random

난수

구문

R = random(name,A)

R = random(name,A,B)

R = random(name,A,B,C)

R = random(name,A,B,C,D)

R = random(pd)

R = random(___,sz1,...,szN)

R = random(___,sz)

설명

R = random(name,A)는 name과 분포 모수 A로 지정된 단일 모수 분포군에서 난수를 반환합니다.

R = random(name,A,B)는 name과 분포 모수 A 및 B로 지정된 2-모수 분포군에서 난수를 반환합니다.

R = random(name,A,B,C)는 name과 분포 모수 A, B, C로 지정된 3-모수 분포군에서 난수를 반환합니다.

R = random(name,A,B,C,D)는 name과 분포 모수 A, B, C, D로 지정된 4-모수 분포군에서 난수를 반환합니다.

R = random(pd)는 확률 분포 객체 pd에서 난수를 반환합니다.

R = random(___,sz1,...,szN)은 위에 열거된 구문의 입력 인수를 사용하여 지정된 확률 분포에서 난수로 구성된 배열을 생성하며, 여기서 sz1,...,szN은 각 차원의 크기를 나타냅니다.

R = random(___,sz)는 위에 열거된 구문의 입력 인수를 사용하여 지정된 확률 분포에서 난수로 구성된 배열을 생성하며, 여기서 벡터 sz는 size(r)을 지정합니다.

예제

분포 이름 및 모수를 지정하여 하나의 난수 생성하기

평균 $$\mu$$가 1이고 표준편차 $$\sigma$$가 5인 정규분포에서 하나의 난수를 생성합니다. 분포 이름 'Normal' 및 분포 모수를 지정합니다.

rng('default') % For reproducibility
mu = 1;
sigma = 5;
r = random('Normal',mu,sigma)

r = 3.6883

분포 객체를 사용하여 하나의 난수 생성하기

정규분포 객체를 만들고 이 객체를 사용하여 하나의 난수를 생성합니다.

평균 $$\mu$$가 1이고 표준편차 $$\sigma$$가 5인 정규분포 객체를 생성합니다.

mu = 1;
sigma = 5;
pd = makedist('Normal','mu',mu,'sigma',sigma);

분포에서 하나의 난수를 생성합니다.

rng('default') % For reproducibility
r = random(pd)

r = 3.6883

난수 생성기 재설정하기

난수 생성기의 현재 상태를 저장합니다. 그런 다음 사건 발생률 모수가 5인 푸아송 분포에서 난수를 생성합니다.

s = rng;
r = random('Poisson',5)

r = 5

난수 생성기의 상태를 s로 복원한 후 새 난수를 생성합니다. 값은 이전과 같습니다.

rng(s);
r1 = random('Poisson',5)

r1 = 5

기존 배열에서 크기 복제하기

기존 배열과 동일한 크기의, 난수로 구성된 행렬을 만듭니다. 형태 모수가 2와 0이고, 스케일 모수가 1이며, 위치 모수가 0인 안정분포를 사용합니다.

A = [3 2; -2 1];
sz = size(A);
R = random('Stable',2,0,1,0,sz)

R = 2×2

    0.7604   -3.1945
    2.5935    1.2193

위에 나와 있는 두 코드 라인을 하나의 라인으로 결합할 수 있습니다.

R = random('Stable',2,0,1,0,size(A))

R = 2×2

    0.4508   -0.6132
   -1.8494    0.4845

여러 난수 생성하기

디폴트 모수 값을 사용하여 베이불(Weibull) 확률 분포 객체를 생성합니다.

pd = makedist('Weibull')

pd = 
  WeibullDistribution

  Weibull distribution
    A = 1
    B = 1

분포에서 난수를 생성합니다.

rng('default')  % For reproducibility
r = random(pd,10000,1);

베이불 분포 피팅과 함께 100개의 Bin을 사용하여 히스토그램을 생성합니다.

histfit(r,100,'weibull')

난수로 구성된 다차원 배열 생성하기

표준 정규 확률 분포 객체를 만듭니다.

pd = makedist('Normal')

pd = 
  NormalDistribution

  Normal distribution
       mu = 0
    sigma = 1

분포에서 난수로 구성된 2×3×2 배열을 생성합니다.

r = random(pd,[2,3,2])

r = 
r(:,:,1) =

    0.5377   -2.2588    0.3188
    1.8339    0.8622   -1.3077


r(:,:,2) =

   -0.4336    3.5784   -1.3499
    0.3426    2.7694    3.0349

입력 인수

name — 확률 분포 이름

확률 분포 이름으로 구성된 문자형 벡터 또는 string형 스칼라

확률 분포 이름으로, 다음 표에 나와 있는 확률 분포 이름 중 하나로 지정됩니다.

name	분포	입력 모수 A	입력 모수 B	입력 모수 C	입력 모수 D
'Beta'	Beta Distribution	a 첫 번째 형태 모수	b 두 번째 형태 모수	—	—
'Binomial'	이항분포	n 시행 횟수	p 각 시행에 대한 성공 확률	—	—
'BirnbaumSaunders'	Birnbaum-Saunders Distribution	β 스케일 모수	γ 형태 모수	—	—
'Burr'	Burr Type XII Distribution	α 스케일 모수	c 첫 번째 형태 모수	k 두 번째 형태 모수	—
'Chisquare' 또는 'chi2'	카이제곱 분포	ν 자유도	—	—	—
'Exponential'	지수 분포	μ 평균	—	—	—
'Extreme Value' 또는 'ev'	Extreme Value Distribution	μ 위치 모수	σ 스케일 모수	—	—
'F'	F 분포	ν1 분자의 자유도	ν2 분모의 자유도	—	—
'Gamma'	감마 분포	a 형태 모수	b 스케일 모수	—	—
'Generalized Extreme Value' 또는 'gev'	Generalized Extreme Value Distribution	k 형태 모수	σ 스케일 모수	μ 위치 모수	—
'Generalized Pareto' 또는 'gp'	Generalized Pareto Distribution	k 꼬리 인덱스(형태) 모수	σ 스케일 모수	μ 분계점(위치) 모수	—
'Geometric'	Geometric Distribution	p 확률 모수	—	—	—
'Half Normal' 또는 'hn'	Half-Normal Distribution	μ 위치 모수	σ 스케일 모수	—	—
'Hypergeometric' 또는 'hyge'	Hypergeometric Distribution	m 모집단 크기	k 모집단에서 원하는 특성을 가진 항목 개수	n 추출된 표본 개수	—
'InverseGaussian'	역가우스 분포	μ 스케일 모수	λ 형태 모수	—	—
'Logistic'	로지스틱 분포	μ 평균	σ 스케일 모수	—	—
'LogLogistic'	Loglogistic Distribution	μ 로그 값의 평균	σ 로그 값의 스케일 모수	—	—
'LogNormal'	로그정규분포	μ 로그 값의 평균	σ 로그 값의 표준편차	—	—
'Pearson'	Pearson Distribution	μ 평균	σ 표준편차	γ 왜도	κ 첨도
'Nakagami'	나카가미(Nakagami) 분포	μ 형태 모수	ω 스케일 모수	—	—
'Negative Binomial' 또는 'nbin'	Negative Binomial Distribution	r 성공 횟수	p 단일 시행에서 성공할 확률	—	—
'Noncentral F' 또는 'ncf'	Noncentral F Distribution	ν1 분자의 자유도	ν2 분모의 자유도	δ 비중심성 모수	—
'Noncentral t' 또는 'nct'	Noncentral t Distribution	ν 자유도	δ 비중심성 모수	—	—
'Noncentral Chi-square' 또는 'ncx2'	Noncentral Chi-Square Distribution	ν 자유도	δ 비중심성 모수	—	—
'Normal'	정규분포	μ 평균	σ 표준편차	—	—
'Poisson'	푸아송 분포	λ 평균	—	—	—
'Rayleigh'	레일리(Rayleigh) 분포	b 스케일 모수	—	—	—
'Rician'	라이시안(Rician) 분포	s 비중심성 모수	σ 스케일 모수	—	—
'Stable'	Stable Distribution	α 첫 번째 형태 모수	β 두 번째 형태 모수	γ 스케일 모수	δ 위치 모수
'T'	스튜던트 t 분포	ν 자유도	—	—	—
'tLocationScale'	t Location-Scale Distribution	μ 위치 모수	σ 스케일 모수	ν 형태 모수	—
'Uniform'	균등분포(연속)	a 하한 끝점(최솟값)	b 상한 끝점(최댓값)	—	—
'Discrete Uniform' 또는 'unid'	균등분포(이산)	n 관측 가능 최댓값	—	—	—
'Weibull' 또는 'wbl'	베이불(Weibull) 분포	a 스케일 모수	b 형태 모수	—	—

예: 'Normal'

A — 첫 번째 확률 분포 모수

스칼라 값 | 스칼라 값으로 구성된 배열

첫 번째 확률 분포 모수로, 스칼라 값 또는 스칼라 값으로 구성된 배열로 지정됩니다.

입력 인수 A, B, C, D 중 하나 이상이 배열인 경우 배열 크기가 서로 같아야 합니다. 이 경우, random 함수가 각각의 스칼라 입력값을 배열 입력값과 동일한 크기의 상수 배열로 확장합니다. 각 분포에 대한 A, B, C, D의 정의는 name 항목을 참조하십시오.

데이터형: single | double

B — 두 번째 확률 분포 모수

스칼라 값 | 스칼라 값으로 구성된 배열

두 번째 확률 분포 모수로, 스칼라 값 또는 스칼라 값으로 구성된 배열로 지정됩니다.

입력 인수 A, B, C, D 중 하나 이상이 배열인 경우 배열 크기가 서로 같아야 합니다. 이 경우, random 함수가 각각의 스칼라 입력값을 배열 입력값과 동일한 크기의 상수 배열로 확장합니다. 각 분포에 대한 A, B, C, D의 정의는 name 항목을 참조하십시오.

데이터형: single | double

C — 세 번째 확률 분포 모수

스칼라 값 | 스칼라 값으로 구성된 배열

세 번째 확률 분포 모수로, 스칼라 값 또는 스칼라 값으로 구성된 배열로 지정됩니다.

입력 인수 A, B, C, D 중 하나 이상이 배열인 경우 배열 크기가 서로 같아야 합니다. 이 경우, random 함수가 각각의 스칼라 입력값을 배열 입력값과 동일한 크기의 상수 배열로 확장합니다. 각 분포에 대한 A, B, C, D의 정의는 name 항목을 참조하십시오.

데이터형: single | double

D — 네 번째 확률 분포 모수

스칼라 값 | 스칼라 값으로 구성된 배열

네 번째 확률 분포 모수로, 스칼라 값 또는 스칼라 값으로 구성된 배열로 지정됩니다.

입력 인수 A, B, C, D 중 하나 이상이 배열인 경우 배열 크기가 서로 같아야 합니다. 이 경우, random 함수가 각각의 스칼라 입력값을 배열 입력값과 동일한 크기의 상수 배열로 확장합니다. 각 분포에 대한 A, B, C, D의 정의는 name 항목을 참조하십시오.

데이터형: single | double

pd — 확률 분포

확률 분포 객체

확률 분포로, 다음 표에 나와 있는 확률 분포 객체 중 하나로 지정됩니다.

분포 객체	확률 분포 객체를 만드는 함수 또는 앱
BetaDistribution	makedist, fitdist, 분포 피팅기
BinomialDistribution	makedist, fitdist, 분포 피팅기
BirnbaumSaundersDistribution	makedist, fitdist, 분포 피팅기
BurrDistribution	makedist, fitdist, 분포 피팅기
ExponentialDistribution	makedist, fitdist, 분포 피팅기
ExtremeValueDistribution	makedist, fitdist, 분포 피팅기
GammaDistribution	makedist, fitdist, 분포 피팅기
GeneralizedExtremeValueDistribution	makedist, fitdist, 분포 피팅기
GeneralizedParetoDistribution	makedist, fitdist, 분포 피팅기
HalfNormalDistribution	makedist, fitdist, 분포 피팅기
InverseGaussianDistribution	makedist, fitdist, 분포 피팅기
KernelDistribution	fitdist, 분포 피팅기
LogisticDistribution	makedist, fitdist, 분포 피팅기
LoglogisticDistribution	makedist, fitdist, 분포 피팅기
LognormalDistribution	makedist, fitdist, 분포 피팅기
LoguniformDistribution	makedist
MultinomialDistribution	makedist
NakagamiDistribution	makedist, fitdist, 분포 피팅기
NegativeBinomialDistribution	makedist, fitdist, 분포 피팅기
NormalDistribution	makedist, fitdist, 분포 피팅기
꼬리에서 일반화 파레토 분포를 갖는 조각별 분포	paretotails
PiecewiseLinearDistribution	makedist
PoissonDistribution	makedist, fitdist, 분포 피팅기
RayleighDistribution	makedist, fitdist, 분포 피팅기
RicianDistribution	makedist, fitdist, 분포 피팅기
StableDistribution	makedist, fitdist, 분포 피팅기
tLocationScaleDistribution	makedist, fitdist, 분포 피팅기
TriangularDistribution	makedist
UniformDistribution	makedist
WeibullDistribution	makedist, fitdist, 분포 피팅기

sz1,...,szN — 각 차원의 크기(개별 인수)

정수 값

각 차원의 크기로, 정수 값으로 지정됩니다. 예를 들어, 5,3,2를 지정하면 지정된 확률 분포에서 난수로 구성된 5×3×2 배열이 생성됩니다.

입력 인수 A, B, C, D 중 하나 이상이 배열이면 지정된 차원 sz1,...,szN은 필요한 스칼라 확장 후 A, B, C, D의 공통 차원과 일치해야 합니다. sz1,...,szN의 디폴트 값은 공통 차원입니다.

• 단일 값 sz1을 지정하는 경우 R은 크기가 sz1×sz1인 정사각 행렬입니다.

• 차원 중 하나라도 크기가 0이거나 음수인 경우 R은 빈 배열입니다.

• random 함수는 세 번째 차원부터는 크기가 1인 차원을 무시합니다. 예를 들어, 3,1,1,1을 지정하면 난수로 구성된 3×1 벡터가 생성됩니다.

예: 5,3,2

데이터형: single | double

sz — 각 차원의 크기(행 벡터)

정수로 구성된 행 벡터

각 차원의 크기로, 정수로 구성된 행 벡터로 지정됩니다. 예를 들어, [5 3 2]를 지정하면 지정된 확률 분포에서 난수로 구성된 5×3×2 배열이 생성됩니다.

입력 인수 A, B, C, D 중 하나 이상이 배열이면 지정된 차원 sz는 필요한 스칼라 확장 후 A, B, C, D의 공통 차원과 일치해야 합니다. sz의 디폴트 값은 공통 차원입니다.

• 단일 값 [sz1]을 지정하는 경우 R은 크기가 sz1×sz1인 정사각 행렬입니다.

• 차원 중 하나라도 크기가 0이거나 음수인 경우 R은 빈 배열입니다.

• random 함수는 세 번째 차원부터는 크기가 1인 차원을 무시합니다. 예를 들어, [3 1 1 1]을 지정하면 난수로 구성된 3×1 벡터가 생성됩니다.

예: [5 3 2]

데이터형: single | double

출력 인수

R — 난수

스칼라 값 | 스칼라 값으로 구성된 배열

지정된 확률 분포에서 생성된 난수로, 스칼라 값 또는 스칼라 값으로 구성된 배열(sz1,...,szN 또는 sz로 지정된 차원을 가짐)로 반환됩니다.

분포 모수 A, B, C 또는 D를 지정하는 경우, R의 각 요소는 A, B, C, D에서 대응되는 요소로 지정된 분포에서 생성된 난수입니다.

대체 기능

• random은 분포 이름 name으로 지정한 분포를 받거나 확률 분포 객체 pd를 받는 일반 함수입니다. 분포 전용 함수(정규분포의 경우 randn 및 normrnd, 이항분포의 경우 binornd)를 사용하는 것이 더 빠릅니다. 분포 전용 함수 목록은 Supported Distributions 항목을 참조하십시오.

• 난수를 대화형 방식으로 생성하려면 난수 생성용 사용자 인터페이스 randtool을 사용하십시오.

확장 기능

C/C++ 코드 생성

MATLAB® Coder™를 사용하여 C 코드나 C++ 코드를 생성할 수 있습니다.

사용법 관련 참고 및 제한 사항:

• 입력 인수 name은 컴파일타임 상수여야 합니다. 예를 들어, 정규분포를 사용하려면 codegen의 -args 값에 coder.Constant('Normal') (MATLAB Coder)을 포함시키십시오.

• 코드 생성 시 확률 분포 객체(pd) 입력 인수는 지원되지 않습니다.

코드 생성에 대한 자세한 내용은 Introduction to Code Generation 항목 및 General Code Generation Workflow 항목을 참조하십시오.

GPU 배열

Parallel Computing Toolbox™를 사용해 GPU(그래픽스 처리 장치)에서 실행하여 코드 실행 속도를 높일 수 있습니다.

이 함수는 GPU 배열을 완전히 지원합니다. 자세한 내용은 GPU에서 MATLAB 함수 실행하기 (Parallel Computing Toolbox) 항목을 참조하십시오.

버전 내역

R2006a 이전에 개발됨

R2023b: 피어슨 분포에 대한 지원

R2023b부터 random 함수가 피어슨 분포를 지원합니다.

참고 항목

cdf | pdf | icdf | mle | makedist | fitdist | 분포 피팅기 | paretotails

도움말 항목

• 난수 생성
• Generate Random Numbers Using the Triangular Distribution
• 확률 분포 사용하기
• Supported Distributions