随机数生成

种子、分布、算法

使用 rand、randn 和 randi 函数创建伪随机数序列，使用 randperm 函数创建随机置换整数向量。使用 rng 函数控制结果的可重复性。如果需要对随机数的生成进行更加高级的控制，可以使用 RandStream 类。

函数

全部展开

创建随机值

`rand`	Uniformly distributed random numbers
`randn`	Normally distributed random numbers
`randi`	Uniformly distributed random integers
`randperm`	整数的随机排列

定义生成器参数

`rng`	控制随机数生成器
`RandStream`	随机数流

主题

生成随机数

创建随机数数组
使用 rand、randi、randn 和 randperm 创建随机数数组。
随机整数
此示例说明如何基于特定数字集的离散均匀分布创建随机整数值数组。
随机数为什么可在启动后重复出现？
避免在 MATLAB^® 重新启动时重复随机数数组。
更换不推荐的 rand 和 randn 语法
取代不建议使用的 rand 和 randn 语法。

控制随机数生成

控制随机数的生成
此示例说明如何使用 rng 函数，该函数针对随机数的生成提供控制。
生成可重复的随机数
本示例显示如何通过首先指定生成器算法和种子来重复生成随机数数组。每次使用相同算法和种子初始化生成器时，始终都可以获得相同的结果。
生成不同的随机数
本示例显示在 MATLAB 重新启动时如何避免重复生成相同的随机数数组。

控制随机数的多流和子流

使用 RandStream 管理全局流
此示例说明如何使用 RandStream 类来控制从全局流生成随机数。
多个流
本示例使用 RandStream 创建多个独立的随机数流。
创建和控制随机数流
此示例说明如何使用 RandStream 创建随机数流和子流。

精选示例

特定范围内的随机数

本示例显示如何基于开区间 (50, 100) 内的均匀分布创建随机浮点数组。

打开实时脚本

具有特定均值和方差的正态分布随机数

此示例说明如何基于均值为 500 和方差为 25 的正态分布创建随机浮点数组。

打开实时脚本

球体内的随机数

此示例说明如何按照 Knuth [1] 所述的方法在球体内创建随机点。本例中的球体以原点为中心，半径为 3。

打开实时脚本

Random Numbers and Vectors from Multivariate Normal Distributions

Generate and visualize random numbers and vectors that are drawn from multivariate normal distributions. This example discusses the steps to generate and visualize random numbers and vectors that are drawn from univariate, bivariate, and trivariate normal distributions. The randn function generates random numbers from the standard normal distribution. To generate random numbers and vectors from a multivariate normal distribution with a specific mean and covariance, you can transform the data generated from the standard normal distribution. Starting from a $d$ -dimensional random variable $u = [u_{1}, u_{2}, . . ., u_{d}]$ that follows a normal distribution with zero mean and a unit covariance matrix, you can transform $u$ to $v = μ + u R$ . The variable $v$ follows the normal distribution with mean $μ$ and covariance matrix $Σ = R^{T} R$ . The covariance matrix $Σ$ is a symmetric and positive definite (nonsingular) matrix, which indicates that the multivariate normal distribution is also nondegenerate. Therefore, you can perform Cholesky decomposition on $Σ$ to obtain the upper triangular matrix $R$ . A multivariate normal distribution that is degenerate, where $Σ$ is not full rank (or singular), is beyond the scope of this example.

打开实时脚本