本文概述
二项式分布也称为离散概率分布, 用于发现事件成功的概率。在一系列实验中, 该事件只有两个可能的结果。抛硬币是二项式分布的最好例子。抛硬币时, 它的正面或反面都可以。在二项式分布过程中, 发现将三枚硬币反复抛十次时恰好找到三个正面的可能性是近似的。
R允许我们通过提供以下函数来创建二项式分布:
这些函数可以具有以下参数:
S.No | Parameter | Description |
---|---|---|
1. | x | 它是数字的向量。 |
2. | p | 它是概率的向量。 |
3. | n | 它是观察的载体。 |
4. | size | 这是审判的次数。 |
5. | prob | 这是每个试验成功的概率。 |
让我们开始在示例的帮助下了解如何使用这些功能
dbinom():直接查找, 点
R的dbinom()函数计算每个点的概率密度分布。简而言之, 它计算特定二项式分布的密度函数。
例子
# Creating a sample of 100 numbers which are incremented by 1.5.
x <- seq(0, 100, by = 1)
# Creating the binomial distribution.
y <- dbinom(x, 50, 0.5)
# Giving a name to the chart file.
png(file = "dbinom.png")
# Plotting the graph.
plot(x, y)
# Saving the file.
dev.off()
输出
pbinom():直接查找, 间隔
R的dbinom()函数计算事件的累积概率(表示概率的单个值)。简而言之, 它计算特定二项式分布的累积分布函数。
例子
# Probability of getting 20 or fewer heads from 48 tosses of a coin.
x <- pbinom(20, 48, 0.5)
#Showing output
print(x)
输出
qbinom():反向查找
R的qbinom()函数获取概率值, 并生成一个其累加值与概率值匹配的数字。简而言之, 它计算二项式分布的逆累积分布函数。
我们来看看掷硬币51次时有0.45概率的正面数目。
例子
# Finding number of heads with the help of qbinom() function
x <- qbinom(0.45, 48, 0.5)
#Showing output
print(x)
输出
RBIN()
R的rbinom()函数用于从给定样本中为给定概率生成所需数量的随机值。
让我们看一个例子, 其中我们从160个样本中找到9个随机值, 概率为0.5。
例子
# Finding random values
x <- rbinom(9, 160, 0.5)
#Showing output
print(x)
输出
评论前必须登录!
注册