Binomial
位于 stats
包(package)。 说明
使用参数 size
和 prob
的二项式分布的密度、分布函数、分位数函数和随机生成。
这通常被解释为 size
试验中 ‘successes’ 的数量。
用法
dbinom(x, size, prob, log = FALSE)
pbinom(q, size, prob, lower.tail = TRUE, log.p = FALSE)
qbinom(p, size, prob, lower.tail = TRUE, log.p = FALSE)
rbinom(n, size, prob)
参数
x, q |
分位数向量。 |
p |
概率向量。 |
n |
观察次数。如果是 |
size |
试验次数(零次或多次)。 |
prob |
每次试验成功的概率。 |
log, log.p |
逻辑性;如果为 TRUE,则概率 p 以 log(p) 形式给出。 |
lower.tail |
逻辑性;如果为 TRUE(默认值),则概率为 ,否则为 。 |
细节
size
和 prob
的二项分布具有密度
为了choose
在R.
如果x
的元素不是整数,则dbinom
的结果为零,并出现警告。
是使用Loader的算法计算的,请参见下面的参考。
分位数定义为 使得 满足的最小值,其中 是分布函数。
值
dbinom
给出密度,pbinom
给出分布函数,qbinom
给出分位数函数,rbinom
生成随机偏差。
如果size
不是整数,则返回NaN
。
结果的长度由 rbinom
的 n
确定,并且是其他函数的数值参数长度的最大值。
除 n
之外的数字参数将被回收到结果的长度。仅使用逻辑参数的第一个元素。
例子
require(graphics)
# Compute P(45 < X < 55) for X Binomial(100,0.5)
sum(dbinom(46:54, 100, 0.5))
## Using "log = TRUE" for an extended range :
n <- 2000
k <- seq(0, n, by = 20)
plot (k, dbinom(k, n, pi/10, log = TRUE), type = "l", ylab = "log density",
main = "dbinom(*, log=TRUE) is better than log(dbinom(*))")
lines(k, log(dbinom(k, n, pi/10)), col = "red", lwd = 2)
## extreme points are omitted since dbinom gives 0.
mtext("dbinom(k, log=TRUE)", adj = 0)
mtext("extended range", adj = 0, line = -1, font = 4)
mtext("log(dbinom(k))", col = "red", adj = 1)
来源
对于dbinom
,使用saddle-point扩展:参见
凯瑟琳·洛德 (2000)。快速准确的二项式概率计算;可用为https://www.r-project.org/doc/reports/CLoader-dbinom-2002.pdf
pbinom
使用 pbeta
。
qbinom
使用 Cornish-Fisher 扩展来包含对正态近似的偏度校正,然后进行搜索。
rbinom
(对于 size < .Machine$integer.max
)基于
Kachitvichyanukul, V. 和 Schmeiser, B. W. (1988) 二项式随机变量生成。 ACM 通讯,31, 216-222。
对于较大的值,它使用反转。
也可以看看
Distributions 表示其他标准分布,包括 dnbinom
表示负二项分布,dpois
表示泊松分布。
相关用法
- R Beta 贝塔分布
- R Box.test Box-Pierce 和 Ljung-Box 测试
- R stlmethods STL 对象的方法
- R medpolish 矩阵的中值波兰(稳健双向分解)
- R naprint 调整缺失值
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
- R formula 模型公式
- R nls.control 控制 nls 中的迭代
- R aggregate 计算数据子集的汇总统计
- R deriv 简单表达式的符号和算法导数
- R kruskal.test Kruskal-Wallis 秩和检验
- R quade.test 四方测试
- R decompose 移动平均线的经典季节性分解
- R plot.stepfun 绘制阶跃函数
- R alias 查找模型中的别名(依赖项)
- R qqnorm 分位数-分位数图
- R eff.aovlist 多层方差分析的计算效率
- R pairwise.t.test 成对 t 检验
- R loglin 拟合对数线性模型
- R predict.smooth.spline 通过平滑样条拟合进行预测
- R bartlett.test 方差齐性的 Bartlett 检验
- R influence.measures 回归删除诊断
- R loess.control 设置黄土参数
- R Normal 正态分布
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 The Binomial Distribution。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。