主要内容

mvnrnd

多元正态随机数

描述

例子

R= mvnrnd (σn)返回一个矩阵Rn从相同的多变量正态分布中选择的随机载体,平均载体和协方差矩阵σ.有关更多信息,请参见多变量正态分布

例子

R= mvnrnd (σ)返回A.-经过-d矩阵R随机向量抽样单独的d- 多维多元正常分布,具有指定的手段和协方差σ, 分别。每一排R是一个多变量正常随机矢量。

例子

全部折叠

从相同的多元正态分布生成随机数。

定义σ,并生成100个随机数。

Mu = [2 3];Sigma = [1 1.5;1.5 3];rng ('默认')重复性的%R = mvnrnd(μ、σ,100);

画出随机数。

绘图(R(:,1),R(:,2),'+')

从五个不同的三维正态分布中随机抽样。

指定手段和协方差σ的分布。让所有的分布共享相同的协方差矩阵,但改变均值向量。

firstDim = (1:5) ';μ= repmat (firstDim, 1, 3)
穆=5×31 1 2 2 2 3 3 3 4 4 4 5 5 5
σ=眼睛(3)
西格玛=3×31 0 0 0 1 0 0 0 1

从五个分布中每一个随机抽样一次。

rng ('默认')重复性的%R = mvnrnd(μ、σ)
r =5×31.5377 -0.3077 -0.3499 3.8339 1.5664 5.0349 0.7412 3.3426 3.7254 4.8622 7.5784 3.9369 5.3188 7.7694 5.7147

策划的结果。

散射3(R(:,1),R(:,2),R(:,3))

输入参数

全部折叠

多元正常分布的手段,指定为a1-经过-d数值矢量或-经过-d数字矩阵。

  • 如果是一个矢量,然后mvnrnd复制向量以匹配尾随维度σ

  • 如果是一个矩阵,那么每一行呢是单一多元正态分布的均值向量。

数据类型:|

多变量正常分布的协方差,指定为ad-经过-d对称,正半定矩阵或ad-经过-d-经过-数字数组。

  • 如果σ是一个矩阵,然后mvnrnd复制矩阵以匹配行的数量

  • 如果σ是一个数组,那么每一页呢σσ(:,:,我),为单一多元正态分布的协方差矩阵,因此是对称的正半定矩阵。

如果协方差矩阵是对角线的,则沿着对角线和零考码的差异关闭,那么您也可以指定σ作为一个1-经过-d向量或一个1-经过-d-经过-数组包含对角线条目。

数据类型:|

多元随机数的个数,指定为一个正标量整数。n指定行的数量R

数据类型:|

输出参数

全部折叠

多变量正常随机数,作为以下内容之一返回:

  • -经过-d数字矩阵,其中d是指定的尺寸σ

  • n-经过-d数字矩阵,其中n指定的输入参数和d是指定的维度σ

如果是一个矩阵和σ是数组吗mvnrnd计算R(我,:)使用μ(我,:)σ(:,:,我)

更多关于

全部折叠

多变量正态分布

多元正态分布是将单变量正态分布推广为两个或多个变量。它有两个参数,一个均值向量μ.和协方差矩阵σ.,类似于单变量正态分布的均值和方差参数。的对角线元素σ.包含每个变量的方差和非对角元素σ.包含变量之间的协方差。

的概率密度函数(pdf)d-维多元正态分布为

y f x μ. σ. ) 1 | σ. | (2 π ) d 经验值 1 2 x - μ. ) σ. -1 x - μ. )' )

在哪里xμ.1 -d向量和σ.是一个d-经过-d对称的,正定的矩阵。仅有的mvnrnd允许半正定σ.矩阵,可以是奇异的。当时,pdf不能具有相同的表单σ.是单数。

多元累积分布函数(CDF)评估x是随机向量的概率吗v,作为多元正态分布,位于半无限矩形内,其上界定义为x

公关 v 1 ) x 1 ) v 2 ) x 2 ) ... v d ) x d )

虽然多元正态cdf没有封闭形式,mvncdf可以数值计算CDF值。

尖端

  • mvnrnd要求矩阵σ是对称的。如果σ只有轻微的不对称,可以用吗(σ+σ”)/ 2而是解决不对称。

  • 在一维情况下,σ是方差,不是标准差。例如,mvnrnd (0, 4)是相同的normrnd (0, 2),在那里4是方差和2是标准差。

参考

[1] Kotz,S.,N. Balakrishnan和N. L. Johnson。连续多元分布:第1卷:模型和应用。第二版。纽约:约翰·威利父子公司,2000。

扩展功能

在R2006A之前介绍