randn

Нормально распределенные случайные числа

Описание

пример

X = randn возвращает случайный скаляр, полученный из стандартного нормального распределения.

пример

X = randn(n) возвращает n-by- n матрица нормально распределенных случайных чисел.

пример

X = randn(sz1,...,szN) возвращает sz1-by-... -by- szN массив случайных чисел, где sz1,...,szN указать размер каждой размерности. Для примера, randn(3,4) возвращает матрицу 3 на 4.

пример

X = randn(sz) возвращает массив случайных чисел, причем вектор size sz определяет size(X). Для примера, randn([3 4]) возвращает матрицу 3 на 4.

пример

X = randn(___,typename) возвращает массив случайных чисел типа данных typename. The typename Вход может быть либо 'single' или 'double'. Можно использовать любой из входных параметров в предыдущих синтаксисах.

пример

X = randn(___,'like',p) возвращает массив случайных чисел, подобных p; то есть того же типа объекта что и p. Можно задать любой из typename или 'like', но не то и другое.

X = randn(s,___) генерирует числа из потока случайных чисел s вместо глобального потока по умолчанию. Чтобы создать поток, используйте RandStream. Задайте s далее следуют любые комбинации аргументов в предыдущих синтаксисах, за исключением таковых, которые включают 'like'. Этот синтаксис не поддерживает 'like' вход.

Примечание

The 'seed', 'state', и 'twister' входы в randn не рекомендуемые функции. Используйте rng вместо этого функция. Для получения дополнительной информации смотрите Заменить обескураженные синтаксисы rand и randn.

Примеры

свернуть все

Сгенерируйте матрицу 5 на 5 нормально распределенных случайных чисел.

r = randn(5)
r = 5×5

    0.5377   -1.3077   -1.3499   -0.2050    0.6715
    1.8339   -0.4336    3.0349   -0.1241   -1.2075
   -2.2588    0.3426    0.7254    1.4897    0.7172
    0.8622    3.5784   -0.0631    1.4090    1.6302
    0.3188    2.7694    0.7147    1.4172    0.4889

Сгенерируйте значения из двухмерного нормального распределения с заданными вектором средних значений и ковариационной матрицей.

mu = [1 2];
sigma = [1 0.5; 0.5 2];
R = chol(sigma);
z = repmat(mu,10,1) + randn(10,2)*R
z = 10×2

    1.5377    0.4831
    2.8339    6.9318
   -1.2588    1.8302
    1.8622    2.3477
    1.3188    3.1049
   -0.3077    1.0750
    0.5664    1.6190
    1.3426    4.1420
    4.5784    5.6532
    3.7694    5.2595

Сгенерируйте одно случайное комплексное число с нормально распределенными вещественными и мнимыми частями.

a = randn + 1i*randn
a = 0.5377 + 1.8339i

Сохраните текущее состояние генератора случайных чисел и создайте вектор случайных чисел 1 на 5.

s = rng;
r = randn(1,5)
r = 1×5

    0.5377    1.8339   -2.2588    0.8622    0.3188

Восстановите состояние генератора случайных чисел в s, а затем создайте новый вектор 1 на 5 случайных чисел. Значения те же, что и прежде.

rng(s);
r1 = randn(1,5)
r1 = 1×5

    0.5377    1.8339   -2.2588    0.8622    0.3188

Всегда используйте rng функция (а не rand или randn functions), чтобы задать настройки генератора случайных чисел. Для получения дополнительной информации смотрите Заменить обескураженные синтаксисы rand и randn.

Создайте массив случайных чисел 3 на 2 на 3.

X = randn([3,2,3])
X = 
X(:,:,1) =

    0.5377    0.8622
    1.8339    0.3188
   -2.2588   -1.3077


X(:,:,2) =

   -0.4336    2.7694
    0.3426   -1.3499
    3.5784    3.0349


X(:,:,3) =

    0.7254   -0.2050
   -0.0631   -0.1241
    0.7147    1.4897

Создайте вектор 1 на 4 случайных чисел, элементы которого являются одинарной точностью.

r = randn(1,4,'single')
r = 1x4 single row vector

    0.5377    1.8339   -2.2588    0.8622

class(r)
ans = 
'single'

Создайте матрицу нормально распределенных случайных чисел с таким же размером, как и существующий массив.

A = [3 2; -2 1];
sz = size(A);
X = randn(sz)
X = 2×2

    0.5377   -2.2588
    1.8339    0.8622

Обычным шаблоном является объединение двух предыдущих строк кода в одну линию:

X = randn(size(A));

Создайте матрицу 2 на 2 с одной точностью случайных чисел.

p = single([3 2; -2 1]);

Создайте массив случайных чисел того же размера и данных типа, что и p.

X = randn(size(p),'like',p)
X = 2x2 single matrix

    0.5377   -2.2588
    1.8339    0.8622

class(X)
ans = 
'single'

Если у вас есть Parallel Computing Toolbox™, создайте распределенный массив случайных чисел 1000 на 1000 с базовым типом данных single. Для distributed тип данных, 'like' синтаксис клонирует базовый тип данных в дополнение к типу первичных данных.

p = randn(1000,'single','distributed');
Starting parallel pool (parpool) using the 'local' profile ...
connected to 6 workers.

Создайте массив случайных чисел того же размера, типа первичных данных и базового типа данных, как p.

X = randn(size(p),'like',p);
class(X)
ans =

    'distributed'
underlyingType(X)
ans =

    'single'

Входные параметры

свернуть все

Размер квадратной матрицы, заданный как целое значение.

  • Если n является 0, затем X - пустая матрица.

  • Если n отрицательно, затем это рассматривается как 0.

Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Размер каждой размерности, заданный как отдельные аргументы целочисленных значений.

  • Если размер любой размерности 0, затем X - пустой массив.

  • Если размер любой размерности отрицателен, то он рассматривается как 0.

  • За пределами второго измерения, randn игнорирует последующие измерения с размером 1. Для примера, randn(3,1,1,1) производит вектор 3 на 1 случайных чисел.

Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Размер каждой размерности, заданный как вектор-строка с целочисленными значениями. Каждый элемент этого вектора указывает размер соответствующей размерности:

  • Если размер любой размерности 0, затем X - пустой массив.

  • Если размер любой размерности отрицателен, то он рассматривается как 0.

  • За пределами второго измерения, randn игнорирует последующие измерения с размером 1. Для примера, randn([3 1 1 1]) производит вектор 3 на 1 случайных чисел.

Пример: sz = [2 3 4] создает массив 2 на 3 на 4.

Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Тип (класс) создаваемых данных, заданная как 'double', 'single', или имя другого класса, который обеспечивает randn поддержка.

Пример: randn(5,'single')

Прототип создаваемого массива, заданный как числовой массив.

Пример: randn(5,'like',p)

Типы данных: single | double

Поток случайных чисел, заданный как a RandStream объект.

Пример: s = RandStream('dsfmt19937'); randn(s,[3 1])

Совет

  • Последовательность чисел, произведенных randn определяется внутренними настройками однородного генератора псевдослучайных чисел, который лежит в основе rand, randi, и randn. Вы можете управлять этим генератором случайных чисел, используя rng.

Расширенные возможности

.
Представлено до R2006a
Для просмотра документации необходимо авторизоваться на сайте