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。