1.概述
作为一种语言进行统计分析，R有一个随机数生成各种统计分布功能的综合性图书馆。R语言可以针对不同的分布，生成该分布下的随机数。其中，有许多常用的个分布可以直接调用。本文简单介绍生成常用分布随机数的方法，并介绍如何生成给定概率密度分布下的随机数。
2.常用分布的随机数
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）。
2.1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runif(n,min=0,max=1) #均匀分布
2.2以二项分布为例，实现上述各类函数：
dbinom(x, size, prob, log = FALSE)# 可用于计算二项分布的概率。 pbinom(q, size, prob, lower.tail = TRUE, log.p = FALSE)#二项分布的分布函数值 qbinom(p, size, prob, lower.tail = TRUE, log.p = FALSE)#生成二项分布的特定分位数 rbinom(n, size, prob)#生成二项分布的随机数
二项分布随机数
二项分布是指n次独立重复伯努利试验成功的次数的分布，每次伯努利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表示进行伯努利试验的次数，prob表示一次贝努力试验成功的概率。
#例：产生100个n为10,20,50，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.离散随机变量的生成3.1逆变换法
假设我们希望生成一个离散型随机变量X，它有密度
我们首先可以生成一个均匀分布的随机数，使得：
#代码实现如下：<br>p1<-0.15
p2<-0.2
p3<-0.3
p4<-0.35
disRand<-function(i){
u<-runif(1,0,1)
if(u<p1) x<-4 else
if(u<p2+p2) x<-2 else
if(u<p3+p2+p1) x<-1 else
x<-3
return(x)
}
3.2二项随机变量的生成
Example:假设要生成1000个服从b(100，0.6)的随机数
p<-0.6
n<-100
c<-p/(1-p)
i<-0
pp<-(1-p)^n
f<-pp
binomialRandomeV<-function(o){
u<-runif(1,0,1)
f<-
while(u>=f){
pp<-c*(n-i)*pp/(i+1)
f<-f+pp
i<-i+1
}
return(i)
}
sapply(c(1:1000),binomialRandomeV)
