©2020-2024 ioDraw All rights reserved,
Privacy Policy
<>1、rand()
生成(0,1)区间上均匀分布的随机数
基本语法：rand([M,N,P…])
生成排列成MNP*…多维向量的随机数。如果只写M，则生成M*M矩阵；如果参数为[M,N]可以省略方括号。
<>2、randn()
生成服从标准正太分布(均值为0，方差为1)的随机数
基本语法：randn([M,N,P,…])
解释同1
若安装了统计工具箱(Statistic Toolbox),除了以上两种基本分布外，还可以用Matlab内部函数生成符合以下分布的随机数。
<>3、unifrnd()
生成某个区间内均匀分布的随机数
基本语法：unifrnd(a,b,[M,N,P,…])
生成的随机数在区间(a,b)内，排列成MNP…多维向量。如果只写M，则生成M*M矩阵；如果参数为[M,N]则中括号可以省略。
<>4、normrnd()
生成指定均值为、标准差的正态分布的随机数
基本语法：normrnd(mu,sigma,[M,N,P,…])
<>5、chi2rnd()
生成服从卡方分布的随机数，卡方分布只有一个参数：自由度v
基本语法：chi2rnd(v,[M,N,P,…])
<>6、frnd()
生成服从F分布的随机数，F分布有两个参数：v1,v2
基本语法：frnd(v1,v2,[M,N,P,…])
<>7、trnd()
生成服从t(Student’s t
Distribution,这里student不是学生的意思，而是cosset.W.S.的笔名)分布的随机数。t分布只有一个参数：自由度v
基本语法：trnd(v,[M,N,P,…])
t分布比正太分布要“瘦”，随着自由度v的增大，t分布逐渐变胖，当自由度为正无穷时，它就变成标准正态分布了。
<>8、betarnd()
生成服从beta分布的随机数。beta分布有两个参数分别是A和B。下图是A=2，B=5的beta分布的PDF图形。
基本语法：betarnd(A,B,[M,N,P,…])
<>9、exprnd()
此函数生成服从指数分布的随机数。指数分布只有一个参数：mu,下图是mu=3时指数分布的PDF图形。
基本语法：exprnd(mu,[M,N,P,…])
<>10、gamrnd()
生成服从gamma分布的随机数。Gamma分布有两个参数：A和B。下图是A=2，B=5，Gamma分布的PDF图形
基本语法：gamrnd(A,B,[M,N,P,…])
<>11、logrnd()
生成服从对数正态分布的随机数。其有两个参数：mu和sigma,服从这个分布的随机数取对数后均服从均值为mu，标准差为sigma的正态分布。下图是mu=1,sigma=1/1.2的对数正态分布的PDF图形。
基本语法：logrnd(mu,sigma,[M,N,P,…])
<>12、raylrnd()
生成服从瑞利(Rayleigh)分布的随机数。其分布有1个参数：B。下图是B=2的瑞利分布的PDF图形
基本语法：raylrnd(B,[M,N,P,…])
<>13、wblrnd()
生成服从威布尔(Weibull)分布的随机数。其分布有2个参数：scale参数A和shape参数B。下图是A=3，B=2的Weibull分布的PDF图形。
基本语法：wblrnd(A,B,[M,N,P,…])
还有非中心卡方分布(ncx2rnd)、非中心F分布(ncfrnd)、非中心t分布(nctrnd)
<>14、unidrnd()
生成服从离散均匀分布的随机数。unifrnd是在某个区间内均匀选取实数（可为小数或整数），unidrnd是均匀选取整数随机数。离散均匀分布随机数有1个参数：n，表示从{1,2,3，。。。，n}这n个整数中以相同的概率抽样。
基本语法：unidrnd(n,[M,N,P,…])
<>15、binornd()
此函数生成服从二项分布的随机数。二项分布有2个参数：n,p
基本语法：binornd(n,p,[M,N,P,…])
<>16、geornd()
生成服从几何分布的随机数。几何分布只有一个参数p
基本语法：geornd(p,[M,N,P,…])
<>17、poissrnd()
生成服从possion分布的随机数。possion分布的参数只有一个：lambda,此参数要大于零
基本语法：poissrnd(lambda,[M,N,P,…])