randn(\'state\')
随机数都是由RandStream随机数据流生成的（里面有一套固定的算法，一般用时间发生装置）。其中就有\'state\'，\'seed\'，\'twister\'等参数。
‘state’是对随机发生器的状态进行初始化，并且定义该状态初始值。比如你过一段时间还要使用这个随机数的时候，还能保持当前的随机取值。
比如
randn(\'state\',2013)
a = randn(1)
b = randn(1) 会发现与上一个随机值不一样
如果再定义一次
randn(\'state\',2013)
c = randn(1) 会发现与a的值一样
| （1）RANDN产生正态分布数的语法： RANDN(N) ：产生N× N的矩阵，其元素是按正态分布的数组； RANDN(M,N) and RANDN([M,N])：产生M×N的矩阵； RANDN(M,N,P,...) or RANDN([M,N,P...])产生随机序列； （2）RANDN产生伪随机数的语法： 发生器的状态决定所产生数的序号。 S = RANDN(\'state\') 是一个二元向量，包括标准发生器的状态； RANDN(\'state\',S)：设置发生器的状态为S（即标准状态）； RANDN(\'state\',0)：设置发生器的初始状态； RANDN(\'state\',J)：J为整数，设置发生器到J阶状态； （3）MATlAB 4.X应用一个单独的种子来产生随机数： RANDN(\'seed\',0) and RANDN(\'seed\',J)作用与RANDN(\'state\',0)和RANDN(\'state\',J)一样，但使用Matlab 4.x随机数发生器。 RANDN(\'seed\')：返回MATlAB 4.X发生器的当前种子。 |
例如：randn（’seed‘，1），表明选定了一个初状态，再定义随机数列x=randn（1，100），x的值会确定下来，不会每运行一次而产生不同的随机数。
rand与randn的区别
rand是平均分布，即等概率分布，等概率产生0-1范围内的数。
randn是标准正态分布，均值为0，标准差为1.
