如何使用MATLAB產生指數分布的隨機數
在matlab中用來產生指數分布隨機數的函數是exprnd( )；
語法：
1. R＝exprnd(MU)
生成服從參數為MU的指數分布隨機數。
2. R＝exprnd(MU，m)
生成服從參數為MU的指數分布的隨機數矩陣，矩陣的形式由m定義。
例如，n＝exprnd(5，[1 6])
3. R＝exprnd(MU，m，n)
生成m×n形式的指數分布的隨機數矩陣。
當產生的數組是一維向量時，若想排序可以利用sort(A)函數，A為隨機數組，默認的結果是升序排列。
如果排序后還需要保留原來的索引可以用返回值，即[B,ind]=sort(A)，計算后，B是A排序后的向量，A保持不變，ind是B中每一項對應于A 中項的索引。
若想對A數組進行降序排列，先用X＝eye（n）生成一個n維的單位陣，然后用X＝rot90（X）將其旋轉為次對角線的單位陣，再用原來矩陣乘以X即可，如要講A逆序排列采用如下步驟：
X=eye(size(A));
X=rot90(X);
A=A*X;
指數分布--matlab
函數exprnd( )
功能：生成服從指數分布的隨機數
語法：R＝exprnd(MU)
R＝exprnd(MU，m)
R＝exprnd(MU，m，n)
說明：
R＝exprnd(MU) 生成服從參數為MU的指數分布的隨機數。輸入MU與輸出
R的形式相同。
R＝exprnd(MU，m) 生成服從參數為MU的指數分布的隨機數矩陣，矩陣的形式由m定義。m是一個1×2向量，其中的兩個元素分別代表返回值R中行與列的維數。
R＝exprnd(MU，m，n) 生成m×n形式的指數分布的隨機數矩陣。
例：
生成指數分布隨機數。
n1＝exprnd(5:10)
n1=
4.0076 3.8735 12.3433 16.2809 13.6772 22.4923
n2＝exprnd(5:10，[1 6])
n2=
9.7799 4.6988 1.6666 10.1534 13.4334 0.9555
n3＝exprnd(5,2,3)
n3=
24.5797 3.0614 5.8008
2.6489 2.1269 7.3233
如何使用matlab擬合指數分布函數
頻率直方圖我沒太用過 但是其他形式的曲線 比如控制領域的時域圖用一下方法是可以實現的。
首先：想辦法讀出樣本點，x=(),y=() (在7.0里用小括號就可以了，不同版本可以自行改一下）
之后可參見如下方法，我也是轉載ilove.MATLAB論壇上的方法 用過很好用
轉載：“在Matlab 6.5以上的環境下，在左下方有一個"Start"按鈕，如同Windows的開始菜單，點開它，在目錄"Toolboxes"下有一個"Curve Fitting"，點開"Curve Fitting Tool"，出現數據擬合工具界面，基本上所有的數據擬合和回歸分析都可以在這里進行。
下面給你簡單介紹一下它的使用方法。
首先在Matlab的命令行輸入兩個向量，一個向量是你要的x坐標的各個數據，另外一個是你要的y坐標的各個數據。輸入以后假定叫x向量與y向量，可以在workspace里面看見這兩個向量，要確保這兩個向量的元素數一致，如果不一致的話是不能在工具箱里面進行擬合的。
例如在命令行里輸入下列數據:
x=(0:0.02:0.98)';
y=sin(4*pi*x+rand(size(x)));
此時x-y之間的函數近似的為正弦關系，頻率為2，但是存在一個誤差項。
可以通過作圖看出它們的大體分布:
plot(x,y,'*','markersize',2);
打開曲線擬合共工具界面，點擊最左邊的"Data..."按鈕，出現一個Data對話框，在Data Sets頁面里，在X Data選項中選取x向量，Y Data選項中選取y向量，如果兩個向量的元素數相同，那么Create data t按鈕就激活了，此時點擊它，生成一個數據組，顯示在下方Data Sets列表框中。關閉Data對話框。此時Curve Fitting Tool窗口中顯示出這一數據組的散點分布圖。
點擊Fitting...按鈕，出現Fitting對話框，Fitting對話框分為兩部分，上面為Fit Editor，下面為Table of Fits,有時候窗口界面比較小，Fit Editor部分會被收起來，只要把Table of Fits上方的橫條往下拉就可以看見Fit Editor。在Fit Editor里面點擊New Fit按鈕，此時其下方的各個選框被激活，在Data Set選框中選中剛才建立的x-y數據組，然后在Type of fit選框中選取擬合或回歸類型，各個類型的擬合或回歸相應的分別是：
Custom Equations 用戶自定義函數
Expotential e指數函數
Fourier 傅立葉函數，含有三角函數
Gaussian 正態分布函數，高斯函數
Interpolant 插值函數，含有線性函數，移動平均等類型的擬合
Polynomial 多項式函數
Power 冪函數
Rational 有理函數（不太清楚，沒有怎么用過）
Smooth Spline ？？（光滑插值或者光滑擬合，不太清楚）
Sum of sin functions正弦函數類
Weibull 威布爾函數（沒用過）
不好意思，沒有學過數理統計，所以很多東西都是用了才知道，翻譯也就不太準確。不過在Type of fit選框下方有一個列表框，基本上各個函數類里的函數都寫成解析式列在下方以供選擇，所以找合適的函數還是比較容易的。
在這個Type of fit選框中選擇好合適的類型，并選好合適的函數形式。于是點擊Apply按鈕，就開始進行擬合或者回歸了。此時在Curve Fitting Tool窗口上就會出現一個擬合的曲線。這就是所要的結果。
在上面的例子中，選擇sum of sin functions中的第一個函數形式，點擊Apply按鈕，就可以看見擬合得到的正弦曲線。
在Fitting對話框中的Results文本框中顯示有此次擬合的主要統計信息，主要有
General model of sin1:
....... (函數形式）
Coefficients (with 95% conffidence range) (95%致信區間內的擬合常數）
a1=... ( ... ...) （等號后面是平均值，括號里是范圍）
....
Godness of fit: (統計結果）
SSE: ... （方差）
R-squared: ... (決定系數，不知道做什么的）
Adjusted R-squared: ... (校正后的決定系數，如何校正的不得而知）
RMSE: ... (標準差）
上面的例子中經過擬合得到的函數最后為
y=0.9354*sin(12.36x+6.886)
頻率為1.98加減0.03，和原來設置的頻率為2符合，相對誤差為1.5%。
這是曲線擬合工具箱的一個最簡單的使用方法，上面還有很多功能，寫是寫不完的，自己參照這個基本的思路，翻著英漢詞典，看著幫助，然后一個按鈕一個按鈕的試吧。
另外要說的是，如果想把這個擬合的圖像導出的話，在Curve Fitting Tool窗口的File菜單下選Print to Figure，此時彈出一個新的圖像窗口，里面是你要導出的圖像，在這個figure窗口的File菜單里再選Export，選擇好合適的格式，一般是jpeg，選擇好路徑，點擊OK就可以了。出來的圖像可以在Word等編輯環境中使用，就不多說了。
要修改圖像的性質，如數據點的大小、顏色等等的，只需要在對象上點右鍵，就差不多可以找到了。”
上面所說的X，Y向量就是樣本點。
下面是轉載的網址，希望有用處http://www.ilovematlab.cn/viewthread.php?tid=28854&extra=&page=1
ilovematlab是個不錯的論壇，我也是剛發現，不過幫助很大，基本的問題在那都會有答案。
matlab:采用直接抽樣方法產生指數分布的隨機數
指數分布的概率密度函數形式為
f(x)= λexp(-λx) (x>0)
0 (x<=0)
其中λ > 0是分布的一個參數
指數分布的累積分布函數
F(x)= 1-exp(-λx) (x>0)
=0 (x<=0)
指數分布的累積分布函數的反函數是
G(y)= -log(1-y)/λ (0<y<1)
使用直接抽取的方法 先產生 [0,1]間的隨機數列
利用累積分布函數的反函數，得到的結果就是符合指數分布的序列
N=10000;%產生隨機數的個數
lambda=3;%參數λ
y=rand(1,N);%生成N個0，1間均勻分布隨機數
x=-log(1-y)/lambda;%生成指數分布隨機數
[n,xout]=hist(x,30);%分區間統計隨機數出現概率
nn=n/N/mean(diff(xout));
bar(xout,nn,1);holdon;%畫圖驗證隨機數是否符合概率密度函數
plot([0xout],lambda*exp(-lambda*([0xout])),'r');holdoff;
xlabel('x');
ylabel('p(x)');
最后加了驗證畫圖的程序，可以檢驗結果是否符合概率密度分布
怎么創建一個指數均勻分布的向量用matlab？
用matlab怎么創建一個指數均勻分布的向量，可以用exprnd( )函數。該函數使用格式為
r=exprnd（mu，sz1，…，szN）
該命令函數的意思是，從平均mu的指數分布生成一個隨機數數組，其中sz1，…，szN表示每個維度的大小。
例如：
r = exprnd(0.1，5，2) %產生mu=0.1時的5行2列的隨機數
