ژنراتور شماره تصادفی در r

ژنراتور شماره تصادفی در R مکانیسمی است که به کاربر امکان می دهد اعداد تصادفی را برای برنامه های مختلف از جمله بازنمایی یک رویداد که مقادیر مختلفی را در اختیار شما قرار می دهد ، یا نمونه هایی با اعداد تصادفی ، با توابع مانند Runif () و Set. seed () تسهیل کند. برنامه نویسی R که کاربر را قادر می سازد اعداد تصادفی را تولید کند و فرآیند تولید را کنترل کند ، تا کاربر بتواند از اعداد تصادفی که در متن مشکلات زندگی واقعی ایجاد می شود ، بهره ببرد.

در اینجا یک مثال زیر برای تولید و چاپ 50 مقادیر بین 1 تا 99 با استفاده از عملکرد Runif () آورده شده است.

Hadoop ، علوم داده ، آمار و دیگران

رمز

خروجی:

یک ژنراتور عدد تصادفی به تولید دنباله ای از رقم ها کمک می کند که می تواند به عنوان تابعی که بعداً در عملیات استفاده می شود ذخیره شود. ژنراتور شماره تصادفی در واقع مقادیر تصادفی تولید نمی کند زیرا به مقدار اولیه به نام بذر نیاز دارد. تولید شماره تصادفی را می توان با توابع set. seed () کنترل کرد. SET. SEED () دستور از یک عدد صحیح برای شروع تعداد تصادفی نسل ها استفاده می کند. علاوه بر این ، توالی شماره تصادفی تولید شده را می توان بعداً ذخیره کرد و از آن استفاده کرد.

به عنوان مثال ، ما از کد برای نمونه برداری از 10 عدد بین 1 تا 100 استفاده خواهیم کرد و چند بار آن را تکرار خواهیم کرد.

برای اولین بار Set. seed () از بذر 5 و بار دوم به عنوان دانه 12 شروع می شود. ده عدد تصادفی برای هر تکرار تولید شده است.

کد:

set. seed (5) # شماره تصادفی از 5 tenrandomnumbers tenrandomnbers تولید می شود

خروجی:

کد:

set. seed (12) # شماره تصادفی از 12 tenrandomnumbers tenrandomnumbers تولید می شود

خروجی:

توابع ژنراتور شماره تصادفی

توابع داخلی در R وجود دارد تا مجموعه ای از اعداد تصادفی از توزیع های استاندارد مانند توزیع عادی ، یکنواخت ، توزیع دوتایی و غیره را در بخش بعدی انجام دهیم. در بخش بعدی عملکردهای مختلفی مانند Runif () ، RNORM () ، RBINOM () و () را مشاهده خواهیم کرد. rexp () برای تولید اعداد تصادفی.

1. اعداد تصادفی به طور یکنواخت توزیع شده

برای تولید تعداد تصادفی توزیع شده یکنواخت Runif () استفاده می شود. محدوده پیش فرض 0 - 1. اول ، ما باید شماره مورد نیاز برای تولید را مشخص کنیم. علاوه بر این ، دامنه توزیع را می توان با استفاده از آرگومان حداکثر و حداقل مشخص کرد.

رمز

# برای بدست آوردن 5 عدد تصادفی توزیع شده یکنواخت Runif (5)

خروجی:

رمز

# 5 عدد تصادفی را از 5 تا 99 Runif (5 ، دقیقه = 5 ، حداکثر = 99) دریافت کنید

خروجی:

رمز

#to تولید 5 عدد صحیح از 0 تا 100 طبقه (runif (5 ، min = 0 ، حداکثر = 101))

خروجی:

رمز

# تولید عدد صحیح بدون نمونه جایگزینی (1: 100 ، 5 ، جایگزین = غلط)

خروجی:

2. اعداد تصادفی به طور معمول توزیع شده

برای تولید اعداد از یک توزیع عادی از orm () استفاده می شود. در جایی که میانگین 0 باشد و انحراف استاندارد 1 باشد. اول ، ما باید تعداد مورد نیاز تولید را مشخص کنیم. علاوه بر این ، میانگین و SD (انحراف استاندارد) می توانند آرگومان مشخص شده باشند.

کد:

خروجی:

کد:

# با استفاده از میانگین و انحراف استاندارد متفاوت (4 ، میانگین = 70 ، SD = 10)

خروجی:

کد:

# هیستوگرام اعداد برای تأیید توزیع X Hist (x)

با استفاده از orm () برای تولید یک عدد تصادفی توزیع شده عادی

3. اعداد تصادفی دوتایی

اعداد تصادفی دوتایی مجموعه ای گسسته از اعداد تصادفی است. برای استخراج مقدار تعداد دوتایی N به تعداد مورد نظر آزمایشات تغییر می یابد. به عنوان مثال آزمایش 5 ، جایی که n = 5

کد:

n = 5 p = . 5 rbinom (1 ، n ، p) # 1 موفقیت در 5 مسیر n = 5 p = . 5 rbinom (19 ، n ، p) # 10 اعداد دوتایی

خروجی:

4- اعداد تصادفی توزیع شده به صورت نمایی

از توزیع نمایی برای توصیف طول عمر اجزای الکتریکی استفاده می شود. به عنوان مثال ، میانگین عمر یک لامپ الکتریکی 1500 ساعت است.

کد:

x = rexp (100 ، 1/1500) تاریخ (x ، احتمال = درست ، col = خاکستری (. 9) ، اصلی = "میانگین نمایی = 1500") منحنی (dexp (x ، 1/1500) ، اضافه کردن = t)

خروجی:

تولید عدد عدد صحیح و شناور

اکنون ما در مورد تولید اعداد تصادفی برای دو نوع اعداد موجود در R. آشنا خواهیم شد. آنها یک عدد صحیح و شناور هستند یا شماره های نقطه شناور هستند. R به طور خودکار دو دسته را مشخص می کند و در صورت نیاز به آنها حرکت می کند. یک عدد صحیح در R از کل تعداد تشکیل شده است که می تواند مثبت یا منفی باشد در حالی که یک شماره نقطه شناور شامل اعداد واقعی است. این از مقداری تشکیل شده است که علاوه بر این رقم از نقطه اعشاری را مشخص می کند. این مقدار به صورت باینری است و نشانه ای در مورد تعداد مکان های باینری برای حرکت در دسترس است. برای تولید عدد صحیح تصادفی داخلی نمونه () قابل اعتماد و سریع است. نیازهای تجاری شما را ملزم به تجزیه و تحلیل نمونه ای از داده ها می کند. برای انتخاب یک نمونه R دارای نمونه () است. به منظور تولید عدد صحیح تصادفی بین 5 تا 20 از کد عملکرد نمونه استفاده می شود.

کد:

= نمونه (5:20 ، 5)

خروجی:

تولید یک نمونه تصادفی از 5

در مثال فوق ، پنج مقدار همانطور که استدلال بیان شده است تولید شده است. ما دیده ایم که چگونه می توان زیر مجموعه ای از مقادیر تصادفی را در R. انتخاب کرد. انتخاب نمونه ای از داده ها برای مشاهده از یک مجموعه داده بزرگ یکی از مهندسان داده های شغل است که در زندگی روزمره خود انجام می دهد.

کد:

خروجی:

تولید نمونه تصادفی از نام قاب داده ها به عنوان Height_weight_data

چند مورد که باید در مورد شماره های شناور به خاطر بسپارید.

• آنها از نظر طبیعت باینری هستند.
• محدود در اعداد واقعی نشان داده شده است.

حال بیایید ببینیم که چگونه می توان شماره شناور تصادفی را بی ن-10 تا 10 ایجاد کرد

کد:

خروجی:

تولید شماره های نقطه شناور تصادفی

Runif () به لباس تصادفی اشاره دارد. در مثال بالا ، ما 10 عدد توزیع تصادفی را بین [-10: 10] به دست آورده ایم

نتیجه

در این مقاله ، ما در مورد ژنراتور شماره تصادفی در R بحث کرده ایم و دیده ایم که چگونه از عملکرد Set. sed برای کنترل نسل شماره تصادفی استفاده می شود. ما دیده ایم که چگونه می توان از بذر برای اعداد تصادفی قابل تکرار استفاده کرد که قادر به تولید دنباله ای از اعداد تصادفی و تنظیم یک ژنراتور بذر شماره تصادفی با Set. seed () هستند. روش آماری که نیاز به تولید اعداد تصادفی دارد گاهی اوقات در طول تجزیه و تحلیل استفاده می شود. R مجهز به عملکردهای متعدد مانند عملکرد یکنواخت ، طبیعی ، دوتایی ، پواسون ، نمایی و گاما است که امکان شبیه سازی رایج ترین توزیع احتمال را فراهم می کند.

مقالات توصیه شده

این یک راهنمای برای ژنراتور شماره تصادفی در R. بوده است. در اینجا ما در مورد مقدمه و عملکردهای ژنراتور شماره تصادفی در R به همراه مثال مناسب بحث می کنیم. شما همچنین می توانید برای کسب اطلاعات بیشتر از طریق مقاله های پیشنهادی دیگر ما بروید -

1. رگرسیون خطی در r
2. توزیع دوتایی در r
3. رگرسیون لجستیک در r
4. نمودار خط در r

دوره محبوب در این گروه

آمار علوم داده و تجزیه و تحلیل تجارت 182+ ساعت فیلم های HD |24 دوره |11 تست مسخره و آزمونها |گواهی قابل تأیید تکمیل 4. 5