Вступ до генератора випадкових чисел у R

Генератор випадкових чисел у R є важливим аспектом науки про дані, а статистика генерує випадкові числа чи генерує випадкові елементи. Наприклад, вибір випадкових людей з кадру даних населення для аналізу та отримання інформації про дані. Просте рішення для генерації випадкових чисел - за допомогою функцій. Випадкові числа корисні в різних областях, таких як моделювання, наукові дані та вибірки (статистика). З розширенням мережі розвиток досліджень у генераторі випадкових чисел видається необхідним. Випадкові числа відіграють ключову роль в системах безпеки і надають нам складну систему для посилення безпеки мережі.

Ось один приклад нижче для генерації та друку 50 значень між 1 і 99 за допомогою функції runif ().

Код

RandomNum <- runif(50, 1, 99)
RandomNum

Вихід:

Генератор випадкових чисел допомагає генерувати послідовність цифр, які можна зберегти як функцію, яка буде використана пізніше в операціях. Генератор випадкових чисел насправді не видає випадкових значень, оскільки для цього потрібно початкове значення, яке називається SEED. Генерацією випадкових чисел можна керувати за допомогою функцій SET.SEED (). Команда SET.SEED () використовує ціле число для запуску випадкової кількості поколінь. Крім того, сформована послідовність випадкових чисел може бути збережена та використана пізніше.

Наприклад, ми використаємо код для вибірки 10 чисел від 1 до 100 і повторимо його кілька разів.

Вперше SET.SEED () розпочнеться з насіння у 5 та вдруге як у насінні як 12. Створено десять випадкових чисел для кожної ітерації.

Код

set.seed(5) # random number will generate from 5
TenRandomNumbers <- sort(sample.int(100, 10))
TenRandomNumbers

Вихід:

Код:

set.seed(12) # random number will generate from 12
TenRandomNumbers <- sort(sample.int(100, 10))
TenRandomNumbers

Вихід:

Функції генератора випадкових чисел

В R є вбудовані функції для генерування набору випадкових чисел із стандартних розподілів, таких як звичайні, рівномірні, біноміальні розподіли тощо. У наступному розділі ми побачимо різні функції, такі як runif (), rnorm (), rbinom () та rexp () для генерації випадкових чисел.

1. Рівномірно розподілені випадкові числа

Для генерації рівномірно розподіленого випадкового числа runif () використовується. Діапазон за замовчуванням 0 - 1. Спочатку нам потрібно буде вказати кількість, яке потрібно створити. Крім того, діапазон розподілу може бути визначений за допомогою аргументу max та min.

Код

# To get 5 uniformly distributed Random Numbers
runif(5)

Вихід:

Код

# Get 5 random Numbers from 5 to 99
runif(5, min=5, max=99)

Вихід:

Код

#To generate 5 integers from 0 to 100
floor(runif(5, min=0, max=101))

Вихід:

Код

# Generating integers without replacement
sample(1:100, 5, replace=FALSE)

Вихід:

2. Нормально розподілені випадкові числа

Для генерації чисел використовується звичайна rnorm розподілу (). Де середнє значення дорівнює 0, а стандартне відхилення - 1. По-перше, нам потрібно буде вказати кількість, яке потрібно створити. Крім того, середнє значення та SD (стандартне відхилення) можуть бути задані аргументами.

Код

rnorm(5)

Вихід:

Код

# using a different mean and standard deviation
rnorm(4, mean=70, sd=10)

Вихід:

Код

# histogram of the numbers to verify the distribution
X <- rnorm(400, mean=70, sd=10)
hist(X)

Вихід:

Використання rnorm () для генерації нормального розподіленого випадкового числа

3. Біноміальні випадкові числа

Біноміальні випадкові числа - це дискретний набір випадкових чисел. Для отримання біноміального числа значення n змінюється на потрібне число випробувань. Наприклад, пробна версія 5, де n = 5

Код:

n= 5
p=.5
rbinom(1, n, p)
# 1 success in 5 trails
n= 5
p=.5
rbinom(19, n, p) # 10 binomial numbers

Вихід:

4. Експонентично розподілені випадкові числа

Експоненційний розподіл використовується для опису терміну експлуатації електричних компонентів. Наприклад, середній термін служби електричної лампи становить 1500 годин.

Код:

x=rexp(100, 1/1500)
hist(x, probability=TRUE, col= gray(.9), main="exponential mean=1500")
curve(dexp(x, 1/1500), add= T)

Вихід:

Генерування цілого числа і плаваючої точки

Тепер ми дізнаємось про генерування випадкових чисел для двох типів чисел, наявних у Р. Вони являють собою цілі і плаваючі точки або числа з плаваючою точкою. R автоматично виявить дві категорії та переміститься по них у міру виникнення потреби. Ціле число в R складається з цілого числа, яке може бути додатним чи від’ємним, тоді як число з плаваючою комою включає реальні числа. Він складається із значення, яке вказує найдальшу цифру від десяткової коми. Значення є двійковим, а індикація доступна для кількості бінарних місць для переміщення. Для створення випадкових цілих чисел вбудована функція sample () є надійною та швидкою. Для потреб бізнесу потрібно проаналізувати зразок даних. Для вибору зразка R є функція sample (). Для генерації випадкових цілих чисел між 5 і 20 нижче використовується зразок коду функції.

Код

rn = sample(5:20, 5)
rn

Вихід:

Утворення випадкової вибірки 5

У наведеному вище прикладі в якості аргументу було сформовано п'ять значень. Ми бачили, як підмножина випадкових значень може бути обрана в Р. У ситуації в реальному часі від вас буде потрібно генерувати випадкову вибірку з існуючого кадру даних. Вибір вибірки даних для спостереження з великого набору даних є однією з робочих місць, яку інженери проводять у своєму повсякденному житті.

Код

Height_Weight_Data <- read.csv("test.csv") # to test this please download csv file
Height_Weight_Data
# Height_Weight_Data sample data frame; selecting a random subset in r
Sample <- Height_Weight_Data(sample(nrow(Height_Weight_Data), 5), ) # pick 5 random rows from dataset
Sample

Вихід:

Генерування випадкової вибірки з імен кадру даних як Height_Weight_Data

Мало що запам'ятати щодо чисел з плаваючою комою.

  • Вони мають бінарний характер.
  • Обмежена в реальній кількості представлена.

Тепер давайте подивимося, як можна генерувати випадкове плаваюче число від -10 до 10

Код

Random <- runif(n=10, min=-10, max=10)
Random

Вихід:

Генерація випадкових чисел з плаваючою точкою

Руніф () відноситься до випадкової рівномірності. У наведеному вище прикладі ми отримали 10 випадкових розподілених чисел між (-10: 10)

Висновок

У цій статті ми обговорили генератор випадкових чисел у R та побачили, як функція SET.SEED використовується для управління генерацією випадкових чисел. Ми бачили, як SEED може бути використаний для відтворюваних випадкових чисел, які здатні генерувати послідовність випадкових чисел та налаштувати генератор насінь випадкових чисел за допомогою SET.SEED (). Статистичний метод, який вимагає генерації випадкових чисел, періодично використовується під час аналізу. R оснащений декількома функціями, такими як рівномірний, нормальний, біноміальний, пуассонський, експоненціальний та гамма-функція, що дозволяє імітувати найбільш поширений розподіл ймовірностей.

Рекомендовані статті

Це керівництво по генератору випадкових чисел у Р. Тут ми обговорюємо введення та функції Генератора випадкових чисел у R разом із відповідним прикладом. Ви також можете ознайомитися з іншими запропонованими нами статтями, щоб дізнатися більше -

  1. Лінійна регресія в R
  2. Біноміальний розподіл в R
  3. Логістична регресія в R
  4. Лінійний графік в R
  5. Посібник з генератора випадкових чисел на Python
  6. Генератор випадкових чисел у C #
  7. Генератор випадкових чисел у PHP

Категорія:

Великі дані