Готовы ли вы отправиться в захватывающее путешествие в мир случайности в MATLAB? Пристегнитесь, потому что мы собираемся погрузиться в мир, полный шансов, вероятностей и захватывающих примеров кода! В этой статье блога мы рассмотрим различные методы генерации случайных чисел, создания случайных последовательностей и раскрытия силы случайности в ваших проектах MATLAB. Итак, начнем!

Метод 1: rand() — классический генератор случайных чисел
Функция rand() — это классическая функция MATLAB, генерирующая равномерно распределенные случайные числа от 0 до 1. Хотите сгенерировать случайное число? Простой! Просто введите:

randomNumber = rand();

Метод 2: randi() — генерация случайных целых чисел
Если вам нужны случайные целые числа вместо десятичных значений, функция randi() — ваш идеальный инструмент. Вы можете указать диапазон и размер генерируемых случайных целых чисел:

randomInt = randi([1, 100], 1, 10); % Generates 10 random integers between 1 and 100

Метод 3: randn() – гауссовские случайные числа
Ищете случайные числа, соответствующие гауссовскому (нормальному) распределению? Функция randn() поможет вам. Он генерирует случайные числа со средним значением 0 и стандартным отклонением 1:

gaussianRandom = randn(1, 100); % Generates an array of 100 Gaussian random numbers

Метод 4: случайные последовательности с помощью randperm()
Иногда вам нужно перетасовать последовательность случайным образом. Функция randperm() идеально подходит для этой задачи. Он генерирует случайную перестановку целых чисел в указанном диапазоне:

randomSequence = randperm(10); % Generates a random sequence of numbers from 1 to 10

Метод 5: Моделирование Монте-Карло
Моделирование Монте-Карло широко используется для вероятностного моделирования и статистического анализа. MATLAB предоставляет мощную основу для моделирования Монте-Карло. Предположим, вы хотите оценить значение π, используя метод Монте-Карло:

nPoints = 1000000; % Number of random points to generate
x = rand(nPoints, 1);
y = rand(nPoints, 1);
distance = sqrt(x.^2 + y.^2);
pointsInsideCircle = distance <= 1;
estimatedPi = 4 * sum(pointsInsideCircle) / nPoints;

Метод 6: пользовательское распределение вероятностей с помощью функции random()
Нужно генерировать случайные числа из пользовательского распределения вероятностей? Функция random() позволяет вам определить собственное распределение вероятностей с помощью объектов распределения вероятностей (PDTools) в MATLAB. Вот пример генерации случайных чисел из усеченного нормального распределения:

pd = makedist('Normal', 'mu', 2, 'sigma', 1);
truncatedRandom = random(truncate(pd, 1, 3), 1, 10);

Теперь, когда вы изучили эти захватывающие методы использования случайности в MATLAB, вы можете открыть целый мир возможностей в различных областях, таких как статистический анализ, моделирование и тестирование алгоритмов. Осознайте силу случая, и пусть случайность станет вашим союзником в ваших приключениях в MATLAB!