如何使用MATLAB以一定概率随机输出数据

rand（[m n]） 在 m 行和 n 列 （0,1） 的范围内生成均匀分布的伪随机数源。

如果需要在区间 （a， b） r = a + b-a 内产生均匀分布的随机数）。*rand([m n]))

用于生成随机整数的 MATLAB 方法：

1. 生成 10-0 之间的随机整数 5.

在 MATLAB 主窗口中，输入 round（rand（1,10）*5） Enter。

2. 生成 1 个随机整数，命令 round（rand（1,1）*5） 输入 3，生成 -5-4 之间的 10 个随机整数。

在 MATLAB 主窗口中，输入 round（rand（1,10）*9）-5 Enter。

首先，MATLAB自带了许多函数，这些函数可以生成满足一定分布的随机数，例如：

RND：服从 0 1 U（0,1） 的均匀分布。

randn：服从标准正态分布 n（0,1）。

exprnd（mu）：遵循参数为 mu 的指数分布。

等等，这些都是最基本的。

如果要生成上述以外的随机数，则需要进行严格的数学推导，并使用这些分布来构造它们，例如a+b*randn是服从n（a，b），可以在概率论书籍中找到。 如果不能推导，也可以使用大数定律生成，大数定律是一种从一组随机数中确定随机数的方法。

真正的抄袭。

随机数只能通过硬件来实现。

目前，软件已经实现的都是伪随机数。

真随机数是由现实世界中的随机物理事件产生的，如放射性物质随机数发生器是某种放射性物质发射的粒子数得到的随机数，而随机数是通过电路产生的高频噪声得到的。 您不能为每台 PC 购买硬件随机数生成器。

出于这个原因，出现了使用软件方法生成随机数的算法。 软件方法生成的随机数是伪随机数，因为它们不是真正的随机数。

所谓伪随机数，就是找一组巨大的数，这组数的出现符合一定的概率分布，这组数就可以通过相应的随机性测试，这样我们就可以用这组数来凑合着用实数随机数的“替换”来应用。 MATLAB默认使用的随机数生成算法Mersenne Twister是目前很好的伪随机数生成算法，可以满足蒙特卡罗模拟等多种场合的应用。

简而言之，在MATLAB中不可能生成非伪随机数，即真随机数。

生成的元素是介于 0 和 1 之间的 n 维平方，以 n=5 为例，并在 MATLAB 主窗口中输入它们。

a=rand（5），按回车键，出现以下结果：

得到的矩阵是一个 5*5 的正方形，矩阵的元素是介于 0-1 之间的随机数。

生成的元素是介于 0 和 8 之间的 n 维正方形，以 n=5 为例，并在 MATLAB 主窗口中输入它们。

b=round（8*rand（5）），按回车键，出现以下结果：

得到的矩阵 b 是一个 5*5 维的方阵，矩阵的元素是介于 0 和 8 之间的整数。

生成一个元素在0到8之间的M*N维矩阵，以m=4，n=6为例，在MATLAB主窗口输入c=round（8*rand（4,6）），按Enter键，出现如下结果：

生成的矩阵是一个具有 4 行和 6 列的矩阵，矩阵的元素是介于 0 和 8 之间的整数。

生成一个元素在 1 到 8 之间的 n 维行向量，以 n=9 为例，在 MATLAB 主窗口中输入。

d=1+round（7*rand（1,9）），按回车键，出现以下结果：

生成的是 9 个元素的行向量，元素范围为 1-8。

生成一个元素在 1 到 8 之间的 M 维行向量，以 m=9 为例，在 MATLAB 主窗口中输入。

e=1+round（7*rand（9,1）），按回车键，出现以下结果：

生成的列向量是一个 9 元素列，其元素范围为 1-8。

如果上述经验有用，请点击下面的有用按钮来支持我的工作！