zoukankan      html  css  js  c++  java
  • Matlab之rand(), randn(), randi()函数的使用方法


    1.  rand()函数用于生成取值在(0~1)之间均匀分布的伪随机数。
    rand(n):生成n*n的0~1之间的满足均匀分布的伪随机矩阵;
    rand(m,n):生成m*n的伪随机数;
    rand(m,n,'double'):生成m*n的双精度伪随机数;
    rand(m,n,'single'):生成m*n的单精度伪随机数;
    注:‘double’和‘single’单引号不能省。


    2. randn()函数用于生成标准正态分布的伪随机数。

    randn:产生均值为0,方差σ^2 = 1,标准差σ = 1的正态分布的随机数或矩阵的函数。

    用法:

    Y = randn(n):返回一个n*n的随机项的矩阵。如果n不是个数量,将返回错误信息。

    Y = randn(m,n) 或 Y = randn([m n]):返回一个m*n的随机项矩阵。

    Y = randn(m,n,p,...) 或 Y = randn([m n p...]):产生随机数组。

    Y = randn(size(A)):返回一个和A有同样维数大小的随机数组。

    randn

    返回一个每次都变化的数量。

    s = randn('state')

    举例

    Example 1. R = randn(3,4) 将生成矩阵

    R =

    1.1650 0.3516 0.0591 0.8717

    0.6268 -0.6965 1.7971 -1.4462

    0.0751 1.6961 0.2641 -0.7012

    For a histogram of the randn distribution, see hist.

    Example 2. 产生一个随机分布的指定均值和方差的矩阵:将randn产生的结果乘以标准差,然后加上期望均值即可。例如,产生均值为0.6,方差为0.1的一个5*5的随机数方式如下:

    x = .6 + sqrt(0.1) * randn(5)

    x =

    0.8713 0.4735 0.8114 0.0927 0.7672

    0.9966 0.8182 0.9766 0.6814 0.6694

    0.0960 0.8579 0.2197 0.2659 0.3085

    0.1443 0.8251 0.5937 1.0475 -0.0864

    0.7806 1.0080 0.5504 0.3454 0.5813


     


    3. randi()函数用于生成均匀分布的伪随机整数,范围为(imin~imax)(开区间),若imin缺省,默认为1.
    randi(imax,1) 或 randi(imax):生成1*1的小于imax的伪随机整数 ;
    randi(imax,n):生成n*n的小于imax的伪随机矩阵;
    randi(imax,m,n) 或 randi(imax,[m,n]]):生成m*n的伪随机矩阵;
    randi(imax,m,n,p,...) 或 randi(imax,[m,n,p,...]):生成m*n*p*...的伪随机矩阵;
    randi(imax,size(A)):生成和A同维的伪随机矩阵;
    randi([imin,imax],n):生成n*n的,元素取值范围为[imin,imax]的伪随机矩阵。
    注:前面若有imin,则[imin,imax]方括号不可缺省。



    源自:https://blog.csdn.net/weixin_40583722/article/details/79165966

  • 相关阅读:
    Json schema前奏 关于JSON
    笔试题:能被1~10同时整除的最小整数是2520,问能被1~20同时整除的最小整数是多少?
    CentOS7 安装 Docker、最佳Docker学习文档
    2019年4399暑期实习算法题2,迷宫路径条数
    2019vivo秋招提前批笔试题第3题
    python内存机制与垃圾回收、调优手段
    N皇后问题的python实现
    一行代码判断一个数是否是2的整数次方
    在O(1)的时间内删除链表节点
    打印从1到n位数的最大值
  • 原文地址:https://www.cnblogs.com/yibeimingyue/p/9898937.html
Copyright © 2011-2022 走看看