randn -正态分布的随机数语法： X=randn返回从标准正态分布得出的随机标量。
【例】:
x=randn(n )返回由正态分布的随机数构成的nn矩阵。
【例】:
随机降至-3 ~ 3的概率为99.6%
x=randn(sz1，…，szN )返回由随机数组成的sz1…szN数组。 其中，SZ1、…、szN表示每个维的大小。 例如，randn (3，4 )返回34的矩阵。
【例】:
x=randn(sz )返回大小向量SZ定义size ) x的随机数数组。 例如，randn([3 )返回34的矩阵。
【例】:
x=randn(__，typename )返回由typename数据类型的随机数组成的数组。 类型名称输入可以是“‘single”或“‘double”。 可以使用上述语法的输入参数。
【例】{
x=randn(__，‘like’，p )返回由p等随机数构成的数组； 也就是说，它是与p相同的对象类型。 可以指定typename或“‘like”，但不能同时指定两者
【未实验】
扩展APP应用程序生成相同的随机数
利用rng (控制随机数生成函数)获得当前生成的随机数种子，然后利用该种子重新获得随机数据
【例】:
生成特定方差和平均随机数
x=Randn(SZ ) sqrt )^2) u
这里，sz是矩阵维，^2是方差，u是平均)
【例】:矩阵大小： [ 3，4 ]，方差为0.01，平均为4
随机数降至(3.7~4.3 )的概率为99.6%
【例】:矩阵大小： [ 10，10 ]，方差为16，平均为2
随机数分布在-10 ~14间概率为99.6%
【以上例子作为样品补充】
一元正态分布的密度函数如下
标准差(sigma ) :又称形状参数，标准差越大，离散度越大，曲线图越平缓，反之曲线图越陡，数据越集中，越接近均值
方差=标准差^2:
标准正太分布：即方差为1，平均(期望)为0
x=0时，峰值~=0.4
其中，
u是平均值，也称为位置参数，可以理解为正太分布曲线的对称轴
n是样本总数
(详情请参考概率论标准偏差、方差、平均值)
p(u-=x=u)=0.682
p(u-2=x=u2)=0.954
p(u-3=x=u3)=0.996
在上述例子中，[ 10，10 ]，100个随机发生，方差为16，标准偏差为4，平均值为2，落在-10 ~14之间的概率为99.6%
使用中利用自己需要的数据范围设定对应平均值和方差即可。