以下是使用该统计工具箱中的TINV在 Matlab 中执行此操作的方法：

%# choose the degree of freedom
df = 4; %# note you can also choose an array of df's if necessary

%# create a vector of 100,000 uniformly distributed random varibles
uni = rand(100000,1);

%# look up the corresponding t-values
out = tinv(uni,df);

使用更新版本的 Matlab，您还可以简单地使用TRND直接创建随机数。

out = trnd(100000,df);

这是直方图out

编辑回复：合并问题

Matlab 没有用于从拉普拉斯分布中绘制数字的内置函数。但是，有来自 Matlab 文件交换的函数LAPRND ，它提供了一个编写良好的实现。

简单的答案：使用 R 并获取n变量$t$-自由度df分布为rt(n, df)。如果您不使用 R，也许您可​​以编写您使用的语言，而其他人可能能够准确地告诉您要做什么。

如果您不使用 R 或其他带有内置随机数生成器的语言$t$-分布，但您可以使用分位数功能，$Q$， 为了$t$-分布，你可以生成一个统一的随机变量$U$上$[0,1]$然后$Q(U)$遵循一个$t$-分配。

否则，请查看Wikipedia 页面中的这个简短部分。

通过查看 Wikipedia 文章，我编写了一个函数来从拉普拉斯分布生成随机变量。这里是：

function x = laplacernd(mu,b,sz)
%LAPLACERND Generate Laplacian random variables 
% 
%  x = LAPLACERND(mu,b,sz) generates random variables from a Laplace
%  distribution having parameters mu and b. sz stands for the size of the
%  returned random variables. See [1] for Laplace distribution.
% 
%  [1] http://en.wikipedia.org/wiki/Laplace_distribution
% 
%  by Ismail Ari, 2011

if nargin < 1 % Equal to exponential distribution scaled by 1/2
    mu = 0;
end
if nargin < 2
    b = 1;
end
if nargin < 3
    sz = 1;
end

u = rand(sz) - 0.5;
x = mu - b*sign(u) .* log(1-2*abs(u));

这是一个使用它的代码片段

clc, clear
mu = 30;
b = 2;
sz = [50000 1];

x = laplacernd(mu,b,sz);
hist(x,100)

我在 Matlab 中找到的最好的（运行速度最快，而不是编码速度最快的；）免费解决方案是用 mex 函数包装 R 的 MATHLIB_STANDALONE c 库。这使您可以访问 R 的 t 分布 PRNG。这种方法的一个优点是您也可以使用相同的技巧从非中心 t 分布中获取变量。

第二个最好的免费解决方案是使用 octave 的trnd实现。事实证明，从 octave 移植比为我包装 c 代码更费力。

就我的口味而言，使用统一生成通孔rand和反转通孔tinv太慢了。YMMV。