Exponenta Banner
exponenta event banner

случайный

Случайные числа

свернуть все на странице

Синтаксис

R = случайный («имя», A)
R = случайный («имя», A, B)
R = случайный («имя», A, B, C)
R = случайный («имя», A, B, C, D)
R = случайный (pd)
R = случайный (___, sz1,..., szN)
R = случайный (___, sz)

Описание

пример

R = random('name',A) возвращает случайное число из семейства распределения одного параметра, указанного 'name' и параметр распределения A.

пример

R = random('name',A,B) возвращает случайное число из двухпараметрического семейства распределения, указанного 'name' и параметры распределения A и B.

R = random('name',A,B,C) возвращает случайное число из семейства распределения трех параметров, указанного 'name' и параметры распределения A, B, и C.

R = random('name',A,B,C,D) возвращает случайное число из четырехпараметрового семейства распределения, указанного 'name' и параметры распределения A, B, C, и D.

пример

R = random(pd) возвращает случайное число из объекта распределения вероятностей pd.

пример

R = random(___,sz1,...,szN) генерирует массив случайных чисел из указанного распределения вероятностей с использованием входных аргументов из любого из предыдущих синтаксисов, где sz1,...,szN указывает размер каждого размера.

пример

R = random(___,sz) генерирует массив случайных чисел из указанного распределения вероятностей с использованием входных аргументов из любого из предыдущих синтаксисов, где вектор sz определяет size(r).

Примеры

свернуть все

Открыть сценарий в реальном времени

Создайте стандартный нормальный объект распределения вероятностей. 

pd = makedist('Normal')
pd = 
  NormalDistribution

  Normal distribution
       mu = 0
    sigma = 1

Создайте одно случайное число из распределения. 

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

Кроме того, можно создать стандартное нормальное случайное число, указав его имя и параметры.

r2 = random('Normal',0,1)
r2 = 1.8339
Открыть сценарий в реальном времени

Сохранение текущего состояния генератора случайных чисел. Затем создайте случайное число из распределения Пуассона с параметром скорости 5.

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

Восстановите состояние генератора случайных чисел в s, а затем создайте новое случайное число. Значение совпадает с предыдущим.

rng(s);
r1 = random('Poisson',5)
r1 = 5
Открыть сценарий в реальном времени

Создайте матрицу случайных чисел того же размера, что и существующий массив. Используйте стабильное распределение с параметрами формы 2 и 0, параметром масштаба 1 и параметром местоположения 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

Предыдущие две строки кода можно объединить в одну строку.

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

    0.4508   -0.6132
   -1.8494    0.4845
Открыть сценарий в реальном времени

Создайте объект распределения вероятностей Вейбулла, используя значения параметров по умолчанию. 

pd = makedist('Weibull')
pd = 
  WeibullDistribution

  Weibull distribution
    A = 1
    B = 1

Создание случайных чисел из распределения. 

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

Создайте гистограмму, используя 100 ячеек с распределением Вейбулла.

histfit(r,100,'weibull')

Figure contains an axes. The axes contains 2 objects of type bar, line.

Открыть сценарий в реальном времени

Создайте стандартный нормальный объект распределения вероятностей. 

pd = makedist('Normal')
pd = 
  NormalDistribution

  Normal distribution
       mu = 0
    sigma = 1

Создайте массив случайных чисел 2 на 3 на 2 из 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 аргументы

свернуть все

Имя вероятностного распределения, указанное как одно из имен вероятностного распределения в этой таблице.

'name'РаспределениеВходной параметр AВходной параметр BВходной параметр CВходной параметр D
'Beta'Бета-дистрибутивпервый параметр формыb Параметр второй формы——
'Binomial'Биномиальное распределениеn число испытанийp вероятность успеха для каждого испытания——
'BirnbaumSaunders'Распределение Бирнбаум-Сондерспараметр шкалы βγ параметр формы——
'Burr'Распределение Burr типа XIIпараметр шкалы αc первый параметр формыk параметр второй формы—
'Chisquare'Распределение чи-квадратstartстепеней свободы———
'Exponential'Экспоненциальное распределениеλ - среднее значение———
'Extreme Value'Распределение экстремальных значенийλ параметр местоположенияλ параметр шкалы——
'F'F Распределениеstart1 числитель степеней свободыstart2 знаменатель степеней свободы——
'Gamma'Гамма-распределениепараметр формыb параметр масштаба——
'Generalized Extreme Value'Обобщенное распределение экстремальных значенийk параметр формыλ параметр шкалыλ параметр местоположения—
'Generalized Pareto'Обобщенное распределение Паретоk параметр индекса хвоста (форма)λ параметр шкалыλ пороговый параметр (местоположение)—
'Geometric'Геометрическое распределениепараметр вероятности p———
'HalfNormal'Распределение половинной нормыλ параметр местоположенияλ параметр шкалы——
'Hypergeometric'Гипергеометрическое распределением численность населенияk позиций с желаемой характеристикой в популяцииn количество отобранных образцов—
'InverseGaussian'Обратное гауссово распределениеλ параметр шкалыλ параметр формы——
'Logistic'Логистическое распределениеλ - среднее значениеλ параметр шкалы——
'LogLogistic'Логистическое распределениеδ среднее логарифмических значенийλ масштабный параметр логарифмических значений——
'Lognormal'Логнормальное распределениеδ среднее логарифмических значенийδ стандартное отклонение логарифмических значений——
'Nakagami'Распределение Накагамиλ параметр формыλ параметр масштабирования——
'Negative Binomial'Отрицательное биномиальное распределениеr число успешныхp вероятность успеха в одном испытании——
'Noncentral F'Нецентральное распределение Fstart1 числитель степеней свободыstart2 знаменатель степеней свободыпараметр δ нецентральности—
'Noncentral t'Нецентральное распределение tstartстепеней свободыпараметр δ нецентральности——
'Noncentral Chi-square'Нецентральное распределение хи-квадратstartстепеней свободыпараметр δ нецентральности——
'Normal'Нормальное распределениеλ - среднее значение δ стандартное отклонение——
'Poisson'Распределение Пуассонаλ - среднее значение———
'Rayleigh'Распределение Рэлеяb параметр масштаба———
'Rician'Распределение Ricianпараметр нецентральностиλ параметр шкалы——
'Stable'Стабильное распределениеα первый параметр формыПараметр β второй формыпараметр шкалы γδ параметр местоположения
'T'Распределение студентовstartстепеней свободы———
'tLocationScale't Распределение по местоположению и масштабированиюλ параметр местоположенияλ параметр шкалыλ параметр формы—
'Uniform'Равномерное распределение (непрерывное)нижняя конечная точка (минимум)b верхняя конечная точка (максимум)——
'Discrete Uniform'Равномерное распределение (дискретное)n максимальное наблюдаемое значение———
'Weibull'Распределение Вейбуллапараметр масштабаb параметр формы——

Пример: 'Normal'

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

Если один или несколько входных аргументов A, B, C, и D являются массивами, тогда размеры массивов должны быть одинаковыми. В этом случае random расширяет каждый скалярный ввод в постоянный массив того же размера, что и входные данные массива. Посмотрите 'name' для определений A, B, C, и D для каждого распределения.

Типы данных: single | double

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

Если один или несколько входных аргументов A, B, C, и D являются массивами, тогда размеры массивов должны быть одинаковыми. В этом случае random расширяет каждый скалярный ввод в постоянный массив того же размера, что и входные данные массива. Посмотрите 'name' для определений A, B, C, и D для каждого распределения.

Типы данных: single | double

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

Если один или несколько входных аргументов A, B, C, и D являются массивами, тогда размеры массивов должны быть одинаковыми. В этом случае random расширяет каждый скалярный ввод в постоянный массив того же размера, что и входные данные массива. Посмотрите 'name' для определений A, B, C, и D для каждого распределения.

Типы данных: single | double

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

Если один или несколько входных аргументов A, B, C, и D являются массивами, тогда размеры массивов должны быть одинаковыми. В этом случае random расширяет каждый скалярный ввод в постоянный массив того же размера, что и входные данные массива. Посмотрите 'name' для определений A, B, C, и D для каждого распределения.

Типы данных: single | double

Распределение вероятностей, указанное как объект распределения вероятностей, созданный с помощью функции или приложения в этой таблице.

Функция или приложениеОписание
makedistСоздайте объект распределения вероятностей, используя указанные значения параметров.
fitdistПоместите объект распределения вероятности в выборку данных.
Слесарь-распределительПоместите распределение вероятности в выборку данных с помощью интерактивного приложения Distribution Fitter и экспортируйте подогнанный объект в рабочую область.
paretotailsСоздайте кусочный объект распределения с обобщенными распределениями Парето в хвостах.

Размер каждого измерения, указанный как целочисленные значения. Например, указание 5,3,2 генерирует массив случайных чисел 5 на 3 на 2 из заданного распределения вероятностей.

Если один или несколько входных аргументов A, B, C, и D массивы, затем указанные размеры sz1,...,szN должны соответствовать общим измерениям A, B, C, и D после любого необходимого скалярного расширения. Значения по умолчанию для sz1,...,szN являются общими измерениями.

  • Если указано одно значение sz1, то R - квадратная матрица размера sz1около-sz1.

  • Если размер любого размера равен 0 или отрицательный, то R является пустым массивом.

  • За пределами второго измерения random игнорирует конечные размеры размером 1. Например, указание 3,1,1,1 создает вектор случайных чисел 3 на 1.

Пример: 5,3,2

Типы данных: single | double

Размер каждого измерения, заданный как вектор строки целых чисел. Например, указание [5 3 2] генерирует массив случайных чисел 5 на 3 на 2 из заданного распределения вероятностей.

Если один или несколько входных аргументов A, B, C, и D массивы, затем указанные размеры sz должны соответствовать общим измерениям A, B, C, и D после любого необходимого скалярного расширения. Значения по умолчанию для sz являются общими измерениями.

  • Если указано одно значение [sz1], то R - квадратная матрица размера sz1около-sz1.

  • Если размер любого размера равен 0 или отрицательный, то R является пустым массивом.

  • За пределами второго измерения random игнорирует конечные размеры размером 1. Например, указание [3 1 1 1] создает вектор случайных чисел 3 на 1.

Пример: [5 3 2]

Типы данных: single | double

Выходные аргументы

свернуть все

Случайное число, сгенерированное из указанного распределения вероятностей, возвращаемое как скалярное значение или массив скалярных значений с измерениями, заданными sz1,...,szN или sz.

Если указаны параметры распределения A, B, C, или D, затем каждый элемент в R - случайное число, сгенерированное из распределения, указанного соответствующими элементами в A, B, C, и D.

Альтернативная функциональность

  • random - универсальная функция, принимающая распределение по имени 'name' или объект распределения вероятностей pd. Более быстрое использование специфичной для распределения функции, например, randn и normrnd для нормального распределения и binornd для биномиального распределения. Список специфичных для распределения функций см. в разделе Поддерживаемые дистрибутивы.

  • Для интерактивной генерации случайных чисел используйте randtoolпользовательский интерфейс для генерации случайных чисел.

Расширенные возможности

.

См. также

| | | | | | |

Темы

Представлен до R2006a

Документация по инструментам для статистического и машинного обучения

Поддержка