Создайте gmdistribution и генерируйте случайные изменения.

Задайте параметры распределения (средства и ковариации) двухкомпонентного двухмерного Гауссова распределения смеси.

mu = [1 2;-3 -5];
sigma = [1 1]; % shared diagonal covariance matrix

Создайте gmdistribution объект при помощи gmdistribution функция. По умолчанию функция создает смесь равных пропорций.

gm = gmdistribution(mu,sigma)

gm = 

Gaussian mixture distribution with 2 components in 2 dimensions
Component 1:
Mixing proportion: 0.500000
Mean:     1     2

Component 2:
Mixing proportion: 0.500000
Mean:    -3    -5

Сгенерируйте 1000 случайных вариаций.

rng('default'); % For reproducibility
[Y,compIdx] = random(gm,1000);

compIdx(i) указывает компонент смеси, используемый для генерации iПервая переменная случайных Y(i,:). Отсчитайте количество случайных изменений, сгенерированных Component 1.

numIdx1 = sum(compIdx == 1)

numIdx1 = 512

random генерирует около половины случайных изменений, используя Component 1 потому что gm имеет одинаковые пропорции смешивания.

Постройте график сгенерированных случайных изменений при помощи scatter.

scatter(Y(:,1),Y(:,2),10,'.') % Scatter plot with points of size 10

Сбросьте генератор случайных чисел, чтобы сгенерировать то же самое случайное изменение.

Задайте параметры распределения (средства, ковариации и пропорции смешения) двух двухмерных гауссовских компонентов смеси.

p = [0.4 0.6];               % Mixing proportions     
mu = [1 2;-3 -5];            % Means
sigma = cat(3,[2 .5],[1 1])  % Covariances 1-by-2-by-2 array

sigma = 
sigma(:,:,1) =

    2.0000    0.5000


sigma(:,:,2) =

     1     1

The cat функция конкатенирует ковариации по третьему измерению массива. Заданные ковариационные матрицы являются диагональными матрицами. sigma(1,:,i) содержит диагональные элементы ковариационной матрицы компонента i.

Создайте gmdistribution объект при помощи gmdistribution функция.

gm = gmdistribution(mu,sigma);

Сохраните текущее состояние генератора случайных чисел, а затем сгенерируйте случайное изменение с помощью gm.

s = rng;
r = random(gm)

r = 1×2

   -1.1661   -7.2588

Восстановите состояние генератора случайных чисел в s, а затем сгенерируйте случайное изменение, используя gm. Значения те же, что и прежде.

rng(s);
r1 = random(gm)

r1 = 1×2

   -1.1661   -7.2588