乱数発生器

シード、分布、アルゴリズム

関数 rand、randn、および randi を使用して疑似乱数のシーケンスを作成し、関数 randperm を使用してランダムに置換された整数のベクトルを作成します。結果の反復性を制御するには、関数 rng を使用します。乱数発生をより高度に制御する必要がある場合は、RandStream クラスを使用します。

関数

すべて展開する

乱数値の作成

`rand`	Uniformly distributed random numbers
`randn`	Normally distributed random numbers
`randi`	Uniformly distributed random integers
`randperm`	整数のランダム置換

発生器パラメーターの定義

`rng`	乱数発生器の制御
`RandStream`	乱数ストリーム

トピック

乱数発生

乱数配列の作成
rand、randi、randn および randperm を使用して、乱数配列を作成します。
ランダムな整数
この例では、特定の数値集合上の離散一様分布から得た整数値の乱数からなる配列を作成する方法を説明します。
起動後に乱数が繰り返される理由
MATLAB^® の再起動時に乱数配列の繰り返しを回避します。
rand と randn の非推奨構文の置換
rand と randn の非推奨構文を置換します。

乱数発生の制御

乱数発生器の制御
この例では、乱数発生器を制御する関数rngを使用する方法を示します。
再現可能な乱数の生成
この例では、最初に発生器のアルゴリズムとシードを指定することにより乱数の配列を繰り返し作成する方法を示します。毎回同じアルゴリズムとシードを使用して発生器を初期化することにより、常に同じ結果が得られます。
異なる乱数の生成
この例では、MATLAB を再起動した際に同じ乱数の配列が繰り返されないようにする方法を示します。

複数のストリームやサブストリームの制御

RandStream を使用したグローバルストリームの管理
この例では、RandStream クラスを使用して、グローバルストリームからの乱数発生を制御する方法を説明します。
複数のストリーム
この例では、RandStream を使用して複数の独立した乱数ストリームを作成します。
乱数ストリームの作成と管理
この例では、RandStream を使用して乱数ストリームとサブストリームを作成する方法を説明します。

注目の例

指定範囲内の乱数

この例では、開区間 (50, 100) の一様分布から得た浮動小数点数の乱数の配列を作成する方法を説明します。

ライブスクリプトを開く

指定の平均値と分散をもつ正規分布からの乱数

この例では、平均 500、分散 25 の正規分布から得た浮動小数点数の乱数からなる配列を作成する方法を示します。

ライブスクリプトを開く

球内の乱数

この例では、Knuth [1] の記述に従って、球内を範囲とする乱数の点を作成する方法を示します。この例の球の中心は原点で、半径は 3 です。

ライブスクリプトを開く

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 $d$ -dimensional random variable $u = [u_{1}, u_{2}, . . ., u_{d}]$ that follows a normal distribution with zero mean and a unit covariance matrix, you can transform $u$ to $v = μ + u R$ . The variable $v$ follows the normal distribution with mean $μ$ and covariance matrix $Σ = R^{T} R$ . The covariance matrix $Σ$ 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 $Σ$ to obtain the upper triangular matrix $R$ . A multivariate normal distribution that is degenerate, where $Σ$ is not full rank (or singular), is beyond the scope of this example.

ライブスクリプトを開く