R语言如何产生随机数列

xiaoliu

分布名称函数
Gaussian (normal) rnorm(n, mean=0, sd=1)
exponential rexp(n, rate=1)
gamma rgamma(n, shape, scale=1)
Poisson rpois(n, lambda)
Weibull rweibull(n, shape, scale=1)
Cauchy rcauchy(n, location=0, scale=1)
beta rbeta(n, shape1, shape2)
`Student' (t) rt(n, df)
Fisher{Snedecor (F) rf(n, df1, df2)
Pearson (Â2) rchisq(n, df)
binomial rbinom(n, size, prob)
multinomial rmultinom(n, size, prob)
geometric rgeom(n, prob)
hypergeometric rhyper(nn, m, n, k)
logistic rlogis(n, location=0, scale=1)
lognormal rlnorm(n, meanlog=0, sdlog=1)
negative binomial rnbinom(n, size, prob)
uniform runif(n, min=0, max=1)
Wilcoxon's statistics rwilcox(nn, m, n), rsignrank(nn, n)
在统计学中，产生随机数据是很有用的，R可以产生多种不同分布下的随
机数序列。这些分布函数的形式为rfunc(n,p1,p2,...)，其中func指概率分
布函数，n为生成数据的个数，p1, p2, . . . 是分布的参数数值。上面的表给出
了每个分布的详情和可能的缺省值（如果没有给出缺省值，则意味着用户必
须指定参数）。
大多数这种统计函数都有相似的形式，只需用d、p或者q去替代r，比如
密度函数(dfunc(x, ...))，累计概率密度函数（也即分布函数）(pfunc(x,
...))和分位数函数(qfunc(p, ...)，0 < p < 1)。最后两个函数序列可以用
来求统计假设检验中P值或临界值。例如，显著性水平为5%的正态分布的双
侧临界值是：
> qnorm(0.025)
[1] -1.959964
> qnorm(0.975)
[1] 1.959964
对于同一个检验的单侧临界值，根据备择假设的形式使用qnorm(0.05)或1 -
qnorm(0.95)。
一个检验的P值，比如自由度df = 1的&Acirc;2 = 3:84：
> 1 - pchisq(3.84, 1)
[1] 0.05004352