R语言 dbinom、pbinom、qbinom和rbinom指南

R语言 dbinom、pbinom、qbinom和rbinom指南

在这篇文章中,我们将看一下R编程语言中二项分布的dbinom、pbinom、qbinom和rbinom方法的指南。

dbinom函数

这个函数返回二项分布的概率密度函数(pdf)的值,给定一个特定的随机变量x、试验次数(大小)和每次试验的成功概率(prob)。

语法: dbinom(x, size, prob)

参数

  • x:一个数的向量。
  • size : 试验的数量。
  • prob : 每次试验的成功概率。

dbinom函数也用于获得在一定数量的试验(size)中获得一定数量成功的概率(x),其中每次试验的成功概率是固定的(prob)。

例1 :

在这里,我们用二项分布的例子来寻找一个人投中70%的概率,如果他投了20次,那么这个人正好投中12次的概率是多少,所以在这里我们只是用dbinom函数,把给定的语句属性作为它的参数,进一步在R函数中得到结果。

dbinom(x=12, size=20, prob=.7)

输出

[1] 0.1143967

例2 :

在这个例子中,我们只是用dbinom函数来计算,如果硬币被公平地抛出50次,得到正面的概率正好是17次。由于硬币是公平抛出的,所以函数的概率参数被传递为0.5。

dbinom(x=17, size=50, prob=.5)

输出

[1] 0.00874623

pbinom函数

这个函数返回二项分布的累积密度函数(cdf)的值,给定某个随机变量q、试验次数(size)和每次试验的成功概率(prob)。

语法: pbinom(x, size, prob)

参数

  • x:一个数的向量。
  • size:试验的数量。
  • prob:每次试验的成功概率。

pbinom函数返回二项分布中给定值q左边的面积。如果你对给定值q右边的面积感兴趣,你可以简单地添加参数 lower.tail = FALSE

语法

pbinom(q, size, prob, lower.tail = FALSE) 

例1 :

在这个例子中,我们使用pbinom()函数来计算如果硬币被公平地抛出10次,得到头像超过3次的概率。由于硬币是公平抛出的,函数的prob参数被传递为0.5。

pbinom(3, size=10, prob=.5, lower.tail=FALSE)

输出

[1] 0.828125

例2 :

在这个例子中,我们要计算的是,如果一个人在打保龄球时,有30%的机会能打中,如果他打了50次保龄球,用R中的pbinom()函数,他打中30次或更少的概率是多少。

pbinom(30, size=50, prob=.7)

输出

[1] 0.0848026

qbinom函数

这个函数返回给定的随机变量q、试验次数(size)和每次试验的成功概率(prob)的二项分布的反累积密度函数(cdf)值。利用这个函数,我们可以找出二项分布的pth四分位数。

语法: qbinom(q, size, prob)

参数

  • x:一个数的向量。
  • size:试验的数量。
  • prob:每次试验的成功概率。

例1 :

在这个例子中,我们使用qbinorm函数来得到二项分布的第19个四分位数,试验次数为30次,成功概率为0.6。

qbinom(.19, size=30, prob=.6)

输出

[1] 16

rbinom函数

这个函数生成一个二项分布随机变量的向量,给定向量长度n、试验次数(size)和每次试验的成功概率(prob)。

语法:rbinom(n, size, prob)

参数

  • n:观察值的数量。
  • size:试验的数量。
  • prob:每次试验的成功概率。

例子

在这个例子中,我们要生成一个有500个二项式实验成功次数的向量,其中包括90次试验,每次试验的成功概率为0.7,然后用R中的rnorm函数计算生成的向量的平均值来验证它。

gfg <- rbinom(500, size=100, prob=.6)
 
mean(gfg)

输出

[1] 60.01

注意: 我们创建的随机变量越多,平均成功次数就越接近预期成功次数。因为 “预期成功次数”=n*p,其中n是试验次数,p是每次试验的成功概率。

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程