Matlab中random函数的使用

Matlab中random函数的使用原文随机数生成方法: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…

大家好,又见面了,我是你们的朋友全栈君。原文

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 = gamrnd(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:
   R = nbinrnd(r,p)   R = nbinrnd(r,p,m)   R = nbinrnd(r,p,m,n)


十二.Poisson 随机数:
   R = poissrnd(lambda)   R = poissrnd(lambda,m)  R = poissrnd(lambda,m,n)
    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)))


十三.Rayleigh 随机数:
   R = raylrnd(B)    R = raylrnd(B,m)   R = raylrnd(B,m,n)


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)


                                              42
十五.离散的均匀随机数:
R = unidrnd(N)   R = unidrnd(N,m)  R = unidrnd(N,m,n)


十六.[A,B] 上均匀随机数
R = unifrnd(A,B)   R = unifrnd(A,B,m)  R = unifrnd(A,B,m,n)
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.:


十七.Weibull 随机数
R = weibrnd(A,B)   R = weibrnd(A,B,m)  R = weibrnd(A,B,m,n)

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:http://www.javaforall.cn/135285.html原文链接:http://www.javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • FilterDispatcher已被标注为过时解决办法 >>> FilterDispatcher <<< is deprecated!

    FilterDispatcher已被标注为过时解决办法 >>> FilterDispatcher <<< is deprecated!一些struts2的教程都是比较早的,当我们基于较新版本的struts2来实现代码的时候,往往会出现一些问题.比如这个警告:FilterDispatcherisdeprecated!在web.xml中的配置如下:<filter><filter-name>struts2</filter-name><…

  • 苹果手机录屏软件_4款手机录屏软件推荐,你觉得哪款更好用?

    苹果手机录屏软件_4款手机录屏软件推荐,你觉得哪款更好用?随着智能与科技的迅速发展,现在国内外基本上用户都用上了手机。据相关数据统计,在2016年的时候,全球的手机用户量已经超过了26亿人次。在2020年之后,全球手机的用户量预计将超过36亿。而如此大的用户群体下面,手机的作用也不仅限于通讯,更多的是追剧娱乐。所以,录屏的需求也就比较多了。那么,手机录屏软件哪个好呢?小编认为:简单、好用是关键!所以今天这期就给大家推荐一波录屏软件!↓↓一、简单类手机录屏…

  • deepfakes怎么用_如何使用 Deepfakes 换脸

    deepfakes怎么用_如何使用 Deepfakes 换脸如何使用Deepfakes换脸1.获取deepfakes工具包gitclonehttps://github.com/deepfakes/faceswap.git2.补齐依赖包:pipinstalltqdmpipinstallcv2pipinstallopencv-contrib-pythonpipinstalldlibpipinstallkeraspipinstall…

  • Java中XML运用总结

    Java中XML运用总结XML 简介:可扩展标记语言(eXtensibleMarkupLanguage)。特性:1.xml具有平台无关性,是一门独立的标记语言.2.xml具有自我描述性为什么学习XML?1.网络数据传输.2.数据存储3.配置文件XML文件.XML文件是保存XML数据的一种方式XML数据也可以以其他的方式存在(如在内存中构建XML数据)。不要将XML语言狭隘的理解成XML文件。XML语法格式1.XML文档声明<?xmlversio..

  • Pytorch实现基于卷积神经网络的面部表情识别(详细步骤)「建议收藏」

    Pytorch实现基于卷积神经网络的面部表情识别(详细步骤)「建议收藏」文章目录一、项目背景二、数据处理1、标签与特征分离2、数据可视化3、训练集和测试集三、模型搭建四、模型训练特征五、完整代码一、项目背景数据集cnn_train.csv包含人类面部表情的图片的label和feature。在这里,面部表情识别相当于一个分类问题,共有7个类别。其中label包括7种类型表情:一共有28709个label,说明包含了28709张表情包嘿嘿。每一行就是一张表情包4848=2304个像素,相当于4848个灰度值(intensity)(0为黑,255为白)二、数据处理

  • TLSF算法分析

    TLSF算法分析注:本文的大部分内容摘录自论文《TLSF:aNewDynamicMemoryAllocatorforReal-TimeSystems》,可以通过“科学上网”访问如下链接阅读原文:http://www.gii.upv.es/tlsf/files/ecrts04_tlsf.pdf。什么是TLSFTLSF是TwoLevelSegregatedFitmemoryal

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号