京公网安备 11010802034615号
经营许可证编号:京B2-20210330
R语言之随机数与抽样模拟篇
R语言生成均匀分布随机数的函数是runif()
句法是:runif(n,min=0,max=1) n表示生成的随机数数量,min表示均匀分布的下限,max表示均匀分布的上限;若省略参数min、max,则默认生成[0,1]上的均匀分布随机数。
例1:
> runif(5,0,1) # 生成5个[0,1]的均匀分布的随机数
[1] 0.5993 0.7391 0.2617 0.5077 0.7199
> runif(5) # 默认生成5个[0,1]上的均匀分布随机数
[1] 0.2784 0.7755 0.4107 0.8392 0.7455
例2
随机产生100个均匀分布随机数,作其概率直方图,再添加均匀分布的密度函数线,程序如下:
> x=runif(100)
> hist(x,prob=T,col=gray(.9),main="uniform on [0,1]")
> curve(dunif(x,0,1),add=T) #添加均匀分布的密度函数线
3.1.2 正态分布随机数
正态分布随机数的生成函数是 rnorm()
句法是:rnorm(n,mean=0,sd=1) 其中n表示生成的随机数数量,mean是正态分布的均值,默认为0,sd是正态分布的标准差,默认时为1;
例:
随机产生100个正态分布随机数,作其概率直方图,再添加正态分布的密度函数线
> x=rnorm(100)
> hist(x,prob=T,main="normal mu=0,sigma=1")
> curve(dnorm(x),add=T)
3.1.3 二项分布随机数
二项分布是指n次独立重复贝努力试验成功的次数的分布,每次贝努力试验的结果只有两个,成功和失败,记成功的概率为p
生成二项分布随机数的函数是:rbinom()
句法是:rbinom(n,size,prob) n表示生成的随机数数量,size表示进行贝努力试验的次数,prob表示一次贝努力试验成功的概率
例:
产生100个n为10,15,50,概率p为0.25的二项分布随机数:
> par(mfrow=c(1,3))
> p=0.25
> for( n in c(10,20,50))
{ x=rbinom(100,n,p)
hist(x,prob=T,main=paste("n =",n))
xvals=0:n
points(xvals,dbinom(xvals,n,p),type="h",lwd=3)
}
> par(mfrow=c(1,1))
3.1.4 指数分布随机数
R生成指数分布随机数的函数是:rexp()
其句法是:rexp(n,lamda=1) n表示生成的随机数个数,lamda=1/mean
例:
>x=rexp(100,1/10) # 生成100个均值为10的指数分布随机数
>hist(x,prob=T,col=gray(0.9),main=“均值为10的指数分布随机数”)
>curve(dexp(x,1/10),add=T) #添加指数分布密度线
3.1.5 常见的分布函数
产生分布的随机数,只需要在相应的分布前加r就行
表 3-1 常见分布函数表
分布 中文名称 R中的表达 参数
Beta 贝塔分布 beta(a,b) shape1, shape2
Binomial 二项分布 binom(n,p) size, prob
Cauchy 柯西分布 cauchy( ) location, scale Chi-square 卡方分布 chisq(df)
df Exponential 指数分布 exp(lamda) rate F F分布 f(df1,df2) df1
df2
Gamma 伽玛分布 gamma() shape rate
Geometric 几何分布 geom() prob Hypergeometric 超几何分布 hyper() m,n,k
Logistic 逻辑分布 logis() location scale
Negative binomial 负二项分布 nbinom() size prob
Normal 正态分布 norm() mean, sd Multivariate normal 多元正态分布 mvnorm() mean,cov
Poisson 泊松分布 pois() lambda T t 分布 t() df
Uniform 均匀分布 unif() min, max Weibull 威布儿分布 weibull() shape, scale
Wilcoxon 威尔考可森分布 wilcox() m, n
表 3-2 与分布相关的函数及代号
函数代号 函数作用
r- 生成相应分布的随机数
d- 生成相应分布的密度函数
p- 生成相应分布的累积概率密度函数
q- 生成相应分布的分位数函数
例:
dnorm表示正态分布密度函数
pnorm表示正态分布累积概率密度函数
qnorm表示正态分布分位数函数(即正态累积概率密度函数的逆函数)
3.2 随机抽样
3.2.1 放回与无放回抽样
R可以进行有放回、无放回抽样
sample()函数即可以实现
句法为:sample(x,n,replace=F,prob=NULL)
3.3 统计模拟
3.3.1 几种常见的模拟方法
1 中心极限定理:
3 用函数进行模拟
指定模拟次数m=100,样本量n=10,概率=0.25,如果要改变这些参数来重新进行模拟将会很麻烦,下面将展示如何将上面的程序形成一个模拟函数再进行模拟。
> sim.clt <- function (m=100,n=10,p=0.25)
{ z = rbinom(m,n,p)
x = (z-n*p)/sqrt(n*p*(1-p))
hist(x,prob=T,breaks=20,main=paste("n =",n,”p =”,p))
curve(dnorm(x),add=T)
}
> sim.clt() # 默认 m=100,n=10,p=0.25
> sim.clt(1000) # 取 m=1000,n=10,p=0.25
> sim.clt(1000,30) # 取 m=1000,n=30,p=0.25
> sim.clt(1000,30,0.5) # 取 m=1000,n=30,p=0.5
4 正态概率模拟
能比直方图更好判定随机数是否近似服从正态分布的是正态概率图。
其基本思想是:作实际数据的分位数与正态分布数据的分位数的散点图,也就是作样本分位数与理论分位数的散点图。
3.3.2 模拟函数的建立方法
若每次模拟都要编写一个循环,非常麻烦.
sim.fun()就是专门用来解决这类问题的
只需要编写一个用来生成随机数的函数,剩下的工作就交给sim.fun来完成
sim.fun <-function (m,f,...) # m 模拟样本次数,f需模拟的函数
{
sample <-1:m
for (i in 1:m) {
sample[i] <-f(...)
}
sample
}
例:
二项分布:
先编写一个函数用来生成一个二项分布随机的标准化值
>f<-function(n=10,p=0.5){s=rbinom(1,n,p);(s-n*p)/sqrt(n*p*(1-p)) }
> x=sim.fun(1000,f) # 模拟1000个二项随机数
> hist(x,prob=T)
均匀分布来模拟中心极限定理:
> f = function(n=10) (mean(runif(n)-1/2)/(1/sqrt(12*n))
> x=sim.fun(1000,f) # 模拟1000个均匀随机数
> hist(x,prob=T)
正态分布:
>f=function(n=10,mu=0,sigma=1){r=rnorm(n,mu,sigma);(mean(r)-m
u)/(sigma/sqrt(n)) }
> x = sim.fun(1000,f) #模拟1000个样本量为10的N(0,1)随机数
> hist(x,breaks=10,prob=T)
> x = sim.fun(1000,f,30,5,2) # 模拟1000个样本量为30的N(5,4)随机数
> hist(x,breaks=10,prob=T)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
前面讲了怎么搭指标体系,但很多团队卡在最后一步:高层定了一个漂亮的目标,往下一层层写进周报,最后却落不到任何人的具体 ...
2026-11-20 很多团队做数据分析的现状是:老板要一个数就拉一个数,周报里堆满了 GMV、DAU、转化率,却没人说得清这些数之间是什么关系 ...
2026-11-20这周你大概又经历过一次:报表自己跑了,SQL 让 AI 写了,连周报初稿都不用自己动手。你一边松口气,一边心里发慌——那我还剩什 ...
2026-11-20 做产品立项、写商业计划书、规划市场进入策略时,"市场调研"和"竞品分析"几乎总是被绑在一起说,甚至被当成同一件事。但实际 ...
2026-11-19 在做数据治理、搭数据中台或者梳理数据库表结构时,"主数据"和"参考数据"是被提及频率最高、也最容易被混为一谈的两个概念。 ...
2026-11-19“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-19一、什么是本体 在知识图谱和语义建模里,本体(Ontology)是对一个领域内概念、属性、关系和实例的形式化描述。它回答三个问题 ...
2026-11-18一、K-S 曲线解决什么问题 风控评分卡、客户流失模型、欺诈识别模型建好之后,最核心的一个问题是:模型能不能把"会变坏"和"不会 ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18产品上线之后,真正回答"用户是谁、想要什么、卡在哪里"的,往往不是调研问卷,而是用户留下的一条条行为记录。点击、浏览、停留 ...
2026-11-17在日常数据库开发与报表查询中,日期格式几乎是最高频的"打交道"对象:页面上要展示 yyyy-MM-dd,接口要返回 ISO 8601 字符串, ...
2026-11-17核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-17一、销售行业为什么离不开大数据分析 销售行业的本质是"把合适的产品,在合适的时间,卖给合适的人,并持续复购"。传统销售靠经 ...
2026-11-16一、什么是频数分布 拿到一批连续数据(员工年龄、商品价格、考试分数、订单金额),最想先看的往往不是平均值,而是数据集中在 ...
2026-11-16教育部办公厅关于成立全国数据职业教育教学指导委员会(2026—2030年)的通知 教职成厅函〔2026〕25号 各省、自治区、直辖市教 ...
2026-11-16CDA数据分析师 出品 作者:李诗怡 基础与单表查询 四大类语言 · 数据库基础 · DQL 单表查询 ” 一、SQL 四大类语言与数据 ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12一、什么是加权聚类 普通聚类默认"每个样本、每个指标都同等重要":距离公式里每个样本权重都是 1,每个指标在距离计算里占比相 ...
2026-11-12