R Language
रैंडम नंबर जेनरेटर

रैंडम क्रमपरिवर्तन

5 संख्याओं का क्रमिक क्रमांकन उत्पन्न करने के लिए:

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

किसी भी वेक्टर के यादृच्छिक क्रमांकन को उत्पन्न करने के लिए:

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

एक भी पैकेज pracma उपयोग कर सकता है

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

रैंडम नंबर जनरेटर की प्रतिलिपि

जब किसी को आर कोड को पुन: उत्पन्न करने की अपेक्षा की जाती है जिसमें उसमें यादृच्छिक तत्व होते हैं, तो set.seed() फ़ंक्शन बहुत उपयोगी हो जाता है। उदाहरण के लिए, ये दो लाइनें हमेशा अलग-अलग आउटपुट उत्पन्न करेंगी (क्योंकि यह यादृच्छिक संख्या जनरेटर का पूरा बिंदु है):

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

ये दोनों अलग-अलग आउटपुट भी देंगे:

> 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

हालांकि, अगर हम दोनों मामलों में बीज को कुछ समान करते हैं (ज्यादातर लोग सादगी के लिए 1 का उपयोग करते हैं), तो हमें दो समान नमूने मिलते हैं:

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

और उसी के साथ, कहना, rexp() ड्रॉ:

> 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

विभिन्न घनत्व कार्यों का उपयोग कर यादृच्छिक संख्या उत्पन्न करना

नीचे विभिन्न संभाव्यता वितरणों का उपयोग करके 5 यादृच्छिक संख्याएँ उत्पन्न करने के उदाहरण दिए गए हैं।

0 और 10 के बीच समान वितरण

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

0 के साथ सामान्य वितरण और 1 का मानक विचलन

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

10 परीक्षणों के साथ द्विपद वितरण और 0.5 की सफलता की संभावना

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

0.2 सफलता की संभावना के साथ ज्यामितीय वितरण

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

3 सफेद गेंदों, 10 काली गेंदों और 5 ड्रॉ के साथ हाइपरजोमेट्रिक वितरण

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

10 परीक्षणों के साथ नकारात्मक द्विपद वितरण और 0.8 की सफलता की संभावना

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

2 के माध्य और विचरण (लैम्ब्डा) के साथ पॉइसन वितरण

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

1.5 की दर के साथ घातीय वितरण

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

लॉजिस्टिक वितरण 0 स्थान और 1 के पैमाने के साथ

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

15 डिग्री स्वतंत्रता के साथ ची-चुकता वितरण

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

आकृति मापदंडों के साथ बीटा वितरण ए = 1 और बी = 0.5

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

3 और स्केल = 0.5 के आकार पैरामीटर के साथ गामा वितरण

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

0 स्थान और 1 के पैमाने के साथ कॉची वितरण

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

लॉग-सामान्य वितरण 0 माध्य और मानक विचलन 1 (लॉग स्केल पर)

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

0.5 और 1 के पैमाने के आकार पैरामीटर के साथ वीबुल वितरण

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

पहले नमूने में 10 अवलोकनों के साथ विल्कोक्सन वितरण और दूसरे में 20।

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

निर्दिष्ट संभावनाओं का उपयोग करते हुए 5 ऑब्जेक्ट और 3 बक्से के साथ बहु-वितरणीय वितरण

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