matlab中的正态分布函数

为这个愚蠢的问题道歉，数学不是我的强项。我试图在matlab中设计一个函数，根据d维中的正态分布N（mu，sigma）生成样本。这是我的代码到目前为止，matlab中的正态分布函数

mu = [1 2]; 
Sigma = [1 .5; .5 2]; R = chol(Sigma); 
z = repmat(mu,100,1) + randn(100,2)*R;

我发现这个从通过各种维基百科和谷歌的文章读，不知道是否是正确的？在此先感谢，

生锈

来源

2012-05-24 rusty009

简短的回答 - 是的。

稍微长一点的答案 - 为什么不自己尝试？

>> z = repmat(mu,1000000,1) + randn(1000000,2)*R; 
>> mean(z) 
ans = 
     1.001  2.0005 
>> cov(z) 
ans = 
     0.99937  0.49942 
     0.49942  2.0017

来源

2012-05-24 17:12:18

谢谢！另外，我还有一个类似的问题，使用randn（）像我上面或mvnrnd（MU，SIGMA）生成正常样本，mvnrnd用于大于2的维度有什么区别？ – rusty009

'randn'不是准确的多变量，它只是在每个维度上独立生成正常数字。你不能强制协变。 'mvnrnd'用于从适当的多变量正态分布生成样本。 – Ansari

正如Ansari指出的那样，randn既是多变量又是单变量，尽管如果你有一个身份协方差矩阵，那么维数是独立的。像你一样使用randn是一个完全有效的方法来生成具有给定协方差矩阵和平均值的样本，但mvnrnd为您提供了任何参数集的一般情况。您发现的方法完全适用于更多维数。 – 2012-05-24 18:09:18

matlab中的正态分布函数

回答

相关问题