首先注意：

(1)用計(jì)算機(jī)產(chǎn)生的是“偽隨機(jī)數(shù)”。用投色子計(jì)數(shù)的方法產(chǎn)生真正的隨機(jī)數(shù) , 但電腦若也這樣做 , 將會占用大量內(nèi)存 ;

用噪聲發(fā)生器或放射性物質(zhì)也可產(chǎn)生真正的隨機(jī)數(shù) , 但不可重復(fù) . 而用數(shù)學(xué)方法產(chǎn)生最適合計(jì)算機(jī) , 這就是周期有限 , 易重復(fù)的 ”

偽隨機(jī)數(shù) ”

(2)隨機(jī)數(shù)的產(chǎn)生需要有一個隨機(jī)的種子，因?yàn)橛糜?jì)算機(jī)產(chǎn)生的隨機(jī)數(shù)是通過遞推的方法得來的，必須有一個初始值。

(3)用同一臺電腦，且在初始值和遞推方法相同的情況下，可以產(chǎn)生相同的隨機(jī)序列(由于以前每次使用randn或者rand得到都是不同值，所以曾經(jīng)誤以為相同的seed無法產(chǎn)生相同的序列)

matlab里和隨機(jī)數(shù)有關(guān)的函數(shù)：

(1) rand：產(chǎn)生均值為0.5、幅度在0~1之間的偽隨機(jī)數(shù)

(2) randn：產(chǎn)生均值為0、方差為1的高斯白噪聲

(3) randperm(n):產(chǎn)生1到n的均勻分布隨機(jī)序列

(4) normrnd(a,b,c,d)：產(chǎn)生均值為a、方差為b大小為cXd的隨機(jī)矩陣

還有很多的擴(kuò)展函數(shù)，不再一一列出。不過他們都調(diào)用的是rand或者randn函數(shù)，由此可見在matlab里rand和randn是產(chǎn)生隨機(jī)數(shù)的關(guān)鍵所在。

有了rand和randn就可以產(chǎn)生輕松產(chǎn)生均勻分布和正態(tài)分布的隨機(jī)數(shù)了

(1)產(chǎn)生在[a,b]區(qū)間服從均勻分布隨機(jī)序列的方法

(b-a)*rand(m,n)+a

>> 3*rand(2)+2

ans =

2.8166 2.0458

2.5964 4.2404

(2)產(chǎn)生服從正態(tài)分布的隨機(jī)數(shù)

>> randn('state',2)

>> a=normrnd(0,1,1,6)

a =

1.7491 0.1326 0.3252 -0.7938 0.3149 -0.5273

>> randn('state',2)

>> b=randn(1,6)

b =

1.7491 0.1326 0.3252 -0.7938 0.3149 -0.5273

>> randn('state',2)

>> c=randn(2,3)

c =

1.7491 0.3252 0.3149

0.1326 -0.7938 -0.5273

>> d=randn(2,3)

d=

0.9323 -2.0457 1.7411

1.1647 -0.6444 0.4868

>> mean(a)

ans =

0.2001

--------------------------

>> randn(1,2)

ans =

1.0488 1.4886

>> randn(1,2)

ans =

1.2705 -1.8561

---------------------------

上邊幾個典型的例子可以看出：

(1)如果不設(shè)置種子，那么種子會“隨機(jī)”變化。每次使用randn就會得到不同的結(jié)果(c和d)

(2)種子相同時可以得到相同的結(jié)果，如果是矩陣那么只是將產(chǎn)生的隨機(jī)數(shù)按列重構(gòu)(a、b、c)

(3)randn無法準(zhǔn)確保證均值為0，小樣本的時候尤為明顯。去均值后可以嚴(yán)格保證均值為0，但是個人覺得意義不大。

(4)在不同的計(jì)算里得到的結(jié)果也可能有差別，特別是不同的操作系統(tǒng)。大家可以試一下這個語句

randn('state',2);randn(1,6)看看結(jié)果，我電腦每次都一樣的

總結(jié)

以上是生活随笔為你收集整理的matlab逆变换法产生随机数_matlab 产生随机数的方法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。