اعداد رند در نمودار قیمت

ساخت وبلاگ

MATLAB از الگوریتم هایی برای تولید اعداد شبه تصادفی و شبه مستقل استفاده می کند. این اعداد به معنای ریاضی کاملاً تصادفی و مستقل نیستند، اما در آزمون های آماری مختلف تصادفی و مستقل گذرانده می شوند و محاسبه آنها می تواند برای اهداف آزمایشی یا تشخیصی تکرار شود.

توابع rand، randi، randn و randperm توابع اولیه برای ایجاد آرایه های اعداد تصادفی هستند. تابع g به شما اجازه می دهد تا دانه و الگوریتم تولید اعداد تصادفی را کنترل کنید.

توابع اعداد تصادفی

چهار تابع اعداد تصادفی اساسی وجود دارد: rand، randi، randn و randperm. تابع رند اعداد ممیز شناور بین 0 و 1 را که از یک توزیع یکنواخت گرفته شده اند برمی گرداند. مثلا:

g("پیش فرض") r1 = رند (1000, 1);

r1 یک بردار ستونی 1000 در 1 است که حاوی اعداد ممیز شناور واقعی است که از یک توزیع یکنواخت گرفته شده است. تمام مقادیر در r1 در بازه باز (0، 1) قرار دارند. هیستوگرام این مقادیر تقریباً مسطح است که نشان دهنده نمونه برداری نسبتاً یکنواختی از اعداد است.

تابع randi مقادیر صحیح دوتایی که از یک توزیع یکنواخت گسسته گرفته شده را برمی گرداند. مثلا،

r2 = randi(10, 1000, 1);

r2 یک بردار ستونی 1000 در 1 است که حاوی مقادیر صحیح است که از یک توزیع یکنواخت گسسته که محدوده آن در بازه نزدیک است [1، 10] گرفته شده است. هیستوگرام این مقادیر تقریباً مسطح است که نشان دهنده نمونه برداری نسبتاً یکنواختی از اعداد صحیح بین 1 تا 10 است.

تابع randn آرایه هایی از اعداد ممیز شناور واقعی را که از یک توزیع نرمال استاندارد گرفته شده اند، برمی گرداند. مثلا:

r3 = randn(1000, 1);

r3 یک بردار ستونی 1000 در 1 است که شامل اعدادی است که از توزیع نرمال استاندارد گرفته شده است. هیستوگرام r3 شبیه یک توزیع تقریباً نرمال است که میانگین آن 0 و انحراف معیار 1 است.

می توانید از تابع randperm برای ایجاد یک آرایه دوتایی از مقادیر صحیح تصادفی استفاده کنید که مقادیر تکراری ندارند. مثلا،

r4 = randperm(15, 5);

r4 یک آرایه 1 در 5 حاوی اعداد صحیح است که به طور تصادفی از محدوده [1، 15] انتخاب شده اند. برخلاف randi، که می تواند یک آرایه حاوی مقادیر تکراری را برگرداند، آرایه ای که توسط randperm برگردانده می شود، مقادیر تکراری ندارد.

فراخوانی های متوالی به هر یک از این توابع نتایج متفاوتی را نشان می دهد. این رفتار برای ایجاد چندین آرایه مختلف از مقادیر تصادفی مفید است.

مولد اعداد تصادفی

متلب چندین گزینه الگوریتم مولد ارائه می دهد که در جدول خلاصه شده است.

ارزش نام ژنراتور کلمه کلیدی ژنراتور
"پیچاننده" Mersee Twister (به طور پیش فرض در راه اندازی متلب استفاده می شود) mt19937ar
"simdTwister" SIMD-گرا Fast Mersee Twister dsfmt19937
"combRecursive" چند بازگشتی ترکیبی mrg32k3a
"مولتی فیبوناچی" فیبوناچی تاخیری ضربی mlfg6331_64
فیلوکس ژنراتور فیلوکس 4x32 با 10 دور philox4x32_10
"Threefry" ژنراتور Threefry 4x64 با 20 دور threefry4x64_20
'v4' ژنراتور قدیمی MATLAB نسخه 4. 0 mcg16807
'v5uniform' ژنراتور یکنواخت MATLAB قدیمی نسخه 5. 0 swb2712
'v5normal' ژنراتور معمولی MATLAB قدیمی نسخه 5. 0 shr3cong

از تابع g برای تنظیم seed و مولد استفاده شده توسط توابع rand، randi، randn و randperm استفاده کنید. به عنوان مثال، g(0،'twister') ژنراتور را به حالت پیش فرض خود بازنشانی می کند. برای جلوگیری از تکرار آرایه های اعداد تصادفی هنگام راه اندازی مجدد متلب، ببینید چرا اعداد تصادفی پس از راه اندازی تکرار می شوند؟

برای اطلاعات بیشتر در مورد کنترل وضعیت تولید کننده اعداد تصادفی برای تکرار محاسبات با استفاده از اعداد تصادفی یکسان، یا تضمین استفاده از اعداد تصادفی مختلف در محاسبات مکرر، به کنترل تولید اعداد تصادفی مراجعه کنید.

انواع داده های اعداد تصادفی

توابع rand و randn به طور پیش فرض مقادیر را با دقت مضاعف تولید می کنند.

g("پیش فرض") A = rand(1, 5); کلاس A)
پلتفرم های تجاری...
ما را در سایت پلتفرم های تجاری دنبال می کنید

برچسب : نویسنده : مریم کاویانی بازدید : <-PostHit-> تاريخ : سه شنبه 24 مرداد 1402 ساعت: 10:01