Matlab随机数产生的问题

Matlab随机数产生的问题

2009-02-13 08:13

这2天发现这个问题讨论较多，所以就搜索了一些资料。发现自己之前的理解有些很有问题，同时欢迎大家继续讨论。先澄清一下几个容易弄错的地方（也不一定全对）

（1）用计算机产生的是“伪随机数”。用投色子计数的方法产生真正的随机数 ,

但电脑若也这样做 , 将会占用大量内存 ; 用噪声发生器或放射性物质也可产生真正的随机数 , 但不可重复 . 而用数学方法产生最适合计算机 , 这就是周期有限 , 易重复的 ” 伪随机数 ”

（2）随机数的产生需要有一个随机的种子，因为用计算机产生的随机数是通过递推的方法得来的，必须有一个初始值。

（3）用同一台电脑，且在初始值和递推方法相同的情况下，可以产生相同的随机序列（由于以前每次使用randn或者rand得到都是不同值，所以曾经误以为相同的seed无法产生相同的序列）

[size=2][color=red][b]一 matlab里产生随机数的方法[/b][/color][/size]

matlab里和随机数有关的函数：

（1） rand：产生均值为0.5、幅度在0~1之间的伪随机数

（2） randn：产生均值为0、方差为1的高斯白噪声

（3） randperm(n):产生1到n的均匀分布随机序列

（4） normrnd(a,b,c,d)：产生均值为a、方差为b大小为cXd的随机矩阵

还有很多的扩展函数，不再一一列出。不过他们都调用的是rand或者randn函数，由此可见在matlab里rand和randn是产生随机数的关键所在。看来只有看他们的源文件了

function [varargout] = randn(varargin)

%%%help 文档的内容略去%%%

if nargout == 0

builtin('randn', varargin{:});

else

[varargout{1:nargout}] = builtin('randn', varargin{:});

end

从这里也看不出到底是怎么产生的，就只看到builtin。而builtin函数的源文件是这样的：

%BUILTIN Execute built-in function from overloaded method.

% BUILTIN is used in methods that overload built-in functions to execute

% the original built-in function. If F is a string containing the name

% of a built-in function then BUILTIN(F,x1,...,xn) evaluates that

% function at the given arguments.

%

% BUILTIN(...) is the same as FEVAL(...) except that it will call the

% original built-in version of the function even if an overloaded one

% exists (for this to work, you must never overload BUILTIN).

%

% [y1,..,yn] = BUILTIN(F,x1,...,xn) returns multiple output arguments.

%

% See also FEVAL.

% Copyright 1984-2002 The MathWorks, Inc.

% $Revision: 1.9 $ $Date: 2002/04/15 04:16:04 $

% Built-in function.

后来发现matlab基本函数的源文件都是这么一个结构

function [varargout] = functionname(varargin)

%%%help 文档的内容%%%

if nargout == 0

builtin('functionname', varargin{:});

else

[varargout{1:nargout}] = builtin('functionname', varargin{:});

end

其中一些是.m文件一些是.bi文件，数学里最基本的运算就是加减乘除（对于计算机来说就只有加法器和乘法器）。那么最简单的sin函数如何用四则运算求值？反正我搞不清楚，sin.m内容也是一个builtin函数。扯了这么多，只是为了说明在使用matlab基本函数的时候，很多情况下看源文件并不能知道其中具体用的是什么数值方法。

有了rand和randn就可以产生轻松产生均匀分布和正态分布的随机数了

（1）产生在[a,b]区间服从均匀分布随机序列的方法

(b-a)*rand(m,n)+a

>> 3*rand(2)+2

ans =

2.8166 2.0458

2.5964 4.2404

（2）产生服从正态分布的随机数

>> randn('state',2)

>> a=normrnd(0,1,1,6)

a =

1.7491 0.1326 0.3252 -0.7938 0.3149 -0.5273

>> randn('state',2)

>> b=randn(1,6)

b =

1.7491 0.1326 0.3252 -0.7938 0.3149 -0.5273

>> randn('state',2)

>> c=randn(2,3)

c =

1.7491 0.3252 0.3149

0.1326 -0.7938 -0.5273

>> d=randn(2,3)

d=

0.9323 -2.0457 1.7411

1.1647 -0.6444 0.4868

>> mean(a)

ans =

0.2001

>> randn(1,2)

ans =

1.0488 1.4886

>> randn(1,2)

ans =

1.2705 -1.8561

---------------------------

上边几个典型的例子可以看出：

（1）如果不设置种子，那么种子会“随机”变化。每次使用randn就会得到不同的结果（c和d）

（2）种子相同时可以得到相同的结果，如果是矩阵那么只是将产生的随机数按列重构（a、b、c）

（3）randn无法准确保证均值为0，小样本的时候尤为明显。去均值后可以严格保证均值为0，但是个人觉得意义不大。

（4）在不同的计算里得到的结果也可能有差别，特别是不同的操作系统。大家可以试一下这个语句

randn('state',2);randn(1,6)看看结果，我电脑每次都一样的

[size=2][color=red][b]二 编程产生随机数的方法[/b][/color][/size]

在使用rand和randn的时候，用的具体方法我一直没有找到。那么如果要自己编程该如何实现呢？由于我对这块也不熟悉，通过搜到的资料来看，相关的方法和研究文献应该相当的多。所以如果是做这方面的朋友可以多找找看，里边深层的东西还很多。这里给出2个链接，权做抛砖引玉。里边有不同随机序列的不同生成方法，我就不啰唆了，感兴趣的朋友自己去看。搞研究嘛，遇到问题，要多动手，多搜索。

[b][font=Arial][url=/user2/33128/archives/2006/][size=3][color=#800080]/user2/33128/archives/2006/[/color][/size][/url][/font][/b]

[b][font=Arial][size=3][color=#800080][url=/EmilMatthew/archive/2006/04/21/]/EmilMatthew/archive/2006/04/21/[/url][/color][/size][/font][/b]

最后欢迎各位版友发表自己的看法和问题，不讨论也就不容易发现问题和错误

[[i] 本帖最后由 eight 于 2007-9-5 15:02 编辑 [/i]]

不化顽石 发表于 2007-9-5 16:20

关于这个语句： randn('state',2);randn(1,6)

在我的电脑里面，也是一样的结果。

只要是输入“randn('state',j); randn(m,n)"

出来的结果一定是相同的。

j,m,n变成什么都一样。

但如果随后再生成一个randn(m,n)，而不重新设定seed，就是与第一个序列不同的了，不过同一个seed每次生成的第二个序列也都是一样的。

这大约说明randn的伪随机过程还是按照某种固定模式迭代的吧。

另外，关于花兄说的”去均值后可以严格保证均值为0，但是个人觉得意义不大。“我想补充一点：

我现在正在做的一个工作是与Monte Carlo Simulation相关的，它要求生成标准白噪声样本，是因为在随后的过程中，要用到“样本标准差为1”来进一步计算。

所以，如果在这种情况下严格地对已有序列标准化还是必须的，而不能完全相信randn函数，虽然它在方差上造成的偏差要远小于均值，然而不知道前面这一点小偏差在后面会造成什么结果。

[quote]原帖由 [i]不化顽石[/i] 于 2007-9-5 16:20 发表

[url=/forum/?goto=findpost&pid=274157&ptid=51318][img]/forum/images/common/[/img][/url]

关于这个语句： randn('state',2);randn(1,6)

在我的电脑里面，也是一样的结果。

只要是输入“randn('state',j); randn(m,n)"

出来的结果一定是相同的。

j,m,n变成什么都一样。

但如果随后再生成一个randn ... [/quote]

请你再试试，种子不同时。得到的结果肯定是不同的

>> randn('state',2);randn(1,6)

ans =

1.7491 0.1326 0.3252 -0.7938 0.3149 -0.5273

>> randn('state',3);randn(1,6)

ans =

0.9280 0.1733 -0.6916 -0.7230 -0.5744 -0.3077

随机数的产生就是根据种子（用来决定初始值），然后按照一定的规则外推。具体的方法有很多，可以看我附的链接。而randn用的是什么方法，我也弄不清楚，因为没法看到其真正的源文件

谢谢你的意见，这方面的资料应该是比较多的。你可以看看我在“[url=/forum/]高斯信号和非高斯信号[/url]”帖子里提到的那篇文章

另外，关于花兄你的那篇贴子，我有一点疑问，就是下面两句：

subplot(121),plot(y); %此处可以看到高斯白噪声的频谱还是白噪声

subplot(122),plot(real(Y)); %高斯函数的傅立叶变换还是高斯函数

这里是不是有点问题？按说频谱不是这么看的。

那个是有些不太准确，我已改过。用abs好些，不过结果基本是一样的。那个结论有严格的数学证明，可以推导出来的

另外，我对频谱其实了解也不多少，只是看到别人都是这么用的。你觉得应该怎么看频谱呢？

现在用得比较多的，其实是功率谱。

你所说的abs(Y)，应该是能量谱。

我是做大气的，接触小波分析要比纯粹的FFT多一些，在小波中，单看实部图或者虚部图，从原理上讲，都是不能反映出序列的振荡性质的。

当然这部分并不是我的方向，所以了解的也许不是很透彻，期待再交流。

rand产生的是0到1(不包括1)的随机数.

matlab的rand函数生的是伪随机数,即由种子递推出来的,相同的种子,生成相同的随机数.

matlab刚运行起来时,种子都为初始值,因此每次第一次执行rand得到的随机数都是相同的.

1.多次运行,生成相同的随机数方法:

用rand('state',S)设定种子

S为35阶向量，最简单的设为0就好

例:

rand('state',0);rand(10)

2. 任何生成相同的随机数方法:

试着产生和时间相关的随机数,种子与当前时间有关.

rand('state',sum(100*clock))

即:

rand('state',sum(100*clock)) ;rand(10)

只要执行rand('state',sum(100*clock)) ;的当前计算机时间不现,生成的随机值就不现.

也就是如果时间相同,生成的随机数还是会相同.

在你计算机速度足够快的情况下,试运行一下:

rand('state',sum(100*clock));A=rand(5,5);rand('state',sum(100*clock));B=rand(5,5);

A和B是相同.

所以建议再增加一个随机变量,变成:

rand('state',sum(100*clock)*rand(1));