随机数矩阵unidrnd(5,[5,4]) %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(10,0.3)的二项分布生成的随机数大致的分布。
x=unidrnd(9,100000,1);hist(x,9);可见，每个整数的取值可能性基本相同。
15．binornd()此函数生成服从二项分布的随机数。
二项分布有2个参数：n,p。
考虑一个打靶的例子，每枪命中率为p，共射击N枪，那么一共击中的次数就服从参数为（N,p）的二项分布。
注意p要小于等于1且非负，N要为整数。
基本语法：binornd(n,p,[M,N,P,...])生成的随机数服从参数为(N,p)的二项分布，这些随机数排列成M*N*P... 多维向量。
如果只写M，则生成M*M矩阵；如果参数为[M,N]可以省略掉方括号。
一些例子：binornd(10,0.3,5,1) %生成5个随机数排列的列向量，一般用这种格式binornd(10,0.3,5) %生成5行5列的随机数矩阵binornd(10,0.3,[5,4]) %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(10,0.3)的二项分布生成的随机数大致的分布。
x=binornd(10,0.45,100000,1);hist(x,11);我们可以将此直方图解释为，假设每枪射击命中率为0.45，每论射击10次，共进行10万轮，这个图就表示这10万轮每轮命中成绩可能的一种情况。
16．geornd()此函数生成服从几何分布的随机数。
几何分布的参数只有一个：p。
几何分布的现实意义可以解释为，打靶命中率为p，不断地打靶，直到第一次命中目标时没有击中次数之和。
注意p是概率，所以要小于等于1且非负。