R Language
Slumptalsgenerator
Sök…
Slumpmässiga permutationer
För att generera slumpmässig permutation av 5 nummer:
sample(5)
# [1] 4 5 3 1 2
För att generera slumpmässig permutation av vilken vektor som helst:
sample(10:15)
# [1] 11 15 12 10 14 13
Man kan också använda paketet 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
Slumpmässig nummergenerators reproducerbarhet
När man förväntar sig att någon ska reproducera en R-kod som har slumpmässiga element i den set.seed()
funktionen set.seed()
mycket praktisk. Till exempel kommer dessa två rader alltid att producera olika resultat (eftersom det är hela punkten för slumpmässiga nummergeneratorer):
> sample(1:10,5)
[1] 6 9 2 7 10
> sample(1:10,5)
[1] 7 6 1 2 10
Dessa två kommer också att producera olika utgångar:
> 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
Men om vi sätter fröet till något identiskt i båda fallen (de flesta använder 1 för enkelhet), får vi två identiska prover:
> set.seed(1)
> sample(letters,2)
[1] "g" "j"
> set.seed(1)
> sample(letters,2)
[1] "g" "j"
och samma sak med, säg, rexp()
ritar:
> 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
Generera slumpmässiga nummer med olika densitetsfunktioner
Nedan följer exempel på generering av 5 slumpmässiga nummer med olika sannolikhetsfördelningar.
Enhetlig fördelning mellan 0 och 10
runif(5, min=0, max=10)
[1] 2.1724399 8.9209930 6.1969249 9.3303321 2.4054102
Normal fördelning med 0 medelvärde och standardavvikelse på 1
rnorm(5, mean=0, sd=1)
[1] -0.97414402 -0.85722281 -0.08555494 -0.37444299 1.20032409
Binomial distribution med 10 studier och framgångssannolikhet om 0,5
rbinom(5, size=10, prob=0.5)
[1] 4 3 5 2 3
Geometrisk fördelning med 0,2 framgångssannolikhet
rgeom(5, prob=0.2)
[1] 14 8 11 1 3
Hypergeometrisk fördelning med 3 vita bollar, 10 svarta bollar och 5 dragningar
rhyper(5, m=3, n=10, k=5)
[1] 2 0 1 1 1
Negativ binomial distribution med 10 studier och framgångssannolikhet på 0,8
rnbinom(5, size=10, prob=0.8)
[1] 3 1 3 4 2
Poisson- distribution med medelvärde och varians (lambda) av 2
rpois(5, lambda=2)
[1] 2 1 2 3 4
Exponentiell fördelning med hastigheten 1,5
rexp(5, rate=1.5)
[1] 1.8993303 0.4799358 0.5578280 1.5630711 0.6228000
Logistisk distribution med 0 plats och skala på 1
rlogis(5, location=0, scale=1)
[1] 0.9498992 -1.0287433 -0.4192311 0.7028510 -1.2095458
Chi-kvadratisk distribution med 15 frihetsgrader
rchisq(5, df=15)
[1] 14.89209 19.36947 10.27745 19.48376 23.32898
Betadistribution med formparametrar a = 1 och b = 0,5
rbeta(5, shape1=1, shape2=0.5)
[1] 0.1670306 0.5321586 0.9869520 0.9548993 0.9999737
Gamma- fördelning med formparameter 3 och skala = 0,5
rgamma(5, shape=3, scale=0.5)
[1] 2.2445984 0.7934152 3.2366673 2.2897537 0.8573059
Cauchy distribution med 0 plats och skala 1
rcauchy(5, location=0, scale=1)
[1] -0.01285116 -0.38918446 8.71016696 10.60293284 -0.68017185
Log-normalfördelning med 0 medelvärde och standardavvikelse på 1 (på loggskala)
rlnorm(5, meanlog=0, sdlog=1)
[1] 0.8725009 2.9433779 0.3329107 2.5976206 2.8171894
Weibullfördelning med formparameter 0,5 och skala 1
rweibull(5, shape=0.5, scale=1)
[1] 0.337599112 1.307774557 7.233985075 5.840429942 0.005751181
Wilcoxon fördelning med 10 observationer i det första provet och 20 i det andra.
rwilcox(5, 10, 20)
[1] 111 88 93 100 124
Multinomial fördelning med 5 objekt och 3 rutor med de angivna sannolikheterna
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