随机数生成 matlab

### 如何在 MATLAB 中生成随机数

MATLAB 提供了多种方法来生成不同类型的随机数。以下是几种常用的方式：

#### 生成均匀分布的随机数
为了创建服从均匀分布的随机数数组，可以使用 `rand` 函数。此函数返回一个由伪随机浮点数组成的结果，在 (0,1) 区间内均匀分布[^1]。

% 创建一个 3×4 的矩阵，其元素是从标准均匀分布中抽取出来的
A = rand(3, 4);
disp(A);

如果希望得到指定范围内的整数值，则应采用 `randi` 命令。通过设定上下限以及期望输出的数据维度参数，能够方便地获取满足条件的离散型随机变量样本[^2]。

% 在闭区间 [5 , 15] 上产生大小为 2 行 3 列的整数随机数阵列
B = randi([5, 15], 2, 3);
disp(B);

对于正态（高斯）分布而言，有专门设计好的 `randn` 接口可供调用。它会给出均值为零、方差等于一的标准正态分布下的随机数集合。

% 构建一个遵循 N(0,1) 正态分布规律的 2 × 2 方形矩阵 C
C = randn(2, 2);
disp(C);

除了上述基本形式外，还可以利用附加选项来自定义更多特性，比如种子设置以确保可重复性；或是借助其他工具箱中的高级功能实现特定概率密度函数对应的抽样操作等。

相关问题

随机数生成matlab

要在Matlab中生成随机数，你可以使用rand函数。该函数会生成一个介于0和1之间的均匀分布的随机数。你可以通过指定矩阵的大小来生成一个随机数矩阵。

以下是一个示例代码，生成一个3x3的随机数矩阵：

random_matrix = rand(3, 3);
disp(random_matrix);

这将输出一个类似以下的结果：

0.8147    0.9134    0.2785
0.9058    0.6324    0.5469
0.1270    0.0975    0.9575

随机数生成matlab代码

以下是几种常用的Matlab随机数生成算法实现的代码：
1. 用平方取中法产生随机数列

function [r] = square_rand(seed, n)
% seed: 随机数种子
% n: 随机数个数
% r: 随机数列
r = zeros(1, n);
r(1) = seed;
for i = 2:n
    r(i) = mod(r(i-1)^2, 2^32);
end
r = r / 2^32;
end

2. 用混合同余法产生随机数列

function [r] = mixed_rand(seed, n)
% seed: 随机数种子
% n: 随机数个数
% r: 随机数列
a = 65539;
m = 2^31;
c = 0;
r = zeros(1, n);
r(1) = seed;
for i = 2:n
    r(i) = mod(a*r(i-1)+c, m);
end
r = r / m;
end

3. 用乘同余法1产生随机数列

function [r] = multiply_rand1(seed, n)
% seed: 随机数种子
% n: 随机数个数
% r: 随机数列
a = 16807;
m = 2^31-1;
r = zeros(1, n);
r(1) = seed;
for i = 2:n
    r(i) = mod(a*r(i-1), m);
end
r = r / m;
end

4. 产生柯西分布的随机数列

function [r] = cauchy_rand(n, a, b)
% n: 随机数个数
% a: 柯西分布参数a
% b: 柯西分布参数b
% r: 随机数列
r = tan(pi*(rand(1, n)-0.5));
r = a + b*r;
end

5. 产生正态分布的随机数列

function [r] = normal_rand(n, mu, sigma)
% n: 随机数个数
% mu: 正态分布参数mu
% sigma: 正态分布参数sigma
% r: 随机数列
r = randn(1, n);
r = mu + sigma*r;
end

6. 产生贝努里-高斯分布的随机数列

function [r] = binomial_gaussian_rand(n, p, mu, sigma)
% n: 随机数个数
% p: 贝努里分布参数p
% mu: 高斯分布参数mu
% sigma: 高斯分布参数sigma
% r: 随机数列
r = zeros(1, n);
for i = 1:n
    x = 0;
    for j = 1:100
        if rand() < p
            x = x + 1;
        end
    end
    r(i) = x*mu + sqrt(x)*sigma*randn();
end
end