R Language
Генератор случайных чисел
Поиск…
Случайные подстановки
Для генерации произвольной перестановки 5 чисел:
sample(5)
# [1] 4 5 3 1 2
Для генерации произвольной перестановки любого вектора:
sample(10:15)
# [1] 11 15 12 10 14 13
Можно также использовать пакет 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
Воспроизводимость генератора случайных чисел
Когда вы ожидаете, что кто-то воспроизведет R-код, который имеет в нем случайные элементы, set.seed()
станет очень удобной. Например, эти две строки всегда будут производить разные выходные данные (потому что это целая точка генераторов случайных чисел):
> sample(1:10,5)
[1] 6 9 2 7 10
> sample(1:10,5)
[1] 7 6 1 2 10
Эти два будут также производить разные результаты:
> 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
Однако, если мы установим семя в нечто одинаковое в обоих случаях (большинство людей используют 1 для простоты), мы получаем два одинаковых образца:
> set.seed(1)
> sample(letters,2)
[1] "g" "j"
> set.seed(1)
> sample(letters,2)
[1] "g" "j"
и то же, что, скажем, rexp()
рисует:
> 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
Генерация случайных чисел с использованием различных функций плотности
Ниже приведены примеры генерации 5 случайных чисел с использованием различных вероятностных распределений.
Равномерное распределение между 0 и 10
runif(5, min=0, max=10)
[1] 2.1724399 8.9209930 6.1969249 9.3303321 2.4054102
Нормальное распределение с 0 средним и стандартным отклонением 1
rnorm(5, mean=0, sd=1)
[1] -0.97414402 -0.85722281 -0.08555494 -0.37444299 1.20032409
Биномиальное распределение с 10 испытаниями и вероятностью успеха 0,5
rbinom(5, size=10, prob=0.5)
[1] 4 3 5 2 3
Геометрическое распределение с 0,2 вероятностью успеха
rgeom(5, prob=0.2)
[1] 14 8 11 1 3
Гипергеометрическое распределение с тремя белыми шарами, 10 черными шарами и 5 ничьей
rhyper(5, m=3, n=10, k=5)
[1] 2 0 1 1 1
Отрицательное биномиальное распределение с 10 испытаниями и вероятностью успеха 0,8
rnbinom(5, size=10, prob=0.8)
[1] 3 1 3 4 2
Распределение Пуассона со средним и дисперсией (лямбда) 2
rpois(5, lambda=2)
[1] 2 1 2 3 4
Экспоненциальное распределение со скоростью 1,5
rexp(5, rate=1.5)
[1] 1.8993303 0.4799358 0.5578280 1.5630711 0.6228000
Распределение логистики с 0 местоположением и шкалой 1
rlogis(5, location=0, scale=1)
[1] 0.9498992 -1.0287433 -0.4192311 0.7028510 -1.2095458
Ши-квадрат распределения с 15 степенями свободы
rchisq(5, df=15)
[1] 14.89209 19.36947 10.27745 19.48376 23.32898
Бета- распределение с параметрами формы a = 1 и b = 0,5
rbeta(5, shape1=1, shape2=0.5)
[1] 0.1670306 0.5321586 0.9869520 0.9548993 0.9999737
Гамма- распределение с параметром формы 3 и шкалой = 0,5
rgamma(5, shape=3, scale=0.5)
[1] 2.2445984 0.7934152 3.2366673 2.2897537 0.8573059
Распределение Коши с 0 местоположением и шкалой 1
rcauchy(5, location=0, scale=1)
[1] -0.01285116 -0.38918446 8.71016696 10.60293284 -0.68017185
Лог-нормальное распределение с 0 стандартным и стандартным отклонением 1 (по шкале журнала)
rlnorm(5, meanlog=0, sdlog=1)
[1] 0.8725009 2.9433779 0.3329107 2.5976206 2.8171894
Распределение Вейбулла с параметром формы 0,5 и шкалой 1
rweibull(5, shape=0.5, scale=1)
[1] 0.337599112 1.307774557 7.233985075 5.840429942 0.005751181
Распределение Вилькоксона с 10 наблюдениями в первом образце и 20 в секунду.
rwilcox(5, 10, 20)
[1] 111 88 93 100 124
Многочленное распределение с 5 объектами и 3 ящиками с использованием указанных вероятностей
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