matlab仿真随机数的产生

概率论和数理统计实验（matlab中实现）

一.伯努利分布

R=binornd(N,P); //N,P为二次分布的俩个参数，返回服从参数为N,P的二项分布的随机数，且N,P,R的形式相同。

R=binornd(N,P,m); //m是一个1*2向量，它为指定的随机数的个数，其中N,P分别代表返回值R中行与列的维数；

R=binornd(N,P,m,n); //m,n分别表示R的行数与列数；

例：一个射击手进行射击比赛，假设每枪射击命中率为0.45，每枪射击10次，共进行10万轮，就可以用matlab去仿真该实验的可能情况。

编写代码如下：

x=binornd(10,0.45,100000,1);
hist(x,11)

结果如图[射击结果直方图]

从上图可以看出，该射击员每轮最有可能命中4环。

二.泊松分布随机数

y=poisspdf(x,lambda); 求取参数为Lambda的泊松分布的概率密度函数值。

我要观察取不同的Lanbda值，使用poisspdf函数绘出来的泊松分布概率密度图像。（分别取2.5,5，10）

在matlab中编程

x=0:20;
y1=poisspdf(x,2.5);
y2=poisspdf(x,5);
y3=poisspdf(x,10);
hold on
plot(x,y1,':r*')
plot(x,y2,':b*')
plot(x,y3,':g*')
hold off

三.均匀分布随机数

1.R=unifrnd(A,B): 生成被A和B指定上下端点【A,B】的连续均匀分布的随机数组R.

2.R=unifrnd(A,B，m,n,…): 返回mn……数组.

a=0;
b=1:5;
r1=unifrnd(a,b)

r1 =

0.5799    0.2172    2.6572    3.2917    3.7076

四.正态分布随机数

R=normrnd(mu,sigma);返回均值为mu，标准差为sigma的正态分布的随机数据。

R=normrnd(mu,sigma，m,n,…);m,n分布表示R的行数与列数。

如果要得到mu=10，sigma=0.4的2行4列个正态随机数，可以在MATLAB命令行窗口输入代码：

R=normrnd(10,0.4,2,4)

R =

9.7923   10.1380   10.5178    9.5354
9.9844    9.6784    9.2855    9.9237

>> R=normrnd(10,0.4,2,4)

R =

9.7484   10.3920   10.1876   10.4871
10.1456   10.3034    9.5257   10.1286

>> R=normrnd(10,0.4,2,4)

R =

10.3718   10.2499    9.9566    9.9542
9.9151   10.1271    9.9685   10.1344

因为这样的矩阵有很多，本人在此只做了三组实验。

由于本人能力有限，编写过程中可能存在不足之处，望大家海涵~~~~

谢谢大家

原文地址：https://www.cnblogs.com/qw-blog/p/12343928.html