Contenuto principale

randn

R2026b

Numeri casuali distribuiti normalmente

Descrizione

X = randn restituisce uno scalare casuale estratto dalla distribuzione normale standard.

X = randn(n) restituisce una matrice n x n di numeri casuali distribuiti normalmente.

esempio

X = randn(sz1,...,szN) restituisce un array sz1 x...x szN di numeri casuali dove sz1,...,szN indicano la grandezza di ciascuna dimensione. Ad esempio, randn(3,4) restituisce una matrice 3x4.

esempio

X = randn(sz) restituisce un array di numeri casuali dove il vettore di dimensione sz definisce size(X). Ad esempio, randn([3 4]) restituisce una matrice 3x4.

esempio

X = randn(___,typename) restituisce un array di numeri casuali del tipo di dati typename. L’input typename può essere "single" o "double". È possibile utilizzare uno qualsiasi degli argomenti di input nelle sintassi precedenti.

esempio

X = randn(___,like=p) restituisce un array di numeri casuali come p; ossia, dello stesso tipo di dati e della stessa complessità (reale o complessa) di p. È possibile specificare typename o like, ma non entrambi.

esempio

X = randn(s,___) genera numeri dal flusso di numeri casuali s anziché dal flusso globale predefinito. Per creare un flusso, utilizzare RandStream. È possibile specificare s seguito da una qualsiasi combinazione di argomenti di input nelle sintassi precedenti.

Esempi

comprimi tutto

Generare una matrice 5x5 di numeri casuali distribuiti normalmente.

r = randn(5)
r = 5×5

    0.5377   -1.3077   -1.3499   -0.2050    0.6715
    1.8339   -0.4336    3.0349   -0.1241   -1.2075
   -2.2588    0.3426    0.7254    1.4897    0.7172
    0.8622    3.5784   -0.0631    1.4090    1.6302
    0.3188    2.7694    0.7147    1.4172    0.4889

Generare valori da una distribuzione bivariata normale con un vettore medio e una matrice di covarianza specificati.

mu = [1 2];
sigma = [1 0.5; 0.5 2];
R = chol(sigma);
z = repmat(mu,10,1) + randn(10,2)*R
z = 10×2

    1.5377    0.4831
    2.8339    6.9318
   -1.2588    1.8302
    1.8622    2.3477
    1.3188    3.1049
   -0.3077    1.0750
    0.5664    1.6190
    1.3426    4.1420
    4.5784    5.6532
    3.7694    5.2595

Salvare lo stato attuale del generatore di numeri casuali e creare un vettore 1x5 di numeri casuali.

s = rng;
r = randn(1,5)
r = 1×5

    0.5377    1.8339   -2.2588    0.8622    0.3188

Ripristinare lo stato del generatore di numeri casuali su s, quindi creare un nuovo vettore 1x5 di numeri casuali. I valori sono uguali a quelli precedenti.

rng(s);
r1 = randn(1,5)
r1 = 1×5

    0.5377    1.8339   -2.2588    0.8622    0.3188

Creare un array 3x2x3 di numeri casuali.

X = randn([3,2,3])
X = 
X(:,:,1) =

    0.5377    0.8622
    1.8339    0.3188
   -2.2588   -1.3077


X(:,:,2) =

   -0.4336    2.7694
    0.3426   -1.3499
    3.5784    3.0349


X(:,:,3) =

    0.7254   -0.2050
   -0.0631   -0.1241
    0.7147    1.4897

Creare un vettore 1x4 di numeri casuali i cui elementi sono a precisione singola.

r = randn(1,4,"single")
r = 1×4 single row vector

    0.5377    1.8339   -2.2588    0.8622

class(r)
ans = 
'single'

Crea una matrice di numeri casuali distribuiti normalmente con la stessa grandezza di un array esistente.

A = [3 2; -2 1];
sz = size(A);
X = randn(sz)
X = 2×2

    0.5377   -2.2588
    1.8339    0.8622

È prassi comune combinare le due righe di codice precedenti in un'unica riga.

X = randn(size(A));

Creare una matrice 2x2 di numeri casuali a precisione singola.

p = single([3 2; -2 1]);

Creare un array di numeri casuali della stessa dimensione e dello stesso tipo di dati di p.

X = randn(size(p),like=p)
X = 2×2 single matrix

    0.5377   -2.2588
    1.8339    0.8622

class(X)
ans = 
'single'

Da R2022a

Generare 10 numeri complessi casuali dalla distribuzione normale complessa standard.

a = randn(10,1,like=1i)
a = 10×1 complex

   0.3802 + 1.2968i
  -1.5972 + 0.6096i
   0.2254 - 0.9247i
  -0.3066 + 0.2423i
   2.5303 + 1.9583i
  -0.9545 + 2.1460i
   0.5129 - 0.0446i
   0.5054 - 0.1449i
  -0.0878 + 1.0534i
   0.9963 + 1.0021i

Da R2022a

Per impostazione predefinita, randn(__,like=1i) genera numeri casuali dalla distribuzione normale complessa standard. Le parti reali e immaginarie sono variabili casuali indipendenti distribuite normalmente con media 0 e varianza 1/2. La matrice di covarianza di una variabile casuale bidimensionale z=[Re(z),Im(z)] è [1/2 0; 0 1/2]. Per mostrare questo comportamento predefinito, generare 50.000 numeri casuali utilizzando randn e calcolare la loro covarianza.

n = 50000;
z = randn(n,1,like=1i);
cov_z = cov(real(z),imag(z),1)
cov_z = 2×2

    0.4980    0.0007
    0.0007    0.4957

Per generare numeri casuali da una distribuzione normale complessa più generale con media e covarianza specifiche, trasformare i dati generati dalla distribuzione predefinita. Per una variabile casuale N-dimensionale z=[z1,z2,…,zN] che segue una distribuzione normale con media zero e matrice di covarianza unitaria, è possibile trasformare z in y=μ+zR. La variabile y segue la distribuzione normale con media μ e la matrice di covarianza σ=RTR che è simmetrica e definita positiva. Ad esempio, specificare la media come μ=1+2i e la matrice di covarianza come σ=[σxxσxyσyxσyy]=[2-2-24].

mu = 1 + 2i;
sigma = [2 -2; -2 4];

Eseguire la decomposizione di Cholesky della matrice di covarianza. Il risultato è una matrice triangolare superiore R tale che sigma = R'*R. Scalare i dati originali applicando anche un fattore di sqrt(2) perché la varianza delle parti reali e immaginarie nella distribuzione originale è 1/2. Quindi, spostare i dati scalati verso la media specificata.

R = chol(sigma);
z_scaled = sqrt(2)*[real(z) imag(z)]*R*[1; 1i];
y = mu + z_scaled;

Visualizzare i primi 10 numeri complessi generati.

y(1:10)
ans = 10×1 complex

   1.7604 + 3.8331i
  -2.1945 + 6.4138i
   1.4508 - 0.3002i
   0.3868 + 3.0977i
   6.0606 + 0.8560i
  -0.9090 + 8.2011i
   2.0259 + 0.8850i
   2.0108 + 0.6993i
   0.8244 + 4.2823i
   2.9927 + 2.0115i

Argomenti di input

comprimi tutto

Dimensione della matrice quadrata, specificata come valore intero.

  • Se n è 0, X è una matrice vuota.

  • Se n è negativo, viene trattato come 0.

Tipi di dati: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Grandezza di ciascuna dimensione, specificata come argomenti separati di valori interi.

  • Se la grandezza di qualsiasi dimensione è 0, X è un array vuoto.

  • Se la grandezza di qualsiasi dimensione è negativa, viene trattata come 0.

  • Oltre la seconda dimensione, randn ignora le dimensioni finali con grandezza pari a 1. Ad esempio, randn(3,1,1,1) produce un vettore 3x1 di numeri casuali.

Tipi di dati: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Grandezza di ciascuna dimensione, specificata come vettore riga di valori interi. Ciascun elemento di questo vettore indica la grandezza della dimensione corrispondente:

  • Se la grandezza di qualsiasi dimensione è 0, X è un array vuoto.

  • Se la grandezza di qualsiasi dimensione è negativa, viene trattata come 0.

  • Oltre la seconda dimensione, randn ignora le dimensioni finali con grandezza pari a 1. Ad esempio, randn([3 1 1 1]) produce un vettore 3x1 di numeri casuali.

Esempio sz = [2 3 4] crea un array 2x3x4.

Tipi di dati: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

Tipo di dati (classe) da creare, specificato come "double", "single" o il nome di un’altra classe che fornisce supporto randn.

Esempio randn(5,"single")

Prototipo di array da creare, specificato come un array numerico.

Esempio randn(5,like=p)

Tipi di dati: single | double
Supporto numeri complessi: Sì

Flusso di numeri casuali, specificato come oggetto RandStream.

Esempio s = RandStream("dsfmt19937"); randn(s,[3 1])

Argomenti di output

comprimi tutto

Array di output, restituito come scalare, vettore, matrice o array multidimensionale.

Ulteriori informazioni

comprimi tutto

Suggerimenti

  • La sequenza di numeri prodotta da randn è determinata dalle impostazioni interne del generatore di numeri pseudocasuali uniforme che è alla base di rand, randi, randn e randperm. È possibile controllare questo generatore condiviso utilizzando la funzione rng, che applica l'algoritmo di trasformazione normale predefinito per il generatore selezionato. Per un maggiore controllo sulla generazione di numeri casuali distribuiti normalmente, ad esempio per selezionare un diverso algoritmo di trasformazione normale, è possibile utilizzare un oggetto RandStream come flusso di numeri casuali per randn.

Funzionalità estese

espandi tutto

Cronologia versioni

Introduzione prima di R2006a

espandi tutto