應用matlab實現幾種常見概率分布隨機數的產生

2021-01-09 單調巷子

隨機數：是專門的隨機試驗的結果。在統計學的不同技術中需要使用隨機數，比如在從統計總體中抽取有代表性的樣本的時候，或者在將實驗動物分配到不同的試驗組的過程中，或者在進行蒙特卡羅模擬法計算的時候等等。

1.二項分布隨機數的產生

程序如下：

clear all;

clc

r=binornd(10,0.5) %在二項分布中n=10,p=0.5

R=binornd(10,0.5,3,4) %產生一個3*4的矩陣

運行結果：

R =

7 5 6 8

4 1 4 3

7 5 5 5

2.泊松分布隨機數的產生

程序如下：

clear all;

clc;

r=poissrnd(8) %泊松分布lamda=8

R=poissrnd(8,4,4) %產生一個4*4的矩陣

運行結果：

R =

11 7 11 8

4 3 4 5

11 13 5 9

9 11 8 11

3.指數分布隨機數的產生

程序如下：

clear all;

clc;

r=exprnd(10) %指數分布mu=8

R=exprnd(8,4,4) %產生一個4*4的矩陣

運行結果：

R =

2.2490 8.1904 2.8073 6.8583

11.3246 2.4485 6.5260 10.4667

6.5243 7.4369 31.4669 12.9942

2.9941 3.0452 8.8485 1.5708

4.連續型均勻分布隨機數的產生

程序如下：

clear all;

clc;

r=unifrnd(1,3) %連續型均勻分布

R1=unifrnd(1,3,[4 4]) %產生一個4*4的矩陣

R2=unifrnd(1,3,4,4)

運行結果：

r =2.1950

R1 =

1.6706 1.7192 1.8587 1.6350

1.5985 2.1166 1.2497 2.3074

1.9052 2.4851 1.0489 2.9139

1.8453 1.8487 1.5804 2.8715

R2 =

1.9158 2.4813 1.9265 1.3500

1.4810 2.4874 1.4243 1.3271

2.5278 1.2118 1.1970 2.3320

2.5187 2.3631 2.6471 2.7888

5.離散型均勻分布隨機數的產生

程序如下：

clear all;

clc;

r=unidrnd(10) %離散型均勻分布

R1=unidrnd(8,4,4) %產生一個4*4的矩陣

R2=unidrnd(8,[4,4])

運行結果：

r =1

R1 =

5 8 1 2

3 6 6 5

2 4 6 3

2 8 5 2

R2 =

2 1 2 1

8 4 1 8

1 1 3 3

2 8 4 36.正態分布隨機數的產生

程序如下：

clear all;

clc;

r=normrnd(0,1) %正態分布mu=0,sigma=1

R1=normrnd(0,1,[3,5]) %產生一個3*5的矩陣

R2=normrnd(2,4,[3,5])

運行結果：

r =-0.3712

R1 =

-0.7578 -0.5568 -0.1609 0.3173 -0.2132

-0.5640 -0.8951 0.4093 0.0780 -0.1345

0.5551 -0.4093 -0.9526 1.3244 -1.1714

R2 =

-3.5411 4.0150 2.4889 1.3500 -2.4810

3.2420 -1.5706 6.1881 4.7602 -4.1308

1.0020 9.6340 1.0923 4.2230 -2.3915

相關焦點

  • 2016考研數學:概率論之常見隨機變量分布總結
    原標題：2016考研數學：概率論之常見隨機變量分布總結 提到考研數學，很多同學都能想到高數和線代。其實概率論與數理統計也是數學一和數學三中的考查重點，而且往往是難點。同學們在學習概率的時候覺得有難度。
  • Java 生成隨機數的 5 種方式,你知道幾種?
    方法是 的，因此在多線程情況下，只有一個線程會負責創建偽隨機數生成器（使用當前時間作為種子），其他線程則利用該偽隨機數生成器產生隨機數。Java生成隨機數的幾種高級用法，這篇推薦看一下。 因此 方法是線程安全的。
  • Excel生成隨機數的技巧,隨機數發生器,你用過嗎
    商業分析中的很多應用要求從特定的概率分布中隨機抽樣。例如，在財務模型中，當銷售額、銷量增長幅度、運營支出和通貨膨脹因子等全都不確定時，我們可能對累積的貼現現金流的分布感興趣，而這一分布可以用概率分布來描述。那些決策模型的結果變量，是隨機輸入變量的複雜函數。要理解這些變量的概率分布，只有藉助所謂蒙特-卡羅方法的抽樣流程才能實現這一抽樣流程。
  • 必考知識點,CFA一級數量分析-常見概率分布-上
    在了解了概率的相關概念之後，我們這篇文章，將會來說說那些非常重要或者常見（很大程度上，因為常見所以重要）的概率分布，他們實際上代表了很多前輩為我們總結的客觀規律。有了前輩們的總結，我們想要造車，就不用去做炫酷的PPT了，哦不，是就不需要去重新造輪子了。那下面，我們就直接去把前輩們的輪子搬回自己家吧。
  • 隨機過程筆記(一)概率論複習(1)特殊分布
    其實隨機變量起到了「數化」概率空間的作用.均勻分布 這應該是最簡單的連續型隨機變量的分布了. 但他卻有著一些很重要的性質，例如(a) 產生beta分布. 考慮上拋一枚未知的硬幣，我們想計算其出現正面的概率.
  • 概率的意義:隨機世界與大數法則
    摘自：長江商業評論作者：黃文璋編者註："概率與我們的生活習習相關，因此若能善用概率，將有助於在隨機世界中，更精準地做決策。"◆ ◆ ◆概率的意義一骰子有6個面，一擲之下，會得到偶數之概率為何？骰子看起來沒有異樣，就假設每個面出現的概率皆相同，即均為1/6。而偶數面有2，4，及6等3個。因此所求之概率為3/6。
  • 淺談Java中的幾種隨機數
    眾所周知，隨機數是任何一種程式語言最基本的特徵之一。而生成隨機數的基本方式也是相同的：產生一個0到1之間的隨機數。看似簡單，但有時我們也會忽略了一些有趣的功能。我們從書本上學到什麼？，開發人員可以很容易發現，java.lang.Math.random()使用一個內部的隨機生成對象 - 一個很強大的對象可以靈活的隨機產生：布爾值、所有數字類型，甚至是高斯分布。
  • numpy產生隨機數匯總
    random()產生的隨機數的分布非均勻分布，numpy.random.rand()產生的隨機數的分布為均勻分布。np.random.random((3,3))  ##產生一個[0,1)之間的形狀為(3, 3)的數組。
  • Scipy_常見隨機分布
    pdf：概率密度函數pmf：離散變量質量函數cdf：累積分布函數sf：生存功能（1-CDF）ppf：百分比點函數（CDF的逆）isf：逆生存函數（SF的逆）統計信息：返回均值，方差，（費舍爾）偏度或（費舍爾）峰度矩：分布的非中心矩常見連續變量
  • 常見概率模型在金融市場中的應用
    概率模型簡介　　概率模型是一大類模型的統稱，是常規金融模型的概率化表達。通常概率模型會把常規金融模型中的某些參數看作是一個未知的概率分布，這個未知的分布通常會預先給定一個基本假設，即先驗概率，然後再根據具體的觀測數據去推斷或者逐步修正這些假設。一種比較常見的概率模型就是貝葉斯線性回歸模型，這類模型把線性回歸中的係數 和截距等參數作為未知的概率分布。
  • 數理統計與概率論及Python實現(4)—— 一維離散型隨機變量及其Python實現
    前面兩小節對隨機變量做了一個概述：數理統計與概率論及Python實現（1）——概率論中基本概念
  • 數據挖掘圖書:應用隨機過程:概率模型導論(第10版) [平裝]
    主要內容有隨機變量、條件期望、馬爾可夫鏈、指數分布、泊松過程、平穩過程、更新理論及排隊論等;也包括了隨機過程在物理、生物、運籌、網絡、遺傳、經濟、保險、金融及可靠性中的應用。特別是有關隨機模擬的內容，給隨機系統運行的模擬計算提供了有力的工具。本版還增加了不帶左跳的隨機徘徊和生滅排隊模型等內容。《應用隨機過程:概率模型導論(第10版)》約有700道習題，其中帶星號的習題還提供了解答。
  • 國際上首次成功實現器件無關的量子隨機數
    這項成果將在數值模擬和密碼學等領域得到廣泛應用，有望形成新的隨機數國際標準。 隨機數在科學研究和日常生活中都有著重要的應用：例如，天氣預報、新藥研發、新材料設計和核武器研製等領域，常常需要通過數值模擬進行計算，而數值模擬的關鍵就是要有大量隨機數的輸入；在遊戲和人工智慧等領域，需要使用隨機數來控制系統的演化；在通信安全和現代密碼學等領域，則需要第三方完全不知道的隨機數作為安全性的基礎。
  • 「策划進階」遊戲設計中常用的概率分布
    因此在遊戲設計中不能完全遵守某一種既定概率分布，需要對概率模型進行不斷的調試。本文就來介紹幾種常見的概率分布，及其在遊戲中的應用。本文偏數值理論，了解即可。2、泊松分布Poisson分布，是一種統計與概率論中常見的離散概率分布，由法國數學家Siméon-Denis Poisson在1838年發表。其適合於描述單位時間內隨機事件發生的次數的概率分布。
  • 詳解Python隨機數的生成
    ，比如密碼加鹽時會在原密碼上關聯一串隨機數，蒙特卡洛算法會通過隨機數採樣等等。Python內置的random模塊提供了生成隨機數的方法，使用這些方法時需要導入random模塊。下面介紹下Python內置的random模塊的幾種生成隨機數的方法。1、random.random()隨機生成 0 到 1 之間的浮點數[0.0, 1.0)。
  • 統計學入門級:常見概率分布+python繪製分布圖
    基本概念離散型隨機變量如果隨機變量X的所有取值都可以逐個列舉出來，則稱X為離散型隨機變量。相應的概率分布有二項分布，泊松分布。連續型隨機變量如果隨機變量X的所有取值無法逐個列舉出來，而是取數軸上某一區間內的任一點，則稱X為連續型隨機變量。
  • 推薦|數據分析師必須掌握的概率分布
    並且隨著孩子越來越多，幾乎不可能保證只生了4個男孩，其他都是女孩，畢竟單次生男孩的概率要大一些。正態分布（高斯分布）正態分布是最最最重要的分布之一，在數據分析領域也是最常見的分布之一。我們生活中很多常見現象都遵循正態分布，比如說收入分布，身高分布等等。
  • 常用概率分布——二項分布分布
    廢話不多說，除了最為常見的正態分布，今天我們來講講二項分布！
  • 通過實例理解如何選擇正確的概率分布
    概率分布是描述獲得事件可能值的數學函數。概率分布可以是離散的，也可以是連續的。離散分布是指數據只能取某些值，而連續分布是指數據可以取特定範圍內的任何值(可能是無限的)。離散概率分布有很多種。離散概率分布的使用取決於數據的屬性。
  • AP統計沒煩惱:解析最經典的三種概率分布|統計概率
    那麼到底有多少種100道題中猜對2道的情況呢？一共有種（這個叫做binomial coefficient，今天的重點不是這個，因此我們不過多做討論）。我們需要把剛才的在乘以種可能才可以得到答案。所以二項分布的概率見下圖：再給大家舉個例子。假設小明同學參加考試，10道題全都不會做。