仿真分析：用matlab模拟生成随机数的方法

第一种方法是用 random 语句:

其一般形式为

y = random('分布的英文名',A1,A2,A3,m,n)，

表示生成 m 行 n 列的 m × n 个参数为 ( A1 , A2 , A3 ) 的该分布的随机数。例如:

(1) R = random('Normal',0,1,2,4): 生成期望为 0,标准差为 1 的(2 行 4 列)2× 4 个正态随机数

(2) R = random('Poisson',1:6,1,6): 依次生成参数为 1 到 6 的(1 行 6 列)6 个 Poisson 随机数

第二种方法是针对特殊的分布的语句:

一． 几何分布随机数 （下面的 P，m 都可以是矩阵）

R = geornd(P) （生成参数为 P 的几何随机数）

R = geornd(P,m) （生成参数为 P 的 × m 个几何随机数）

R = geornd(P,m,n) （生成参数为 P 的 m 行 n 列的 m × n 个几何随机数）

二．Beta 分布随机数

R = betarnd(A,B) （生成参数为 A,B 的 Beta 随机数）

R = betarnd(A,B,m) （生成 × m 个数为 A,B 的 Beta 随机数）

R = betarnd(A,B,m,n) （生成 m 行 n 列的 m × n 个数为 A,B 的 Beta 随机数）.

三．正态随机数

R = normrnd(MU，SIGMA) （生成均值为 MU，标准差为 SIGMA 的正态随机数）

R = normrnd(MU，SIGMA,m) （生成 1× m 个正态随机数）

R = normrnd(MU，SIGMA,m,n) （生成 m 行 n 列的 m × n 个正态随机数）

四．二项随机数

R = binornd(N,P) R = binornd(N,P,m) R = binornd(N,p,m,n)

五．自由度为 V 的 χ 2 随机数

R = chi2rnd(V) R = chi2rnd(V ,m) R = chi2rnd(V ,m,n)

六．期望为 MU 的指数随机数

R = exprnd(MU) R = exprnd(MU,m) R = exprnd(MU,m,n)

七．自由度为 V1， V2 的 F 分布随机数

R = frnd(V1，V2) R = frnd(V1， V2,m) R = frnd(V1，V2,m,n)

八． Γ ( A, λ ) 随机数

R = gamrnd（A,lambda） R = gamrnd（A,lambda,m) R = gamrnd（A,lambda,m,n)

九．超几何分布随机数

R = hygernd(N,K,M) R = hygernd(N,K,M,m) R = hygernd(N,K,M,m,n)

十．对数正态分布随机数

R = lognrnd(MU，SIGMA) R = lognrnd(MU，SIGMA,m) R = lognrnd(MU，SIGMA,m,n)

十一．负二项随机数

R = nbinrnd(r,p) R = nbinrnd(r,p,m) R = nbinrnd(r,p,m,n)

十二．Poisson 随机数

R = poissrnd(lambda) R = poissrnd(lambda,m) R = poissrnd(lambda,m,n)

十三．Rayleigh 随机数

R = raylrnd(B) R = raylrnd(B,m) R = raylrnd(B,m,n)

十四．V 个自由度的 t 分布的随机数

R = trnd(V) R = trnd(V,m) R = trnd(V,m,n)

十五．离散的均匀随机数

R = unidrnd(N) R = unidrnd(N,m) R = unidrnd(N,m,n)

十六．[A,B]上均匀随机数

R = unifrnd(A,B) R = unifrnd(A,B,m) R = unifrnd(A,B,m,n)

十七．Weibull 随机数

R = weibrnd(A,B) R = weibrnd(A,B,m) R = weibrnd(A,B,m,n)