MATLAB生成随机数的4种方法(均匀分布、指定区间、整数生成及正态分布)

在科学计算、数据分析、仿真模拟以及算法开发中，随机数的生成是极其基础且关键的一环。MATLAB作为一款强大的数学计算软件，内置了丰富且高效的随机数生成函数。无论是用于蒙特卡洛模拟、初始化神经网络权重，还是进行统计学实验，掌握随机数的生成方法都是MATLAB用户的必修课。本文将详细介绍MATLAB中生成随机数的四种核心方法，涵盖均匀分布、指定区间浮点数、随机整数以及正态分布随机数，帮助读者在实际应用中游刃有余。

一、生成[0, 1]区间均匀分布随机数：rand函数

rand函数是MATLAB中最基础的随机数生成器，它生成的是在开区间(0, 1)上服从均匀分布的伪随机数。这意味着生成的每个数值落在该区间内任意等长子区间的概率是相等的。

1. 基本语法与用法：

rand：返回一个0到1之间的随机标量。

rand(n)：返回一个n×n的随机矩阵。

rand(m, n)：返回一个m行n列的随机矩阵。

1. 应用场景：

该函数常用于生成概率值、归一化数据或作为其他复杂分布的基础。例如，在模拟抛硬币实验时，可以设定大于0.5为正面，小于0.5为反面。

二、生成指定区间[a, b]的随机浮点数

在实际工程中，我们往往不需要0到1之间的数，而是需要特定范围（如10到50）内的随机浮点数。虽然MATLAB没有直接提供名为rand_range的内置函数，但我们可以利用rand函数通过线性变换轻松实现。

1. 数学原理与公式：

要将(0, 1)区间的随机数映射到(a, b)区间，可以使用公式：

r = a + (b - a) .* rand(m, n);

其中，a是下限，b是上限，.*表示点乘（元素级乘法）。

1. 代码示例：

若要生成一个5×1的列向量，数值范围在[-5, 5]之间，代码如下：

data = -5 + (5 - (-5)) * rand(5, 1);

这种方法保证了数据在指定区间内均匀分布，且精度为双精度浮点数。

三、生成指定范围内的随机整数：randi函数

当应用场景涉及离散数据，如抽奖号码、数组随机索引或掷骰子时，我们需要的是整数而非浮点数。randi函数专门用于生成均匀分布的伪随机整数。

1. 核心语法：

randi(imax, n)：生成1到imax之间的n×n随机整数矩阵。

randi([imin, imax], m, n)：生成imin到imax之间的m行n列随机整数矩阵。

1. 注意事项：

与rand不同，randi生成的区间是闭区间，即包含边界值imin和imax。例如，randi([1, 6], 1, 10)可以模拟掷10次骰子的结果，结果中完全可能出现1或6。

四、生成正态分布随机数：randn函数

在统计学和自然科学中，正态分布（高斯分布）是最常见的分布形态。randn函数用于生成均值为0、方差为1的标准正态分布随机数。

1. 分布特性：

randn生成的数据约有68%落在[-1, 1]之间，95%落在[-2, 2]之间。其语法结构与rand完全一致，支持标量、矩阵及多维数组的生成。

1. 通用正态分布转换：

如果需要生成均值为μ、标准差为σ的任意正态分布数据，需对randn的结果进行线性变换：

x = mu + sigma * randn(m, n);

例如，模拟某班级身高（均值170cm，标准差10cm），代码为：height = 170 + 10 * randn(50, 1);。

MATLAB提供了强大且灵活的随机数生成体系。rand用于基础均匀分布，randi专攻离散整数，randn处理符合自然规律的正态分布，而通过线性变换则可自定义任意区间。掌握这四种方法，不仅能满足绝大多数科研与工程开发的需求，还能为算法的随机性与鲁棒性测试提供坚实的数据基础。在实际使用中，建议配合rng(seed)函数设置随机数种子，以确保实验结果的可复现性。

声明：所有来源为“聚合数据”的内容信息，未经本网许可，不得转载！如对内容有异议或投诉，请与我们联系。邮箱：marketing@think-land.com