R语言中统计分布和模拟
前言
很多应用都需要随机数。像interlink connection，密码系统、视频游戏、人工智能、优化、问题的初始条件，金融等都需要生成随机数。但实际上目前我们并没有“真正”的随机数生成器，尽管有一些伪随机数生成器也是非常有效的。
目录
1. 概率统计分布概述
2. 随机函数模拟介绍
3. 密度函数模拟介绍
4. 分布函数模拟介绍
5. 分位数函数模拟介绍
6. 函数模拟举例
1. 概率统计分布概述
各种统计分布在R中的名称，这张表取自《An Introduction to R》中概率分布一章，基本涵盖了R中所有的概率函数。
R给出了详尽的统计表。R 还提供了相关函数来 计算累计概率分布函数 X <= x)， 概率密度函数和分位数函数(给定 q，符合 P(X <= x) > q的最小x就是对应的分位数)， 和 基于概率分布的计算机模拟。
| 汉文名称 | 英文名称 | R对应的名字 | 附加参数 |
| β分布 | beta | beta | shape1, shape2, ncp |
| 二项式分布 | binomial | binom | size, prob |
| 柯西分布 | Cauchy | cauchy | location, scale |
| 卡方分布 | chi-squared | chisq | df, ncp |
| 指数分布 | exponential | exp | rate |
| F分布 | F | f | df1, df1, ncp |
| Gamma(γ)分布 | gamma | gamma | shape, scale |
| 几何分布 | geometric | geom | prob |
| 超几何分布 | hypergeometric | hyper | m, n, k |
| 对数正态分布 | log-normal | lnorm | meanlog, sdlog |
| Logistic分布 | logistic | logis | location, scale |
| 负二项式分布 | negative binomial | nbinom | size, prob |
| 正态分布 | normal | norm | mean, sd |
| 泊松分布 | Poisson | pois | lambda |
| Wilcoxon分布 | signed rank | signrank | n |
| t分布 | Student's t | t | df, ncp |
| 均匀分布 | uniform | unif | min, max |
| 韦伯分布 | Weibull | weibull | shape, scale |
| 秩和分布 | Wilcoxon | wilcox | m, n |
概率函数介绍
在R中各种概率函数都有统一的形式，即一套统一的 前缀+分布函数名：
d 表示密度函数（density）；
p 表示分布函数（生成相应分布的累积概率密度函数）；
q 表示分位数函数，能够返回特定分布的分位数（quantile）；
r 表示随机函数，生成特定分布的随机数（random）。
每一种分布有四个函数：d―density（密度函数），p―分布函数，q―分位数函数，r―随机数函数。比如，正态分布的这四个函数为dnorm，pnorm，qnorm，rnorm。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）；rnorm 表示正态分布随机数。各分布后缀，前面加前缀d、p、q或r就构成函数名。
不同的名字前缀表示不同的含义，d表示概率密度函数，p 表示 累积分布函数（cumulative distribution function，CDF），q 表 示分位函数以及 r 表示随机模拟(random deviates)或者随机数发生器。 dxxx 的第一个参数是x，pxxx是q， qxxx 是 p，和rxxx的是n(rhyper 和 rwilcox例外，二者的参数是 nn)。偏态指数（non-centrality parameter） ncp 现在仅用于累积分布函数，大多数概率密度函数 和部分其他情况：更细节的内容可以参考帮助文档。
pxxx 和 qxxx 函数都有逻辑 参数 lower.tail 和 log.p。dxxx 也有一个逻辑函数 log。 它们可以用来计算所要的函数值。 例如可以通过下式计算累计(“积分的”) 风险 （hazard）函数。
- pxxx(t, ..., lower.tail = FALSE, log.p = TRUE) 它们也可以直接用来计算更精确的对数似然值 (dxxx(..., log = TRUE))。
此外还有函数 ptukey 和 qtukey 计算 来自正态分布的样本的标准化全距（studentized range） 的分布。
这里是一些例子：
> ## t分布的双侧p值
> 2*pt(-2.43, df = 13)
> ## F(2, 7)分布的上1%分位数
> qf(0.99, 2, 7)2. 随机函数模拟介绍
各种分布的随机数生存函数
rnorm(n, mean=0, sd=1) #正态分布
rexp(n, rate=1) #指数
rgamma(n, shape, rate=1, scale=1/rate) #r 分布
rpois(n, lambda) #泊松
rt(n, df, ncp) #t 分布
rf(n, df1, df2, ncp) #f 分布
rchisq(n, df, ncp=0) #卡方分布
rbinom(n, size, prob) #二项分布
rweibull(n, shape, scale=1) #weibull 分布
rbata(n, shape1, shape2) #bata 分布均匀分布随机数
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：生成5个[0,1]的均匀分布的随机数
> runif(5,0,1)
[1] 0.5993 0.7391 0.2617 0.5077 0.7199
# 默认生成5个[0,1]上的均匀分布随机数
> runif(5)
[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]")
# 添加均匀分布的密度函数线
> curve(dunif(x,0,1),add=T) 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)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))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：生成100个均值为10的指数分布随机数
> x=rexp(100,1/10)
> hist(x,prob=T,col=gray(0.9),main="均值为10的指数分布随机数")
# 添加指数分布密度线
> curve(dexp(x,1/10),add=T)
# 例：生成5个指数分布随机数（应和下面举例）
> rexp(5, rate=1)
[1] 0.6626410 1.4266883 0.2150661 1.5788140 0.4469142
3. 密度函数模拟介绍
以指数分布（R中函数名为exp）为例进行示范
密度函数调用形式：
dexp（x，rate）参数解释：x随机变量，rate为指数概率密度函数的参数λ
## 例1：绘制0到4上，参数为1的指数分布的概率密度函数图像
> x <- seq(0, 4, 0.5)
> x
[1] 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0
> y <- dexp(x, rate=1)
> y
[1] 1.00000000 0.60653066 0.36787944 0.22313016 0.13533528
[6] 0.08208500 0.04978707 0.03019738 0.01831564
> plot(x,y)
> plot(x,y,type='l')4. 分布函数模拟介绍
分布函数调用形式：
pexp（x，rate, lower.tail =TRUE）参数解释：x随机变量，rate同上，参数lower.tail为一个逻辑值，TURE表示P（X ≤ x），也是默认值。
## 例：求取上图中x=2左侧的概率密度函数曲线下方面积
> pexp(2, rate=1)
[1] 0.86466475. 分位数函数模拟介绍
分位数函数调用形式：
qexp（p，rate, lower.tail =True ）参数解释：p为概率值，其他同上
## 例：求取参数为1的指数分布函数的85%分位数
> qexp(0.85, rate=1)
[1] 1.897126. 函数模拟举例
例如：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 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。
# m 模拟样本次数，f需模拟的函数
sim.fun <-function (m,f,...) {
sample <-1:m
for (i in 1:m) {
sample[i] <-f(...)
}
sample
} 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。基本思想：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。
二项分布模拟：
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)) }
> xf <- 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)-mu)/(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)
5741
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
