[英]Creating Gaussian random variable with MATLAB
通过使用randn
函数,我想创建一个高斯随机变量X
,使得X ~ N(2,4)
并将该模拟PDF与理论曲线一起绘制。
Matlab randn
从正态分布生成实现,其randn
为零,标准差为1.可以通过以下方式简单地生成来自任何其他正态分布的样本:
numSamples = 1000;
mu = 2;
sigma = 4;
samples = mu + sigma.*randn(numSamples, 1);
您可以通过绘制直方图来验证这一点:
figure;hist(samples(:));
请参阅matlab帮助 。
N = 1000;
x = [-20:20];
samples = 2 + 4*randn(N, 1);
ySamples = histc(samples,x) / N;
yTheoretical = pdf('norm', x, 2, 4);
plot(x, yTheoretical, x, ySamples)
randn(N, 1)
创建一个N
-by-1向量。
histc
是x
给出的bin的直方图计数 - 你可以使用hist
来立即绘制结果,但是在这里我们要将它除以N
pdf
包含许多有用的PDF,正常只是一个例子。
记住这个:X~N(平均值,方差)
matlab中的randn产生具有零均值和单位方差的正态分布随机变量W. 要将均值和方差更改为随机变量X(使用自定义均值和方差),请遵循以下等式:X = mean + standard_deviation * W请注意,standard_deviation是方差的平方根。
N = 1000;
x = [-20:20];
samples = 2 + sqrt(4)*randn(N, 1);
ySamples = histc(samples,x) / N;
yTheoretical = pdf('norm', x, 2, sqrt(4)); %put std_deviation not variance
plot(x, yTheoretical, x, ySamples)
使用一行代码实现此目的的快速简便方法是使用:
mu = 2;
sigma = 2;
samples = normrnd(mu,sigma,M,N);
这将生成从N(μ,𝜎)
采样的M × N(μ,𝜎)
矩阵, = N(2,2)
在该特定情况下= N(2,2)
)。 有关其他信息,请参阅normrnd
。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.