random

Описание

пример

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

пример

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

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

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

пример

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

пример

R = random(___,sz1,...,szN) генерирует массив случайных чисел от заданного вероятностного распределения с помощью входных параметров от любого из предыдущих синтаксисов, где sz1,...,szN указывает на размер каждой размерности.

пример

R = random(___,sz) генерирует массив случайных чисел от заданного вероятностного распределения с помощью входных параметров от любого из предыдущих синтаксисов, где векторный sz задает size(r).

Примеры

свернуть все

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

В качестве альтернативы можно сгенерировать стандартное нормальное случайное число путем определения его имени и параметров.

r2 = random('Normal',0,1)
r2 = 1.8339

Сохраните текущее состояние генератора случайных чисел. Затем сгенерируйте случайное число от распределения Пуассона 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

Создайте матрицу случайных чисел с тем же размером как существующий массив. Используйте устойчивое распределение 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

Создайте объект вероятностного распределения 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')

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 вероятностного распределения в виде одного из вероятностного распределения 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 населенияКоличество k элементов с желаемой характеристикой в населенииКоличество 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'Устойчивое 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 вероятностного распределения в виде скалярного значения или массива скалярных значений.

Если один или несколько входных параметров ABC, и D массивы, затем размеры массивов должны быть тем же самым. В этом случае, random расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Смотрите 'name' для определений ABC, и D для каждого распределения.

Типы данных: single | double

Второй параметр вероятностного распределения в виде скалярного значения или массива скалярных значений.

Если один или несколько входных параметров ABC, и D массивы, затем размеры массивов должны быть тем же самым. В этом случае, random расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Смотрите 'name' для определений ABC, и D для каждого распределения.

Типы данных: single | double

Третий параметр вероятностного распределения в виде скалярного значения или массива скалярных значений.

Если один или несколько входных параметров ABC, и D массивы, затем размеры массивов должны быть тем же самым. В этом случае, random расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Смотрите 'name' для определений ABC, и D для каждого распределения.

Типы данных: single | double

Четвертый параметр вероятностного распределения в виде скалярного значения или массива скалярных значений.

Если один или несколько входных параметров ABC, и D массивы, затем размеры массивов должны быть тем же самым. В этом случае, random расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Смотрите 'name' для определений ABC, и D для каждого распределения.

Типы данных: single | double

Вероятностное распределение в виде объекта вероятностного распределения, созданного с функцией или приложением в этой таблице.

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

Размер каждой размерности в виде целочисленных значений. Например, определение 5,3,2 генерирует 5 3 2 массивами случайных чисел от заданного вероятностного распределения.

Если один или несколько входных параметров ABC, и D массивы, затем заданные измерения sz1,...,szN должен совпадать с общими размерностями ABC, и D после любого необходимого скалярного расширения. Значения по умолчанию sz1,...,szN общие размерности.

  • Если вы задаете одно значение sz1, затем R квадратная матрица размера sz1- sz1.

  • Если размером какой-либо размерности является 0 или отрицательный, затем R пустой массив.

  • После второго измерения, random игнорирует последующие измерения с размером 1. Например, определение 3,1,1,1 дает вектор 3 на 1 случайных чисел.

Пример: 5,3,2

Типы данных: single | double

Размер каждой размерности в виде вектора-строки из целых чисел. Например, определение [5 3 2] генерирует 5 3 2 массивами случайных чисел от заданного вероятностного распределения.

Если один или несколько входных параметров ABC, и D массивы, затем заданные измерения sz должен совпадать с общими размерностями ABC, и D после любого необходимого скалярного расширения. Значения по умолчанию sz общие размерности.

  • Если вы задаете одно значение [sz1], затем R квадратная матрица размера sz1- sz1.

  • Если размером какой-либо размерности является 0 или отрицательный, затем R пустой массив.

  • После второго измерения, random игнорирует последующие измерения с размером 1. Например, определение [3 1 1 1] дает вектор 3 на 1 случайных чисел.

Пример: [5 3 2]

Типы данных: single | double

Выходные аргументы

свернуть все

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

Если вы задаете параметры распределения ABC, или D, затем каждый элемент в R случайное число, сгенерированное от распределения, заданного соответствующими элементами в ABC, и D.

Альтернативная функциональность

  • random родовая функция, которая принимает любого распределение его именем 'name' или объект pd вероятностного распределения. Это быстрее, чтобы использовать специфичную для распределения функцию, такой как randn и normrnd для нормального распределения и binornd для биномиального распределения. Для списка специфичных для распределения функций смотрите Поддерживаемые Распределения.

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

Расширенные возможности

Представлено до R2006a
Для просмотра документации необходимо авторизоваться на сайте