случайный

Случайные числа

свернуть все на странице

Синтаксис

R = random('name',A)
R = random('name',A,B)
R = random('name',A,B,C)
R = random('name',A,B,C,D)
R = random(pd)
R = random(___,sz1,...,szN)
R = random(___,[sz1,...,szN])

Описание

пример

R = random('name',A) возвращает случайное число в семейство распределений с одним параметром, заданное 'name' и параметром распределения A.

пример

R = random('name',A,B) возвращает случайное число в семейство распределений 2D параметра, заданное 'name' и параметрами распределения A и B.

R = random('name',A,B,C) возвращает случайное число в семейство распределений с тремя параметрами, заданное 'name' и параметрами распределения A, B и C.

R = random('name',A,B,C,D) возвращает случайное число в семейство распределений с четырьмя параметрами, заданное 'name' и параметрами распределения A, B, C и D.

пример

R = random(pd) возвращает случайное число в объект pd распределения вероятностей.

пример

R = random(___,sz1,...,szN) или R = random(___,[sz1,...,szN]) генерирует sz1 -by-szN массивом случайных чисел от заданного распределения вероятностей с помощью входных параметров от любого из предыдущих синтаксисов.

Примеры

свернуть все

Скрипт Open Live Script

Создайте стандартный объект нормального распределения вероятностей. 

pd = makedist('Normal')
pd = 
  NormalDistribution

  Normal distribution
       mu = 0
    sigma = 1

Сгенерируйте одно случайное число от распределения. 

rng('default') % For reproducibility
r1 = random(pd)
r1 = 0.5377

Также можно сгенерировать стандартное нормальное случайное число путем определения его имени и параметров.

r2 = random('Normal',0,1)
r2 = 1.8339
Скрипт Open Live Script

Сохраните текущее состояние генератора случайных чисел. Затем сгенерируйте случайное число от распределения Пуассона с параметром уровня 5.

s = rng;
r = random('Poisson',5)
r = 5

Восстановите состояние генератора случайных чисел к s, и затем создайте новое случайное число. Значение эквивалентно прежде.

rng(s);
r1 = random('Poisson',5)
r1 = 5
Скрипт Open Live Script

Создайте матрицу случайных чисел с тем же размером как существующий массив. Используйте стабильное распределение с параметрами формы 2 и 0, масштабный коэффициент 1, и параметр положения 0.

A = [3 2; -2 1];
sz = size(A);
R = random('Stable',2,0,1,0,sz)
R = 2×2

    0.7604   -3.1945
    2.5935    1.2193

Можно объединить предыдущие две строки кода в одну строку.

R = random('Stable',2,0,1,0,size(A))
R = 2×2

    0.4508   -0.6132
   -1.8494    0.4845
Скрипт Open Live Script

Создайте объект распределения вероятностей Weibull использование значений параметров по умолчанию. 

pd = makedist('Weibull')
pd = 
  WeibullDistribution

  Weibull distribution
    A = 1
    B = 1

Сгенерируйте случайные числа от распределения. 

rng('default')  % For reproducibility
r = random(pd,10000,1);

Создайте гистограмму с помощью 100 интервалов с подгонкой распределения Weibull.

histfit(r,100,'weibull')

Скрипт Open Live Script

Создайте стандартный объект нормального распределения вероятностей. 

pd = makedist('Normal')
pd = 
  NormalDistribution

  Normal distribution
       mu = 0
    sigma = 1

Сгенерируйте 2 3 2 массивами случайных чисел от распределения. 

r = random(pd,[2,3,2])
r = 
r(:,:,1) =

    0.5377   -2.2588    0.3188
    1.8339    0.8622   -1.3077


r(:,:,2) =

   -0.4336    3.5784   -1.3499
    0.3426    2.7694    3.0349

Входные параметры

свернуть все

Имя распределения вероятностей, заданное как одно из распределения вероятностей, называет в этой таблице.

'name'РаспределениеВведите параметр AВведите параметр BВведите параметр CВведите параметр D
'Beta'Бета распределениеa сначала формирует параметрb второй параметр формы——
'Binomial'Биномиальное распределениеКоличество n испытанийВероятность p успеха для каждого испытания——
'BirnbaumSaunders'Распределение Бирнбаума-СондерсаМасштабный коэффициент βПараметр формы γ——
'Burr'Подпилите распределение типа XIIМасштабный коэффициент αc сначала формирует параметрk второй параметр формы—
'Chisquare'Распределение хи-квадратСтепени свободы ν———
'Exponential'Экспоненциальное распределениеСреднее значение μ———
'Extreme Value'Распределение экстремумаПараметр положения μМасштабный коэффициент σ——
'F'F распределениеСтепени свободы числителя ν1Степени свободы знаменателя ν2——
'Gamma'Гамма распределениеПараметр формы aМасштабный коэффициент b——
'Generalized Extreme Value'Обобщенное распределение экстремумаПараметр формы kМасштабный коэффициент σПараметр положения μ—
'Generalized Pareto'Обобщенное распределение ПаретоИндекс хвоста k (форма) параметрМасштабный коэффициент σПорог μ (местоположение) параметр—
'Geometric'Геометрическое распределениеПараметр вероятности p———
'HalfNormal'Полунормальное распределениеПараметр положения μМасштабный коэффициент σ——
'Hypergeometric'Геометрическое распределениеРазмер m генеральной совокупностиКоличество k элементов с желаемой характеристикой в генеральной совокупностиКоличество n выборок чертится—
'InverseGaussian'Обратное распределение ГауссаМасштабный коэффициент μПараметр формы λ——
'Logistic'Логистическое распределениеСреднее значение μМасштабный коэффициент σ——
'LogLogistic'Распределение LoglogisticСреднее значение μ логарифмических значенийМасштабный коэффициент σ логарифмических значений——
'Lognormal'Логарифмически нормальное распределениеСреднее значение μ логарифмических значенийСтандартное отклонение σ логарифмических значений——
'Nakagami'Распределение NakagamiПараметр формы μМасштабный коэффициент ω——
'Negative Binomial'Отрицательное биномиальное распределениеКоличество r успеховВероятность p успеха в одном испытании——
'Noncentral F'Нецентральное распределение FСтепени свободы числителя ν1Степени свободы знаменателя ν2Параметр нецентрированности δ—
'Noncentral t'Нецентральное t РаспределениеСтепени свободы νПараметр нецентрированности δ——
'Noncentral Chi-square'Нецентральное распределение хи-квадратСтепени свободы νПараметр нецентрированности δ——
'Normal'Нормальное распределениеСреднее значение μ Стандартное отклонение σ——
'Poisson'Распределение ПуассонаСреднее значение λ———
'Rayleigh'Распределение РелеяМасштабный коэффициент b———
'Rician'Распределение RicianПараметр нецентрированности sМасштабный коэффициент σ——
'Stable'Стабильное распределениеα сначала формирует параметрβ второй параметр формыМасштабный коэффициент γПараметр положения δ
'T'T Распределение студентаСтепени свободы ν———
'tLocationScale't Распределение Шкалы МестоположенияПараметр положения μМасштабный коэффициент σПараметр формы ν—
'Uniform'(Непрерывное) равномерное распределениеa более низкая конечная точка (минимум)b верхняя конечная точка (максимум)——
'Discrete Uniform'(Дискретное) равномерное распределениеМаксимум n заметное значение———
'Weibull'Распределение WeibullМасштабный коэффициент aПараметр формы b——

Пример: 'Normal'

Первый параметр распределения вероятностей, заданный как скалярное значение или массив скалярных значений.

Если один или несколько входных параметров, A, B, C и D являются массивами, то размеры массивов должны быть тем же самым. В этом случае random расширяет каждый скалярный вход в постоянный массив, одного размера как входные параметры массивов. Смотрите 'name' для определений A, B, C и D для каждого распределения.

Типы данных: single | double

Второй параметр распределения вероятностей, заданный как скалярное значение или массив скалярных значений.

Если один или несколько входных параметров, A, B, C и D являются массивами, то размеры массивов должны быть тем же самым. В этом случае random расширяет каждый скалярный вход в постоянный массив, одного размера как входные параметры массивов. Смотрите 'name' для определений A, B, C и D для каждого распределения.

Типы данных: single | double

Третий параметр распределения вероятностей, заданный как скалярное значение или массив скалярных значений.

Если один или несколько входных параметров, A, B, C и D являются массивами, то размеры массивов должны быть тем же самым. В этом случае random расширяет каждый скалярный вход в постоянный массив, одного размера как входные параметры массивов. Смотрите 'name' для определений A, B, C и D для каждого распределения.

Типы данных: single | double

Четвертый параметр распределения вероятностей, заданный как скалярное значение или массив скалярных значений.

Если один или несколько входных параметров, A, B, C и D являются массивами, то размеры массивов должны быть тем же самым. В этом случае random расширяет каждый скалярный вход в постоянный массив, одного размера как входные параметры массивов. Смотрите 'name' для определений A, B, C и D для каждого распределения.

Типы данных: single | double

Распределение вероятностей, заданное как объект распределения вероятностей, созданный с функцией или приложением в этой таблице.

Функция или приложениеОписание
makedistСоздайте объект распределения вероятностей использование заданных значений параметров.
fitdistСоответствуйте объекту распределения вероятностей к выборочным данным.
Distribution FitterСоответствуйте распределению вероятностей к выборочным данным с помощью интерактивного приложения Distribution Fitter и экспортируйте подходящий объект в рабочую область.
paretotailsСоздайте кусочный объект распределения, который обобщил дистрибутивы Парето в хвостах.

Размер каждой размерности, заданной как целочисленные значения или вектор - строка из целочисленных значений. Например, определение 5,3,2 или [5,3,2] генерирует 5 3 2 массивами случайных чисел от заданного распределения вероятностей.

Если один или несколько входных параметров, A, B, C и D являются массивами, то заданные измерения sz1,...,szN должны совпадать с общими размерностями A, B, C и D после любого необходимого скалярного расширения. Значения по умолчанию sz1,...,szN являются общими размерностями.

  • Если вы задаете одно значение sz1, то R является квадратной матрицей размера sz1.

  • Если размером какой-либо размерности является 0 или отрицательный, то R является пустым массивом.

  • После второго измерения random игнорирует последующие измерения с размером 1. Например, random (3,1,1,1) производит вектор 3 на 1 случайных чисел.

Типы данных: single | double

Выходные аргументы

свернуть все

Случайное число сгенерировано от заданного распределения вероятностей, возвращенного как скалярное значение или массив скалярных значений с размерностями, заданными sz1,...,szN.

Если вы задаете параметры распределения A, B, C или D, то каждый элемент в R является случайным числом, сгенерированным от распределения, заданного соответствующими элементами в A, B, C и D.

Альтернативная функциональность

  • random является родовой функцией, которая принимает или распределение его именем 'name' или объект pd распределения вероятностей. Это быстрее, чтобы использовать специфичную для распределения функцию, такую как randn и normrnd для нормального распределения и binornd для биномиального распределения. Для списка специфичных для распределения функций смотрите Поддерживаемые Дистрибутивы.

  • Чтобы сгенерировать случайные числа в интерактивном режиме, используйте randtool, пользовательский интерфейс генерации случайных чисел.

Расширенные возможности

Смотрите также

| | | | | | |

Темы

Представлено до R2006a

Документация Statistics and Machine Learning Toolbox
Поддержка
Для просмотра документации необходимо авторизоваться на сайте