R语言生成随机数的方法

这篇文章主要介绍R语言生成随机数的方法，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

1.概述

作为一种语言进行统计分析，R有一个随机数生成各种统计分布功能的综合性图书馆。R语言可以针对不同的分布，生成该分布下的随机数。其中，有许多常用的个分布可以直接调用。本文简单介绍生成常用分布随机数的方法，并介绍如何生成给定概率密度分布下的随机数。

2.常用分布的随机数

在R中各种概率函数都有统一的形式，即一套统一的 前缀+分布函数名：

   d 表示密度函数（density）；

   p 表示分布函数（生成相应分布的累积概率密度函数）；

   q 表示分位数函数，能够返回特定分布的分位数（quantile）；

   r 表示随机函数，生成特定分布的随机数（random）。

1各种分布的随机数生存函数：

rnorm(n, mean=0, sd=1)  #正态分布rexp(n, rate=1)  #指数rgamma(n, shape, rate=1, scale=1/rate)  #r 分布rpois(n, lambda)  #泊松rt(n, df, ncp)  #t 分布rf(n, df1, df2, ncp)  #f 分布rchisq(n, df, ncp=0)  #卡方分布rbinom(n, size, prob)  #二项分布rweibull(n, shape, scale=1)  #weibull 分布rbata(n, shape1, shape2)  #bata 分布runif(n,min=0,max=1) #均匀分布

2以二项分布为例，实现上述各类函数：

dbinom(x, size, prob, log = FALSE)# 可用于计算二项分布的概率。pbinom(q, size, prob, lower.tail = TRUE, log.p = FALSE)#二项分布的分布函数值qbinom(p, size, prob, lower.tail = TRUE, log.p = FALSE)#生成二项分布的特定分位数rbinom(n, size, prob)#生成二项分布的随机数

二项分布随机数

二项分布是指n次独立重复伯努利试验成功的次数的分布，每次伯努利试验的结果只有两个，成功和失败，记成功的概率为p。生成二项分布随机数的函数是：rbinom() 。句法是：rbinom(n,size,prob)。n表示生成的随机数数量，size表示进行伯努利试验的次数，prob表示一次贝努力试验成功的概率。

#例：产生100个n为10,20,50，概率p为0.25的二项分布随机数：   par(mfrow=c(1,3)) p=0.25 for( n in c(10,20,50)) {    x=rbinom(100,n,p)   hist(x,prob=T,main=paste("n =",n))   xvals=0:n   points(xvals,dbinom(xvals,n,p),type="h",lwd=3)  } par(mfrow=c(1,1))

3.离散随机变量的生成3.1逆变换法

假设我们希望生成一个离散型随机变量X，它有密度

我们首先可以生成一个均匀分布的随机数，使得：

#代码实现如下：<br>p1<-0.15p2<-0.2p3<-0.3p4<-0.35disRand<-function(i){ u<-runif(1,0,1) if(u<p1) x<-4 else  if(u<p2+p2) x<-2 else   if(u<p3+p2+p1) x<-1 else    x<-3   return(x)   }

3.2二项随机变量的生成

Example:假设要生成1000个服从b(100，0.6)的随机数

p<-0.6n<-100c<-p/(1-p)i<-0pp<-(1-p)^nf<-ppbinomialRandomeV<-function(o){ u<-runif(1,0,1) f<- while(u>=f){  pp<-c*(n-i)*pp/(i+1)  f<-f+pp  i<-i+1 } return(i)}sapply(c(1:1000),binomialRandomeV)

以上是“R语言生成随机数的方法”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注编程网行业资讯频道！