La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Generación de números aleatorios

Semillas, distribuciones, algoritmos

Utilice las funciones rand, randn y randi para crear secuencias de números pseudoaleatorios y la función randperm para crear un vector de números enteros permutados de manera aleatoria. Use la función rng para controlar la capacidad de repetición de los resultados. Use la clase RandStream cuando necesite controlar de forma más avanzada la generación de números aleatorios.

Funciones

expandir todo

Crear valores aleatorios

`rand`	Uniformly distributed random numbers
`randn`	Normally distributed random numbers
`randi`	Uniformly distributed random integers
`randperm`	Permutación aleatoria de enteros

Definir parámetros del generador

`rng`	Controlar el generador de números aleatorios
`RandStream`	Random number stream

Temas

Generar números aleatorios

Crear arreglos de números aleatorios
Use rand, randi, randn y randperm para crear arreglos de números aleatorios.
Enteros aleatorios
Este ejemplo muestra cómo crear un arreglo de valores enteros aleatorios que se extraen de una distribución uniforme discreta en un conjunto específico de números.
¿Por qué se repiten números aleatorios después del inicio?
Evite la repetición de arreglos de números aleatorios al reiniciar MATLAB^®.
Sustituir sintaxis no recomendadas de rand y randn
Sustituir sintaxis no recomendadas de rand y randn.

Controlar la generación de números aleatorios

Controlar la generación de números aleatorios
En este ejemplo se muestra cómo usar la función rng, que controla la generación de números aleatorios.
Generar números aleatorios que sean repetibles
Este ejemplo muestra cómo repetir arreglos de números aleatorios especificando primero la semilla y el algoritmo generador. Cada vez que inicialice el generador con la misma semilla y algoritmo, siempre obtendrá el mismo resultado.
Generar números aleatorios que sean diferentes
Este ejemplo muestra cómo evitar repetir los mismos arreglos de números aleatorios al reiniciar MATLAB.

Controlar varias secuencias o subsecuencias

Gestionar la secuencia global con RandStream
En este ejemplo se muestra cómo utilizar la clase RandStream para controlar la generación de números aleatorios de la secuencia global.
Secuencias múltiples
Este ejemplo utiliza RandStream para crear secuencias múltiples de números aleatorios independientes.
Crear y controlar una secuencia de números aleatorios
Este ejemplo muestra cómo utilizar RandStream para crear secuencias y subsecuencias de números aleatorias.

Información relacionada

Ejemplos destacados

Números aleatorios dentro de un rango específico

Este ejemplo muestra cómo crear un arreglo de números de punto flotante aleatorios que se extraen de una distribución uniforme en el intervalo abierto (50,100).

Abrir script en vivo

Números aleatorios de distribución normal con promedio y varianza específicos

Este ejemplo muestra cómo crear un arreglo de números de punto flotante aleatorios que se extraen de una distribución normal con un promedio de 500 y una varianza de 25.

Abrir script en vivo

Números aleatorios dentro de una esfera

Este ejemplo muestra cómo crear puntos aleatorios dentro del volumen de una esfera, como describe Knuth [1]. La esfera de este ejemplo está centrada en el origen y tiene un radio de 3.

Abrir script en vivo

Random Numbers and Vectors from Multivariate Normal Distributions

Generate and visualize random numbers and vectors that are drawn from multivariate normal distributions. This example discusses the steps to generate and visualize random numbers and vectors that are drawn from univariate, bivariate, and trivariate normal distributions. The randn function generates random numbers from the standard normal distribution. To generate random numbers and vectors from a multivariate normal distribution with a specific mean and covariance, you can transform the data generated from the standard normal distribution. Starting from a $d$ -dimensional random variable $u = [u_{1}, u_{2}, . . ., u_{d}]$ that follows a normal distribution with zero mean and a unit covariance matrix, you can transform $u$ to $v = μ + u R$ . The variable $v$ follows the normal distribution with mean $μ$ and covariance matrix $Σ = R^{T} R$ . The covariance matrix $Σ$ is a symmetric and positive definite (nonsingular) matrix, which indicates that the multivariate normal distribution is also nondegenerate. Therefore, you can perform Cholesky decomposition on $Σ$ to obtain the upper triangular matrix $R$ . A multivariate normal distribution that is degenerate, where $Σ$ is not full rank (or singular), is beyond the scope of this example.

Abrir script en vivo