#R语言# 生成随机数

生成随机数

生成随机数的函数名的格式为r+分布名缩写，例如正态分布(norm)对应于rnorm，均匀分布(unif)对应于runif
若想生成整数，在前面加上 options(digits=1)

正态分布

# rnorm(n,mean = 0,sd = 1) 生成服从正态分布 N(mean,sd^2) 的随机变量
# n为随机数数目
> rnorm(5)
[1] -0.5504527 -0.5495538  0.7608639 -0.6813592 -1.0085563

均匀分布

# runif(n, min = 0, max = 1) 生成服从均匀分布 U(min,max) 随机变量
# n为随机数数目
> runif(5)
[1] 0.8125779 0.2392292 0.9477868 0.4024770 0.6578547

指数分布

# rexp(n,rate = 1) 生成服从指数分布（率参数为rate）的随机变量
# n为随机数数目
> rexp(5)
[1] 1.4806552 1.1144723 0.9901113 0.6998010 0.4210202

指数分布的概率密度函数为
f ( x ) = { λ e − λ x x > 0 0 x ≤ 0 f(x)=\left\{\begin{array}{ll}{\lambda e^{-\lambda x}} & {x>0} \\ {0} & {x \leq 0}\end{array}\right. f(x)={λe−λx0x>0x≤0

F分布

# rf(n,df1,df2,ncp) 生成服从F分布(自由度n1 = df1，n2 = df2)的随机变量
# df1和df2必须输入
# n为随机数数目，ncp为非中心参数
> rf(5,3,5,1)
[1] 0.1720921 1.1186105 1.7349433 3.5147749 0.6602628

F分布的概率密度函数为
f ( x , n 1 , n 2 ) = { ( n 1 / n 2 ) n 1 2 B ( n 1 / 2 , n 2 / 2 ) x n 1 2 − 1 ( 1 + n 1 n 2 x ) − n 1 + n 2 2 , x > 0 0 , x ≤ 0 f\left(x, n_{1}, n_{2}\right)=\left\{\begin{array}{l}{\frac{\left(n_{1} / n_{2}\right)^{\frac{n_{1}}{2}}}{B\left(n_{1} / 2, n_{2} / 2\right)} x^{\frac{n_{1}}{2}-1}\left(1+\frac{n_{1}}{n_{2}} x\right)^{-\frac{n_{1}+n_{2}}{2}}, x>0} \\ {0, x \leq 0}\end{array}\right. f(x,n1,n2)=⎩⎨⎧B(n1/2,n2/2)(n1/n2)2n1x2n1−1(1+n2n1x)−2n1+n2,x>00,x≤0

若总体 X ∼ N ( μ , 1 ) X \sim N(\mu, 1) X∼N(μ,1)与总体 Y ∼ N ( μ , 1 ) Y \sim N(\mu, 1) Y∼N(μ,1)独立， ( X 1 , X 2 , … , X n 1 ) \left(X_{1}, X_{2}, \ldots, X_{n_{1}}\right) (X1,X2,…,Xn1)为来自 X X X的一个样本， ( Y 1 , Y 2 , … , Y n 2 ) \left(Y_{1}, Y_{2}, \dots, Y_{n_{2}}\right) (Y1,Y2,…,Yn2)为来自 Y Y Y的一个样本，则统计量
F = ∑ i = 1 n 1 X i 2 n 1 / ∑ i = 1 n 2 Y i 2 n 2 F=\frac{\sum_{i=1}^{n_{1}} X_{i}^{2}}{n_{1}} / \frac{\sum_{i=1}^{n_{2}} Y_{i}^{2}}{n_{2}} F=n1∑i=1n1Xi2/n2∑i=1n2Yi2
服从自由度为 n 1 n_1 n1和 n 2 n_2 n2，非中心参数 δ = n μ 2 \delta=n \mu^{2} δ=nμ2的非中心F分布，记为 F ∼ F ( n 1 , n 2 , δ ) F \sim F\left(n_{1}, n_{2}, \delta\right) F∼F(n1,n2,δ)。

以下函数有空再补充

函数名	分布名
rgamma	Gamma分布
rgeom	几何分布
rhyper	超几何分布
rlnorm	对数正态分布
rlogis	Logistic分布
rmultinom	多项分布
rnbinom	负二项分布
rpois	泊松分布
rt	t分布
rchisq	卡方分布

#R语言# 生成随机数相关推荐

[R语言] 生成随机数
[R语言]生成随机数版权声明:本文为博主原创文章,未经允许不得转载.https://blog.csdn.net/qiao_wan/article/details/81980404 一.sample( ...
R语言之随机数与抽样模拟篇
转载自:http://blog.csdn.net/lilanfeng1991/article/details/18505723 3.1 随机数的产生 3.1.1 均匀分布随机数 R语言生成均匀分布随机 ...
R语言——（三）、随机数与抽样模拟
文章目录前序r d p q 一.一元随机数的产生 1.均匀分布随机数runif 2.正态分布随机数的产生rnorm 3.指数分布随机数产生rexp 4.二项分布随机数的产生rbinom 二.多元随机 ...
R语言使用random包生成随机数或者随机字符串实战：randomNumbers函数创建随机整数的数据集（包含重复项）、randomSequence函数创建不含重复项的随机序列数据集、创建随机字符串
R语言使用random包生成随机数或者随机字符串实战:randomNumbers函数创建随机整数的数据集(包含重复项).randomSequence函数创建不含重复项的随机序列数据集.创建随机字符串 ...
R语言：逆变换法生成随机数
逆变换法生成随机数: 一.概念解释 1.PDF 2.PMF 3.CDF 二.连续型情况举例三.离散型情况举例一.概念解释 1.PDF probability density function 概率 ...
R语言：接受拒绝法（Acceptance-Rejection Method）生成随机数
接受拒绝法Acceptance-Rejection Method 原理解释具体步骤连续情况举例离散情况举例计算机能够通过调用自带函数,实现对均匀分布等常见分布的采样.但在实际情况中分布通常由其 ...
R语言使用rnorm函数基于不同的均值、方差参数生成正太分布的随机数、使用plot函数和density函数可视化正太分布的随机数对应的密度图、自定义设置均值和方差
R语言使用rnorm函数基于不同的均值.方差参数生成正太分布的随机数.使用plot函数和density函数可视化正太分布的随机数对应的密度图.自定义设置均值和方差(Normal distributio ...
R语言使用rnorm函数生成正态分布随机数、自定义指定生成随机数的个数、均值、方差
R语言使用rnorm函数生成正态分布随机数.自定义指定生成随机数的个数.均值.方差目录 R语言使用rnorm函数生成正态分布随机数.自定义指定生成随机数的个数.均值.方差 R 语言特点 R语言使用r ...
R语言学习笔记：生成随机数
R语言中,可以根据不同的分布生成随机数均匀分布 runif(par1) runif(par1, min = par2, max = par3) 我们需要输入3个参数: par1:生成随机数的个数 p ...

#R语言# 生成随机数

生成随机数

#R语言# 生成随机数相关推荐

最新文章

热门文章