创建一个gmdistribution对象并生成随机变量。

定义二元高斯混合分布的分布参数(均值和协方差)。

mu = [1 2;-3 -5];sigma = [11 1];%共享对角协方差矩阵

创建一个gmdistribution对象，使用gmdistribution函数。默认情况下，该函数创建了一个等比例的混合。

通用= gmdistribution(μ、σ)

gm =两组分二维高斯混合分布组分1:混合比例:0.500000均值:1 2组分2:混合比例:0.500000均值:-3 -5

生成1000个随机变量。

rng (“默认”);%的再现性[Y, compIdx] =随机(通用汽车,1000);

compIdx(我)指示用于生成的混合物组分我th随机变量Y(我,:)。计算产生的随机变量的数量组件1。

numIdx1 = sum(compIdx == 1)

numIdx1 = 512

随机生成大约一半的随机变量组件1因为通用汽车混合比例相等。

绘制生成的随机变量使用散射。

散射(Y (: 1), Y(:, 2), 10日“。”)点大小为10的散点图

重置随机数生成器以生成相同的随机变量。

定义两个二元高斯混合分量的分布参数(均值、协方差和混合比例)。

p = [0.4 0.6];%的比例混合mu = [1 2;-3 -5];%的意思sigma = cat(3，[2 .5]，[11 .])%协方差1×2×2数组

σ=σ(:,:1)= 2.0000 - 0.5000σ(:,:2)= 1 1

的猫函数沿第三数组维串联协方差。定义的协方差矩阵是对角矩阵。σ(1:我)包含分量的协方差矩阵的对角元素我。

创建一个gmdistribution对象，使用gmdistribution函数。

通用= gmdistribution(μ、σ);

保存随机数生成器的当前状态，然后使用通用汽车。

s =提高;r =随机(通用)

r =1×2-1.1661 - -7.2588

将随机数生成器的状态还原为年代，然后使用生成一个随机变量通用汽车。值与之前相同。

rng(年代);r1 =随机(通用)

r1 =1×2-1.1661 - -7.2588