Generazione di numeri casuali
R2026bUtilizzare le funzioni rand, randi, randn e randperm per generare numeri casuali da un flusso globale condiviso. Controllare il comportamento e la riproducibilità di questo flusso utilizzando la funzione rng. Per un controllo più avanzato dei flussi di numeri casuali, come la creazione di più flussi indipendenti o la scelta di algoritmi di trasformazione normali, utilizzare l'oggetto RandStream.
MATLAB fornisce diversi generatori di numeri pseudo-casuali che producono sequenze deterministiche di numeri che sembrano casuali. Dato lo stesso algoritmo del generatore e lo stesso seme, queste sequenze sono riproducibili. Sebbene i numeri delle sequenze non siano veramente casuali, superano i test statistici di casualità e soddisfano la condizione di indipendenza e identica distribuzione. Per questo motivo, i numeri generati dai generatori di numeri pseudo-casuali sono comunemente indicati come numeri casuali.
Funzioni
Argomenti
Generazione di numeri casuali
- Creazione di array di numeri casuali
Utilizzarerand,randi,randnerandpermper creare array di numeri casuali. - Numeri interi casuali
Questo esempio mostra come creare un array di valori interi casuali estratti da una distribuzione uniforme discreta su un insieme specifico di numeri. - Why Do Random Numbers Repeat After Startup?
Avoid repetition of random number arrays when MATLAB® restarts. - Replace Discouraged Syntaxes of rand and randn
Replace Discouraged Syntaxes ofrandandrandn.
Controllo della generazione di numeri casuali
- Control Random Number Generation
This example shows how to control random number generation using therngfunction. - Generate Random Numbers That Are Repeatable
This example shows how to repeat arrays of random numbers by specifying the generator algorithm and seed first. Every time you initialize the generator using the same algorithm and seed, you always get the same result. - Generate Random Numbers That Are Different
This example shows how to avoid repeating the same random number arrays when MATLAB restarts.
Controllo di più flussi o sottoflussi
- Managing the Global Stream Using RandStream
This example shows how to use theRandStreamclass to control random number generation from the global stream. - Multiple Streams
This example usesRandStreamto create multiple, independent random number streams. - Create and Control Random Number Streams
This example shows how to useRandStreamto create random number streams and substreams.
Informazioni complementari
Esempi in primo piano
Numeri casuali entro un intervallo specifico
Questo esempio mostra come creare un array di numeri casuali in virgola mobile estratti da una distribuzione uniforme nell'intervallo aperto (50,100).
Numeri casuali dalla distribuzione normale con media e varianza specifiche
Questo esempio mostra come creare un array di numeri casuali in virgola mobile estratti da una distribuzione normale con media 500 e varianza 25.
Random Numbers Within a Sphere
Create random points within the volume of a sphere, as described by Knuth [1]. The sphere in this example is centered at the origin and has a radius of 3.
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 -dimensional random variable that follows a normal distribution with zero mean and a unit covariance matrix, you can transform to . The variable follows the normal distribution with mean and covariance matrix . The covariance matrix 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 to obtain the upper triangular matrix . A multivariate normal distribution that is degenerate, where is not full rank (or singular), is beyond the scope of this example.
Risorse didattiche
Statistica descrittiva e distribuzioni di probabilità
Scoprire i concetti di statistica descrittiva e delle distribuzioni discrete e continue.
