R Language
Générateur de nombres aléatoires

Permutations aléatoires

Pour générer une permutation aléatoire de 5 nombres:

sample(5)
# [1] 4 5 3 1 2

Générer une permutation aléatoire de n'importe quel vecteur:

sample(10:15)
# [1] 11 15 12 10 14 13

On pourrait aussi utiliser le paquet pracma

randperm(a, k)
# Generates one random permutation of k of the elements a, if a is a vector,
# or of 1:a if a is a single integer.
# a: integer or numeric vector of some length n.
# k: integer, smaller as a or length(a).

# Examples
library(pracma)
randperm(1:10, 3)
[1] 3 7 9

randperm(10, 10)
[1]  4  5 10  8  2  7  6  9  3  1

randperm(seq(2, 10, by=2))
[1]  6  4 10  2  8

Reproductibilité du générateur de nombres aléatoires

Lorsque vous attendez que quelqu'un reproduise un code R set.seed() des éléments aléatoires, la fonction set.seed() devient très pratique. Par exemple, ces deux lignes produiront toujours une sortie différente (parce que c'est tout l'intérêt des générateurs de nombres aléatoires):

> sample(1:10,5)
[1]  6  9  2  7 10
> sample(1:10,5)
[1]  7  6  1  2 10

Ces deux produits produiront également des sorties différentes:

> rnorm(5)
[1]  0.4874291  0.7383247  0.5757814 -0.3053884  1.5117812
> rnorm(5)
[1]  0.38984324 -0.62124058 -2.21469989  1.12493092 -0.04493361

Cependant, si nous définissons la graine sur un élément identique dans les deux cas (la plupart des gens utilisent 1 pour plus de simplicité), nous obtenons deux échantillons identiques:

> set.seed(1)
> sample(letters,2)
[1] "g" "j"
> set.seed(1)
> sample(letters,2)
[1] "g" "j"

et même avec, disons, rexp() dessine:

> set.seed(1)
> rexp(5)
[1] 0.7551818 1.1816428 0.1457067 0.1397953 0.4360686
> set.seed(1)
> rexp(5)
[1] 0.7551818 1.1816428 0.1457067 0.1397953 0.4360686

Générer des nombres aléatoires en utilisant diverses fonctions de densité

Vous trouverez ci-dessous des exemples de génération de 5 nombres aléatoires à l'aide de différentes distributions de probabilités.

Distribution uniforme entre 0 et 10

runif(5, min=0, max=10)
[1] 2.1724399 8.9209930 6.1969249 9.3303321 2.4054102

Distribution normale avec 0 moyenne et écart type de 1

rnorm(5, mean=0, sd=1)
[1] -0.97414402 -0.85722281 -0.08555494 -0.37444299  1.20032409

Distribution binomiale avec 10 essais et probabilité de succès de 0,5

rbinom(5, size=10, prob=0.5)
[1] 4 3 5 2 3

Distribution géométrique avec une probabilité de succès de 0,2

rgeom(5, prob=0.2)
[1] 14  8 11  1  3

Distribution hypergéométrique avec 3 boules blanches, 10 boules noires et 5 tirages

rhyper(5, m=3, n=10, k=5)
[1] 2 0 1 1 1

Distribution binomiale négative avec 10 essais et probabilité de succès de 0,8

rnbinom(5, size=10, prob=0.8)
[1] 3 1 3 4 2

Distribution de Poisson avec moyenne et variance (lambda) de 2

rpois(5, lambda=2)
[1] 2 1 2 3 4

Distribution exponentielle avec le taux de 1,5

rexp(5, rate=1.5)
[1] 1.8993303 0.4799358 0.5578280 1.5630711 0.6228000

Distribution logistique avec 0 emplacement et échelle de 1

rlogis(5, location=0, scale=1)
[1]  0.9498992 -1.0287433 -0.4192311  0.7028510 -1.2095458

Distribution khi-carré à 15 degrés de liberté

rchisq(5, df=15)
[1] 14.89209 19.36947 10.27745 19.48376 23.32898

Distribution bêta avec paramètres de forme a = 1 et b = 0,5

rbeta(5, shape1=1, shape2=0.5)
[1] 0.1670306 0.5321586 0.9869520 0.9548993 0.9999737

Distribution gamma avec paramètre de forme de 3 et échelle = 0,5

rgamma(5, shape=3, scale=0.5)
[1] 2.2445984 0.7934152 3.2366673 2.2897537 0.8573059

Distribution de Cauchy avec 0 emplacement et échelle de 1

rcauchy(5, location=0, scale=1)
[1] -0.01285116 -0.38918446  8.71016696 10.60293284 -0.68017185

Distribution log-normale avec 0 moyenne et écart-type de 1 (sur l'échelle du journal)

rlnorm(5, meanlog=0, sdlog=1)
[1] 0.8725009 2.9433779 0.3329107 2.5976206 2.8171894

Distribution de Weibull avec paramètre de forme de 0,5 et échelle de 1

rweibull(5, shape=0.5, scale=1)
[1] 0.337599112 1.307774557 7.233985075 5.840429942 0.005751181

Distribution de Wilcoxon avec 10 observations dans le premier échantillon et 20 secondes.

rwilcox(5, 10, 20)
[1] 111  88  93 100 124

Distribution multinomiale avec 5 objets et 3 cases utilisant les probabilités spécifiées

rmultinom(5, size=5, prob=c(0.1,0.1,0.8))
     [,1] [,2] [,3] [,4] [,5]
[1,]    0    0    1    1    0
[2,]    2    0    1    1    0
[3,]    3    5    3    3    5