怎么将有一定概率的数据用MATLAB随机输出

怎么将有一定概率的数据用MATLAB随机输出
怎么将有一定概率的数据用MATLAB随机输出

怎么将有一定概率的数据用MATLAB随机输出
用Matlab,回归分析
yd=[95 85 96]';
xa=[95 94 89]';
xb=[82 85 71]';
xc=[72 90 77]';
x=[ones(3,1),xa,xb,xc];
[b,bint,r,rint,stats]=regress(yd,x,0.05);
b
stats
以上是程序,你找个电脑黏贴运行下就可以了.
注意那十六个数据构成的四个矩阵后面都有个',表示转置,可不能漏了哦
.
运行结果应该是：
b=
xxxx
xxxx
xxxx
xxxx
这四个数分别记为b[0],b[1],b[2],b[3]
那么 其中yd关于xa,xb,xc的线性方程就是：
yd=b[0]+b[1]*xa+b[2]*xb+b[3]*xc
stats= xxxx xxxx xxxx(有的Matlab可能会输出四个来）,第一个为R^2,要尽可能的趋向1（其中R是相关系数）；第二个为F统计量值,应该尽可能的大；第三个为与统计量F对应的概率p,应该尽可能的趋向0；以上三个都符合要求的话,就说明回归有效.
.
我电脑前面重装了次系统,现在也没装Matlab了,结果我暂时没法运行,所以你自己去运行了.但程序是不会错的,因为我以前就搞过这个

Matlab(mathworks.com) 随机数生成方法：
第一种方法是用 random 语句，其一般形式为
y = random('分布的英文名',A1,A2,A3,m,n)，
表示生成 m 行 n 列的 m × n 个参数为 ( A1 , A2 , A3 ) 的该分布的随机数。例如:
(1) R = random('N...

全部展开

Matlab(mathworks.com) 随机数生成方法：
第一种方法是用 random 语句，其一般形式为
y = random('分布的英文名',A1,A2,A3,m,n)，
表示生成 m 行 n 列的 m × n 个参数为 ( A1 , A2 , A3 ) 的该分布的随机数。例如:
(1) R = random('Normal',0,1,2,4): 生成期望为 0,标准差为 1 的(2 行 4 列)2× 4 个正态随机数
(2) R = random('Poisson',1:6,1,6): 依次生成参数为 1 到 6 的(1 行 6 列)6 个 Poisson 随机数
第二种方法是针对特殊的分布的语句：
一． 几何分布随机数 （下面的 P，m 都可以是矩阵）
R = geornd(P) （生成参数为 P 的几何随机数）
R = geornd(P,m) （生成参数为 P 的 × m 个几何随机数）
1
R = geornd(P,m,n) （生成参数为 P 的 m 行 n 列的 m × n 个几何随机数）
例如
(1) R = geornd(1./ 2.^(1:6)) ( 生成参数依次为 1/2,1/2^2,到 1/2^6 的 6 个几何随机数)
(2) R = geornd(0.01,[1 5]) (生成参数为 0.01 的（1行5列）5 个几何随机数).
二．Beta 分布随机数
R = betarnd(A,B) （生成参数为 A,B 的 Beta 随机数）
R = betarnd(A,B,m) （生成 × m 个数为 A,B 的 Beta 随机数）
1
R = betarnd(A,B,m,n) （生成 m 行 n 列的 m × n 个数为 A,B 的 Beta 随机数）.
三．正态随机数
R = normrnd(MU，SIGMA) （生成均值为 MU，标准差为 SIGMA 的正态随机数）
R = normrnd(MU，SIGMA,m) （生成 1× m 个正态随机数）

R = normrnd(MU，SIGMA,m,n) （生成 m 行 n 列的 m × n 个正态随机数）
例如
(1) R = normrnd(0,1,[1 5]) 生成 5 个正态(0,1) 随机数

(2) R = normrnd([1 2 3;4 5 6],0.1,2,3) 生成期望依次为[1,2,3;4,5,6], 方差为 0.1 的 2× 3 个正态随机数．
四．二项随机数：类似地有
R = binornd(N,P) R = binornd(N,P,m) R = binornd(N,p,m,n)
例如
n = 10:10:60; r1 = binornd(n,1./n) 或 r2 = binornd(n,1./n,[1 6]) （都生成参数分别为
1 1 ), L, ( 60, ) 的6个二项随机数．
(10,
10 60
五．自由度为 V 的 χ 2 随机数：
R = chi2rnd(V) R = chi2rnd(V R = chi2rnd(V
,m) ,m,n)
六．期望为 MU 的指数随机数（即 Exp 随机数）：
1
MU
R = exprnd(MU) R = exprnd(MU,m) R = exprnd(MU,m,n)
七．自由度为 V1， V2 的 F 分布随机数：
R = frnd(V1，V2) R = frnd(V1， V2,m) R = frnd(V1，V2,m,n)
八． Γ ( A, λ ) 随机数：
R = gamrnd（A,lambda） R = gamrnd（A,lambda,m) R = gamrnd（A,lambda,m,n)
九．超几何分布随机数：
R = hygernd(N,K,M) R = hygernd(N,K,M,m) R = hygernd(N,K,M,m,n)
十．对数正态分布随机数
R = lognrnd(MU，SIGMA) R = lognrnd(MU，SIGMA,m) R = lognrnd(MU，SIGMA,m,n)
十一．负二项随机数：
R = nbinrnd(r,p) R = nbinrnd(r,p,m) R = nbinrnd(r,p,m,n)
十二．Poisson 随机数：
R = poissrnd(lambda) R = poissrnd(lambda,m) R = poissrnd(lambda,m,n)
例如，以下 3 种表达有相同的含义：lambda = 2; R = poissrnd(lambda,1,10)
（或 R = poissrnd(lambda,[1 10]) 或 R = poissrnd(lambda(ones(1,10)))
十三．Rayleigh 随机数：
R = raylrnd(B) R = raylrnd(B,m) R = raylrnd(B,m,n)
十四．V 个自由度的 t 分布的随机数：
R = trnd(V) R = trnd(V,m) R = trnd(V,m,n)
42
十五．离散的均匀随机数：
R = unidrnd(N) R = unidrnd(N,m) R = unidrnd(N,m,n)
十六．[A,B] 上均匀随机数
R = unifrnd(A,B) R = unifrnd(A,B,m) R = unifrnd(A,B,m,n)
例如 unifrnd(0,1:6)与 unifrnd(0,1:6,[1 6]) 都依次生成[0,1] 到[0,6]的6个均匀随机数．:
十七．Weibull 随机数
R = weibrnd(A,B) R = weibrnd(A,B,m) R = weibrnd(A,B,m,n)

收起