Генерация случайных чисел

Ссылка на сборник рецептов http://www.cookbook-r.com/Numbers/

library(ggplot2) # Библиотека визуализации данных, предоставляющий целостный интерфейс (грамматика графики)
## Warning: package 'ggplot2' was built under R version 3.2.4

Обеспечиваем повторяемость экспериментов

set.seed(1234)
rnorm(5)
## [1] -1.2070657  0.2774292  1.0844412 -2.3456977  0.4291247
rnorm(5)
## [1]  0.5060559 -0.5747400 -0.5466319 -0.5644520 -0.8900378
set.seed(1234)
rnorm(5)
## [1] -1.2070657  0.2774292  1.0844412 -2.3456977  0.4291247

Основные распределения и функции

Семейства функций

Название Семейство функций Примеры
Нормальное norm http://www.mathelp.spb.ru/book2/tv11.htm
Пуассона pois http://baguzin.ru/wp/?p=5587
Равномерное unif

Префиксы

префикс расшифровка
r Random numbers
d Density
p Probability P{X<=x}
q Quantile

График случайных чисел

vnorm <-  rnorm(100,mean=0, sd=1)
vnorm
##   [1]  0.506055892 -0.574739960 -0.546631856 -0.564451999 -0.890037829
##   [6] -0.477192700 -0.998386445 -0.776253895  0.064458817  0.959494059
##  [11] -0.110285494 -0.511009506 -0.911195417 -0.837171680  2.415835178
##  [16]  0.134088220 -0.490685897 -0.440547872  0.459589441 -0.693720247
##  [21] -1.448204910  0.574755721 -1.023655723 -0.015138300 -0.935948601
##  [26]  1.102297546 -0.475593079 -0.709440038 -0.501258061 -1.629093469
##  [31] -1.167619262 -2.180039649 -1.340993192 -0.294293859 -0.465897540
##  [36]  1.449496265 -1.068642724 -0.855364634 -0.280623002 -0.994340076
##  [41] -0.968514318 -1.107318193 -1.251985886 -0.523828119 -0.496849957
##  [46] -1.806031257 -0.582075925 -1.108889624 -1.014962009 -0.162309524
##  [51]  0.563055819  1.647817473 -0.773353424  1.605909629 -1.157808548
##  [56]  0.656588464  2.548991071 -0.034760390 -0.669633580 -0.007604756
##  [61]  1.777084448 -1.138607737  1.367827179  1.329564791  0.336472797
##  [66]  0.006892838 -0.455468738 -0.366523933  0.648286568  2.070270861
##  [71] -0.153398412 -1.390700947 -0.723581777  0.258261762 -0.317059115
##  [76] -0.177789958 -0.169994077 -1.372301886 -0.173787170  0.850232257
##  [81]  0.697608712  0.549997351 -0.402731975 -0.191593770 -1.194527880
##  [86] -0.053158819  0.255196001  1.705964007  1.001513252 -0.495583443
##  [91]  0.355550297 -1.134608044  0.878203627  0.972916753  2.121117105
##  [96]  0.414523534 -0.474718474  0.065993494 -0.502477782 -0.825998587
df1 <-  data.frame(ind=seq_along(vnorm),val=vnorm)
ggplot(data = df1,aes(x=ind,y=val)) + geom_point(color="green") + geom_hline(yintercept = mean(vnorm),color=c("blue"))

Сравним теоретическую и экспериментальную плотность распределения

base <- ggplot(data=df1, aes(x=val, colour = I("blue"))) + geom_density()
base + stat_function(fun = dnorm,color="green")