excel产生二项分布随机数(生成二项分布的随机数)

1. 生成二项分布的随机数

以下步骤是针对Excel2007的：

第一步，点Office按钮——Excel选项——加载项——下方“管理”的下拉列表中选择“Excel加载项”然后点击“转到”——勾选“分析工具库”然后确定。

此步骤完成后，在“数据”选项卡中会出现新的“数据分析”按钮。

第二步，在“数据”选项卡中点击“数据分析”按钮，在列表中选择“随机数发生器”，在“分布”的选项列表中选择“正态”即可生成符合正态分布要求的随机数。

2. 生成二项分布的随机数怎么算

用randbetween函数生产一个范围内的随机数值整数部分，公式：=RANDBETWEEN(最小值,最大值)；用rand函数生产随机数字（小数部分），公式=RAND()；用round函数处理小数点位数，公式=round(数值,保留小数点后几位有效数）。将三个函数组合在一起。

假设生成5到10之间的随机数，保留小数点后3位有效数。整个公式为：=round(randbetween（5,10)+rand(),3)

扩展资料：

RANDBETWEEN函数用于返回大于等于指定的最小值，小于等于指定最大值之间的一个随机整数。每次计算工作表时都将返回一个新的数值。

需注意，excel2003 的加载项中需要勾选“分析工具库”后方可使用，否则返回#NAME?。

参考资料：

3. 生成二项分布随机数Excel

　　Excel随机数生成

　　1、首先，我们得弄清楚随机数是怎么生成的，开始，在桌面上面建立一个用随机数命名的Excel表格，点击进入。

　　2、进入表格之后，我们点击“ 执行-插入-函数 ”进入函数表格，也可以点击二类菜单栏上面的E，点击“ 出现弹窗-其他函数　

　　3、进入函数表格之后，我们为了快速搜索，在搜索函数栏下面输入“rand”点击右侧转到，这个时候，函数就会转到rand公式上面。　　

　　4、之后，点击确定，进入之后，点击enter回车，会出现一个随机函数，由于没有进行其他设置所以随机函数的范围在0-1之间。　　

　　如何给随机函数设置范围

　　1、范围设置是随机数设置里面一项非常重要的技能，我们可以举例A+rand()*(B-C)这里代表的含义就是B是该随机数范围内的最大值，C是该随机数范围内的最小值，(B-C)表示随机数范围为(0，B-C)，如果加上A这个范围加数就说明范围是(A，A+B-C)　　

　　2、来举一个例子，A+rand()*(B-C)用30+rand()*(60-40)说明随机数的范围是(30，50)具体步骤，可以参照如图分析。　　

　　3、设置好随机数范围之后，我们要将随机数给扩散开来，所以，我们点击随机数的方框右下角顶尖出，当符号变成黑色“+”时，点击下啦，然后依次步骤向右拉，这样一排随机数就出来了，如图。　　

　　如何去除随机数的小数点

　　1、Excel生成的随机数是存在小数点的，大多时候，我们需要的随机数是不用小数点的，执行步骤就是右键点击，出现菜单，找到“设置单元格格式”点击进入。　　

　　2、进入设置单元格格式之后，在数字列表中，找到左侧列表的“数值”点击，后出现右侧数值，在小数点数上面点击“设置为0，这样点击确定，小数点就消失了　　

4. 二项分布的概率生成函数

若概率密度函数为f（x），且F'（x）=f（x），则概率分布函数为F（x）+C，C为常数，可以根据x趋于无穷时概率分布函数等于1求得。概率分布函数是概率论的基本概念之一。

在实际问题中，常常要研究一个随机变量ξ取值小于某一数值x的概率，这概率是x的函数，称这种函数为随机变量ξ的分布函数，简称分布函数，记作F(x)，即F(x)=P(ξ<x) (-∞<x<+∞)，由它并可以决定随机变量落入任何范围内的概率。

例如在桥梁和水坝的设计中，每年河流的最高水位ξ小于x米的概率是x的函数，这个函数就是最高水位ξ的分布函数。实际应用中常用的分布函数有正态分布函数、普阿松分布函数、二项分布函数等等

5. 随机分布和二项分布

1、应用不同

二项分布：在心理与教育研究中，主要用于解决具有机遇性质的问题。所谓机遇问题，是指在实验或调查中，实验结果可能是由猜测造成的。例如，选择问题的答案和犯错误可能完全是由猜测造成的。为了区分猜测结果和真实结果的界限，应采用二项分布来解决这类问题。

泊松分布：适用于描述每单位时间（或空间）的随机事件数。例如，某一时间到达服务设施的人数、电话交换所接到的呼叫数、公共汽车站等候的客人数、机器故障数、自然灾害发生的次数，一块产品上的缺陷数，显微镜下单位分区内的细菌分布数等等。

2、特点不同

二项分布：

（1）当（n+1）p不为整数时，二项概率P{X=k}在k=[(n+1)p]时达到最大值；

（2）当（n+1）p为整数时，二项概率P{X=k}在k=(n+1)p和k=(n+1)p-1时达到最大值。

泊松分布：参数λ是单位时间(或单位面积)内随机事件的平均发生次数。泊松分布适合于描述单位时间内随机事件发生的次数。

6. 二项分布随机数生成算法

随机数的生成在算法编程中非常常用，在matlab中rand(random的缩写)家族经常被使用。小白一枚，敬请大神指教

rand家族成员

randMatrix = rand(x, y)

randMatrix = randn(x, y)

randMatrix = randi(x, y)

randMatrix = randperm(x, y)

rng 使用方法

rand

随机生成一组数，数值范围在[0, 1]之间，所生成的随机值服从随机分布。

rand(x) or rand(x, y)

rand(x) ：这种形式的写法默认随机生成维度为x的方阵。

>> randMatrix = rand(3) randMatrix = 0.8147 0.9134 0.2785 0.9058 0.6324 0.5469 0.1270 0.0975 0.9575 12345671234567

rand(x, y)：这种形式的写法随机生成行数为x，列数为y的矩阵。

>> randMatrix = rand(2,3) randMatrix = 0.9649 0.9706 0.4854 0.1576 0.9572 0.8003 123456123456

randn

该函数生成服从标准正态分布的随机数。

randn(x) or randn(x, y)

randn(x)：生成标准正态分布的随机数方阵，大小为：-x- by -x-

>> randMatrix = randn(3) randMatrix = -0.2050 1.4090 -1.2075 -0.1241 1.4172 0.7172 1.4897 0.6715 1.6302 12345671234567

randn(x, y) ：生成服从标准正态分布的随机数矩阵。大小为：-x- by -y-

>> randMatrix = randn(2,3) randMatrix = 0.4889 0.7269 0.2939 1.0347 -0.3034 -0.7873 123456123456

randi

该函数也具有常用的两种形式：randi(x) or randi(x, y).使用方法和上述的rand和randn一样。

randperm

该函数功能是生成一组整数，并将顺序随机打乱。这种打乱顺序，完全随机，并不服从什么分布。例1：

>> randperm(5) ans = 2 4 5 3 1 1234512345

randperm(5)，表示生成从1到5的五个为整数，并随机打乱顺序。例2：

>> randperm(10, 3) ans = 4 6 5 1234512345

randperm(10, 3)，表示生成从1到10的10整数，将顺序随机打乱，并将前三个整数返回。

探索篇——rng 使用方法

在一些随机生成参数的神经网络算法中，将某一次预测结果较高的随机参数在下一次随机生成中进行使用时，rng函数算是一种方式。它可以将上一次随机生成的随机数，进行保存，并在下一次随机生成时进行调用，使得前后两次随机生成的随机数相同。

>> randNum = rng; >> rand_1 = rand(3) rand_1 = 0.2238 0.5060 0.9593 0.7513 0.6991 0.5472 0.2551 0.8909 0.1386 >> rng(randNum); >> rnad_2 = rand(3) rnad_2 = 0.2238 0.5060 0.9593 0.7513 0.6991 0.5472 0.2551 0.8909 0.1386 12345678910111213141516171234567891011121314151617

rng 函数在使用时，还可以指定随机生成的类型(rand, randi，randn)。

7. 多项分布随机数

随着我国对科技行业的不断重视，各个领域都得到了不同程度的发展，如今在国产重器方面，我国有了新的两大突破，引起世界的广泛关注。

超级计算机的重要性

上面提到的两大突破其实就是在超级计算机和量子计算方面，如今在我国的努力之下，超级计算机以及量子计算都有了新的进展，并且其水平在全世界名列前茅。

超级计算机到底有何用处？为何各个国家都在争相加快对该领域的研究？其实超级计算机，简单来说就是一个拥有超强计算能力的机器，像平时使用的电脑，虽然计算能力也是不错的，但要处理大型数据的话，还是有些力不从心，就其根本就是计算能力不足。

而超级计算机可以通过特定的方式，组成一个计算群组，继而实现对大型数据的计算，对一个国家的智能以及大数据处理事业的发展起到了关键性的作用，在如此大功能的背景下，自然成为各国竞争的重点。

超算获得两项世界第一

我国如今在超级计算器领域已经处于世界前列，从7月1日公布的行业内相关排名中，我国的“天河”E级计算机凭借其综合实力，夺得了单源最短路径和大数据图计算能效两项世界第一，向世界展示了我国在超级计算机方面的实力。

在1983年，超级计算机“银河一号”正式亮相，这是我国第一台亿万次运算的计算机，如今的天河三号已经实现了百亿亿次的计算，可以说在这40多年的时间里，我国在超算方面进步飞快。

在这之中更值得我们关注的一点是，“天河三号”是我国百分百自主研发出来的，要知道在天河二号的时候，我国还需要依赖美国芯片提供服务，为此还向美企英特尔采购了大量的计算加速卡，如今在天河三号实现自我发展，从中不难发现我国对超级计算机领域的研究速度在逐渐加快。

量子计算刷新世界纪录

除了上述介绍的我国在超级计算器方面的成就，在量子计算方面也不甘示弱，在今年5月8日的时候，在我国潘建伟团队的不断努力之下，量子计算器在数量方面有了新的突破。

在差不多一个半月之后，也就是6月24日，潘建伟和他的合作伙伴，在远距离量子通讯方面实现了428公里。

在7月4日再次有好消息传来，潘建伟再次带领团队与浙大进行合作，双方联手研发出了实时量子随机数发生器，其速率高达18.8Gbps，再次刷新记录。

随机数是一种非常重要的资源，它可以被应用在数据安全、密码学等各个领域内，这一系列的成就对我国量子行业发展有着举足轻重的作用。

如今我国在量子技术方面已经有了突飞猛进的发展，其实力可以直接和欧美等巨头国家相抗衡，在世界中的地位不断提高，甚至已经超过了美国。

根据最新的相关信息来看，我国在量子计算专利方面已经拥有3000多项，此数值相当于美国所拥有的两倍，如今我国该领域在今年就已经有了一项又一项突破，在技术专利方面的数量也呈现出不断增长的趋势，不可否认的是今后我国的实力会越来越强。

结语

无论是超级计算机还是量子计算方面，我国都以一种不可阻挡的势头前进着，两个领域的齐头并进，极大地促进了我国科技行业的发展，带动其他领域的共同促进，增强我国在世界中的地位以及竞争力，一步步打破西方国家对我国的种种技术限制，实现独立自主式发展。

相信在我国科研团队的不断努力之下，超级计算机与量子计算在未来还会有更好的发展，也会有新的成就出现，让我们尽情期待。

8. 生成二项分布随机数的命令

1、产生符合正态分布的随机数：输入“＝NORMINV(RAND(),mean,standard_dav)”，mean是均值，standard_dav是标准方差。

2、下拉的方式产生需要数目的随机数，全选，复制，再右键点“选择性粘贴”，选“数值”（这样做的目的是为了将公式形式去掉，不然它会再次产生新的随机数，而你被蒙在鼓里），然后排序。

3、另起一栏，输入“＝NORMDIST(X,mean,stardard_dav,false)”，X是刚才输入的随机数所在位置，产生概率后，下拉，得到需要的全部随机数对应的概率，然后就可以作出我们熟悉的正态分布曲线了。

9. 二项分布产生随机数

1、舍选法

参考：如何产生指定分布的随机数？——>舍选法

2、利用中心极限定理

设 X1,X2,⋯,Xn X 1 , X 2 , ⋯ , X n 为独立同分布的随机变量序列，均值为 μ μ ，方差为 σ2σ2，则

Zn=X1+X2+⋯+Xn−nμσn−−√Z n = X 1 + X 2 + ⋯ + X n − n μ σ n

具有渐近分布 N(0,1) N ( 0 , 1 ) ，也就是说当 n→∞ n → ∞ 时，

P{X1+X2+⋯+Xn−nμσn−−√≤x}→12π−−√∫x−∞e−t22dtP { X 1 + X 2 + ⋯ + X n − n μ σ n ≤ x } → 1 2 π ∫ − ∞ x e − t 2 2 d t

换句话说，n 个相互独立同分布的随机变量之和的分布近似于正态分布，n 越大，近似程度越好。

根据中心极限定理，生成正态分布就非常简单粗暴了，直接生成n个独立同分布的均匀分布即可。程序：

clear all n=unifrnd ( 0,1,200000,1); N=50； w=zeros(1,4000); w(1)=0;for t=1:4000; for j=1:N; w(t)=w(t)+n((j-1)*4000+t); end endfigure(1); hist(w,400);

结果：

3、Box–Muller算法

当x和y是两个独立且服从(0,1)均匀分布的随机变量时，则

Z1=cos(2πx)⋅–2ln(1–y)−−−−−−−−−√Z 1 = cos ⁡ ( 2 π x ) ⋅ – 2 ln ⁡ ( 1 – y )Z2=sin(2πx)⋅–2ln(1–y)−−−−−−−−−√Z 2 = sin ⁡ ( 2 π x ) ⋅ – 2 ln ⁡ ( 1 – y )

Z0 Z 0 和 Z1 Z 1 独立且服从标准正态分布。

程序：

clear all;clc;%清屏 m=input('请输入平均值：'); n=input('请输入标准差：'); t=input('请输入数据长度：'); %产生正态分布的随机数 for i=1:t a=rand; b=rand; X1(i)=sqrt((-2)*log(a))*cos(2*pi*b); X2(i)=sqrt((-2)*log(a))*sin(2*pi*b); Y1=X1*n+m; Y2=X2*n+m; end % 求平均值和标准差 M1=mean(Y1); N1=std(Y1); M2=mean(Y2); N2=std(Y2);

输入：平均值：5；标准差：1；数据长度：100 结果：输入：平均值：5；标准差：1；数据长度：10000 结果