随机数产生----服从均匀分布的随机变量随机数产生

离散型均匀分布Matlab相关随机函数

1. unidrnd(): 产生服从离散型随机均匀分布的随机数

代码语法：

1) r = unidrnd(n) % 产生小于等于n的离散型分布的随机数。n可以为标量，向量或矩阵，或者多维度的排列
2) r = unidrnd(n, sz1,sz2,...,szN)%产生维度为(sz1,sz2,...,szN)的小于等于n的离散型分布的随机数
3) r = unidrnd(n,sz)%产生维度为用sz行向量表示的维度的小于等于n的离散型分布的随机数

2. unidcdf(): 离散均匀分布累积分布函数
   代码语法：

1) p = unidcdf(x,N) % 返回任意以最大值为N的离散型均匀分布的任意数值x的累积概率
2) p = unidrnd(x,N,'upper')%返回从数值x起始到最大值的累积概率

3. unidpdf(): 离散均匀分布概率密度函数
   离散型的概率密度函数可表示为
   $y=f(x|N)=\frac{1}{N}{I}_{1,\dots ,N}(x)$

代码语法：

 Y = unidpdf(x,N) % 返回最大观测值为 N 时任意取值 x 的概率密度函数值。其中 x,N 可以为标量，矢量与矩阵。为非标量时需同维度。

4. unidinv(): 离散均匀分布累积分布函数的逆运算

代码语法：

 X = unidpdf(P,N) % 返回使得取值X的概率等于或超过概率P的最小X取值

5. unidstat():求离散型均匀分布的均值与方差

代码语法：

 [M,V] = unidstat(N) % 返回最大观测值为N的服从离散型均匀分布的均值与方差

信息查看：Statistics and Machine Learning Toolbox
相关随机模拟： help random

连续型均匀分布Matlab相关随机函数

rand():产生区间(0,1)内的随机数
X = randi(imax) 产生1到imax之间的一个伪随机整数

均匀分布理论概念

均匀分布分为离散型均匀分布与连续型均匀分布。

离散型均匀分布

概念

若随机变量具有 $n$ 个不同的值，且取得各个值的概率相同，则我们称之为离散型概率均匀分布。如投掷骰子。

定义

设离散随机变量 $X$ 可能的取值有 $1,2,3,\dots ,n$ 若其概率函数为
$$f(x)=\frac{1}{n}$$ 则此中概率分配称为离散型均匀分布

统计学性质

1. 均值。$E(X)=\frac{n+1}{2}$.
   $$\begin{array}{rl}E(X)& =\sum _{x=1}^{n}x\frac{1}{n}\\ & =\frac{1}{n}(1+2+\dots +n)\\ & =\frac{1}{n}\frac{n(n+1)}{2}\\ & =\frac{n+1}{2}\end{array}(1)$$.
2. 方差。$D(X)=\frac{n^2-1}{12}$
   $$\begin{array}{rl}D(X)& =E(X-E(X){)}^2\\ & =E(X^2-2XE(X)+(E(X){)}^2)\\ & =E(X^2)-(E(X){)}^2\end{array}$$.$$\begin{array}{rl}E(X^2)& =\sum _{x=1}^n{x}^2\ast \frac{1}{n}\\ & =\frac{n(n+1)(2n+1)}{6}\ast \frac{1}{n}\\ & =\frac{(n+1)(2n+1)}{6}\end{array}$$$$D(X)=\frac{n^2-1}{12}$$

连续型均匀分布

概念

任意一个数值散布于某区间 $(\alpha ,\beta )$ 内发生的概率一样时，称之为连续型均匀分布。

定义

设$X$ 为一随机数，若其概率密度函数为
$$f(x)=\{\begin{array}{l}\frac{1}{\beta -\alpha },\alpha <x<\beta \\ 0,otherwise\end{array}$$
则称变量 $X$ 为在区间 $(\alpha ,\beta )$ 内均匀分布的随机变量。可表示为 $X$~$U(\alpha ,\beta )$

统计学性质

1. 均值。 $E(X)=\frac{\alpha +\beta }{2}$
2. 方差。$D(X)=\frac{(\beta -\alpha {)}^2}{12}$

参考文献

https://wenku.so.com/d/fa4058ad45a44eb3ef1e3f9af3acbf99