📌  相关文章
📜  R 中的 dbinom、pbinom、qbinom 和 rbinom 指南

📅  最后修改于: 2022-05-13 01:54:47.273000             🧑  作者: Mango

R 中的 dbinom、pbinom、qbinom 和 rbinom 指南

在本文中，我们将查看 R 编程语言中二项式分布的 dbinom、pbinom、qbinom 和 rbinom 方法的指南。

dbinom函数

该函数返回给定某个随机变量 x、试验次数（大小）和每次试验的成功概率（概率）的二项式分布的概率密度函数(pdf) 的值。

dbinom函数还用于获取在一定数量的试验（大小）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）。

示例 1：

在这里，我们使用二项分布的例子来计算一个人投掷 70% 的概率，如果他投了 20 次，那么这个人恰好投了 12 次的概率是多少，所以在这里，我们只是使用 dinorm函数并将给定的语句属性作为其参数传递，并进一步在 R.函数中获取结果

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

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

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

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

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

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

输出： 

[1] 0.1143967

示例 2：

在这个例子中，如果使用 dbinom函数公平地掷硬币 50 次，我们只是简单地计算正面出现 17 次的概率。由于硬币被公平地抛掷，函数的 prob 参数被传递为 0.5。

R 

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

输出： 

[1] 0.00874623

pbinom函数

给定特定随机变量 q、试验次数（大小）和每次试验的成功概率（概率），此函数返回二项式分布的累积密度函数(cdf) 的值。

pbinom函数返回二项分布中给定值 q 左侧的区域。如果您对给定值 q 右侧的区域感兴趣，您可以简单地添加参数 lower.tail = FALSE

句法： 

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

示例 1：

在此示例中，如果使用 pbinom()函数将硬币翻转 10 次，我们计算出现正面超过 3 次的概率。由于硬币被公平地抛掷，函数的 prob 参数被传递为 0.5。

R 

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

输出： 

[1] 0.828125

示例 2：

在这个例子中，我们正在计算一个人在投球时 30% 的投篮命中率，如果他投球 50 次，使用 R 中的 pbinom()函数他命中 30 次或更少的概率是多少.

R 

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

输出： 

[1] 0.0848026

qbinom函数

在给定特定随机变量 q、试验次数（大小）和每次试验的成功概率（概率）的情况下，此函数返回二项式分布的逆累积密度函数(cdf) 的值。通过使用这个函数，我们可以找出二项分布的第 p 个分位数。

示例 1：

在此示例中，我们使用 qbinorm函数来获得具有 30 次试验的二项式分布的第 19 个分位数，成功概率为 0.6。

R 

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

输出： 

[1] 16

rbinom函数

该函数在给定向量长度 n、试验次数（大小）和每次试验的成功概率（概率）的情况下生成二项式分布随机变量向量。

例子：

在这个例子中，我们正在生成一个包含 500 次二项式实验成功次数的向量，其中包括 90 次试验，其中每次试验的成功概率为 0.7，然后通过使用 rnorm函数计算生成向量的平均值来验证它R。

R 

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，平均成功次数越接近预期成功次数。作为“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。