R语言 模拟二项式或伯努利式试验

在这篇文章中，我们将学习在R编程语言中模拟二项式或伯努利式试验。

二项式试验 是一种统计实验，它有两种可能的结果，如成功或失败，而且每次试验的结果都与其他试验无关。 伯努利试验 是二项式试验的一个特殊情况，只有一个试验。我们将使用R的内置函数 来模拟这些试验，并 展示其特性。

模拟二项式试验

为了在R中模拟二项式试验，我们将使用 rbinom() 函数。这个函数从二项分布中生成随机数。

rbinom()函数的语法 。

rbinom(n, size, prob)

参数

• n： 试验的数量
• prob ：每次试验的成功概率
• size： 上述模拟试验的数量

例1:

在这个例子中，函数 rbinom(10, 1, 0.7) 产生了10个随机数，每个随机数代表一个成功概率为0.7的伯努利试验的结果。结果存储在变量 “result “中，并使用print()函数打印出来。试验的结果将是0或1。0代表失败，1代表成功。

result <- rbinom(10, 1, 0.7)
print(result)

输出

[1] 1 1 1 1 1 1 1 1 0 1

例2:

在这个例子中，我们将使用 rbinom() 函数在R语言中模拟1000次成功概率为0.7的伯努利试验，并使用 summary() 函数生成一个结果摘要，该函数返回1000次试验中失败和成功的次数。

result <- rbinom(1000, 1, 0.7)
summary(result)

输出

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  0.000   1.000   1.000   0.700   1.000   1.000 

输出中显示的统计数据 如下。

• 最小值。数据集中的最小值（本例中为0）
• 1st Qu:第一四分位数（第25百分位数）（本例中为1）
• 中位数。数据集的中间值（本例中为1）
• 平均值。数据集的平均值（本例中为0.7）
• 第三四分位数。第三四分位数（第75个百分点）（本例中为1）
• 最大值：数据集中的最大值（本例中为1）

例3:

在本文中，代码模拟了100个成功概率为0.5的伯努利试验，并创建了一个结果的直方图。 rbinom() 函数被用来生成100个随机数，每个随机数代表成功概率为0.5的伯努利试验的结果。生成的数字被存储在变量result中。然后用hist()函数对存储在结果变量中的数值创建一个柱状图。直方图将显示结果变量中0和1的频率，这代表了100次伯努利试验中失败和成功的数量。

直方图的X轴将被标记为 “0 “和 “1”，分别代表失败和成功。y轴将代表结果的频率。由于成功的概率被设定为0.5，预计直方图中的0和1的数量将大致相等。由于模拟是随机的，结果可能会有所不同。

result <- rbinom(100, 1, 0.5)
hist(result)

输出