R Language
Generator liczb losowych
Szukaj…
Losowe permutacje
Aby wygenerować losową permutację 5 liczb:
sample(5)
# [1] 4 5 3 1 2
Aby wygenerować losową permutację dowolnego wektora:
sample(10:15)
# [1] 11 15 12 10 14 13
Można również skorzystać z pakietu 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
Odtwarzalność generatora liczb losowych
Oczekując, że ktoś odtworzy kod R z losowymi elementami, funkcja set.seed()
staje się bardzo przydatna. Na przykład te dwa wiersze zawsze będą generować różne dane wyjściowe (ponieważ jest to cały punkt generatorów liczb losowych):
> sample(1:10,5)
[1] 6 9 2 7 10
> sample(1:10,5)
[1] 7 6 1 2 10
Te dwa dadzą również różne wyniki:
> 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
Jeśli jednak ustawimy ziarno na coś identycznego w obu przypadkach (większość osób używa 1 dla uproszczenia), otrzymamy dwie identyczne próbki:
> set.seed(1)
> sample(letters,2)
[1] "g" "j"
> set.seed(1)
> sample(letters,2)
[1] "g" "j"
i to samo z, powiedzmy, rexp()
rysuje:
> 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
Generowanie liczb losowych przy użyciu różnych funkcji gęstości
Poniżej znajdują się przykłady generowania 5 liczb losowych przy użyciu różnych rozkładów prawdopodobieństwa.
Jednolity rozkład między 0 a 10
runif(5, min=0, max=10)
[1] 2.1724399 8.9209930 6.1969249 9.3303321 2.4054102
Rozkład normalny z 0 średnią i odchyleniem standardowym 1
rnorm(5, mean=0, sd=1)
[1] -0.97414402 -0.85722281 -0.08555494 -0.37444299 1.20032409
Rozkład dwumianowy z 10 próbami i prawdopodobieństwem powodzenia 0,5
rbinom(5, size=10, prob=0.5)
[1] 4 3 5 2 3
Rozkład geometryczny z prawdopodobieństwem powodzenia 0,2
rgeom(5, prob=0.2)
[1] 14 8 11 1 3
Rozkład hipergeometryczny z 3 białymi kulkami, 10 czarnymi kulkami i 5 losowaniami
rhyper(5, m=3, n=10, k=5)
[1] 2 0 1 1 1
Ujemny rozkład dwumianowy z 10 próbami i prawdopodobieństwem sukcesu 0,8
rnbinom(5, size=10, prob=0.8)
[1] 3 1 3 4 2
Rozkład Poissona ze średnią i wariancją (lambda) 2
rpois(5, lambda=2)
[1] 2 1 2 3 4
Rozkład wykładniczy ze stopniem 1,5
rexp(5, rate=1.5)
[1] 1.8993303 0.4799358 0.5578280 1.5630711 0.6228000
Rozkład logistyczny z 0 lokalizacją i skalą 1
rlogis(5, location=0, scale=1)
[1] 0.9498992 -1.0287433 -0.4192311 0.7028510 -1.2095458
Rozkład chi-kwadrat z 15 stopniami swobody
rchisq(5, df=15)
[1] 14.89209 19.36947 10.27745 19.48376 23.32898
Rozkład beta z parametrami kształtu a = 1 ib = 0,5
rbeta(5, shape1=1, shape2=0.5)
[1] 0.1670306 0.5321586 0.9869520 0.9548993 0.9999737
Rozkład gamma z parametrem kształtu 3 i skalą = 0,5
rgamma(5, shape=3, scale=0.5)
[1] 2.2445984 0.7934152 3.2366673 2.2897537 0.8573059
Rozkład Cauchy'ego z 0 lokalizacją i skalą 1
rcauchy(5, location=0, scale=1)
[1] -0.01285116 -0.38918446 8.71016696 10.60293284 -0.68017185
Rozkład log-normalny ze średnią 0 i odchyleniem standardowym 1 (w skali logarytmicznej)
rlnorm(5, meanlog=0, sdlog=1)
[1] 0.8725009 2.9433779 0.3329107 2.5976206 2.8171894
Rozkład Weibulla o parametrze kształtu 0,5 i skali 1
rweibull(5, shape=0.5, scale=1)
[1] 0.337599112 1.307774557 7.233985075 5.840429942 0.005751181
Rozkład Wilcoxona z 10 obserwacjami w pierwszej próbce i 20 w drugiej.
rwilcox(5, 10, 20)
[1] 111 88 93 100 124
Rozkład wielomianowy z 5 obiektami i 3 ramkami z wykorzystaniem określonych prawdopodobieństw
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
Modified text is an extract of the original Stack Overflow Documentation
Licencjonowany na podstawie CC BY-SA 3.0
Nie związany z Stack Overflow