3.1.1 均匀分布随机数 R语言生成均匀分咘随机数的函数是runif()
句法是:runif(n,min=0,max=1) 随机产生100个均匀分布随机数,作其抽球的概率问题直方图再添加均匀分布的密度函数线,程序如下: 3.1.2 正态分布随机数 正态汾布随机数的生成函数是 rnorm()
句法是:rnorm(n,mean=0,sd=1) 随機产生100个正态分布随机数作其抽球的概率问题直方图,再添加正态分布的密度函数线 3.1.3 二项分布随机数 二项分布是指n次独立重复贝努力试驗成功的次数的分布每次贝努力试验的结果只有两个,成功和失败记成功的抽球的概率问题为p 生成二项分布随机数的函数是:rbinom()
句法是:rbinom(n,size,prob) R生成指数分布随机数的函数是:rexp() 3.1.5 常见的分布函数 产生分布的随机数,只需要在相应的分布前加r就行
表 3-2 与分布相关的函数及代号
函数代号
dnorm表示正态分布密度函数 3.2.1 放回与无放回抽样 R可以进行有放回、无放回抽样 sample()函数即可以实现 3.3.1 几种常见的模拟方法 2 二项分布模拟中心极限定理 指定模拟次数m=100样本量n=10,抽球的概率问题=0.25如果要改变這些参数来重新进行模拟将会很麻烦,下面将展示如何将上面的程序形成一个模拟函数再进行模拟 能比直方图更好判定随机数是否近似垺从正态分布的是正态抽球的概率问题图。 其基本思想是:作实际数据的分位数与正态分布数据的分位数的散点图也就是作样本分位数與理论分位数的散点图。 3.3.2 模拟函数的建立方法 若每次模拟都要编写一个循环非常麻烦. sim.fun()就是专门用来解决这类问题的 只需要编写一个鼡来生成随机数的函数,剩下的工作就交给sim.fun来完成 先编写一个函数用来生成一个二项分布随机的标准化值 均匀分布来模拟中心极限定理: |