R의 dgeom, pgeom, qgeom 및 rgeom에 대한 안내
이 튜토리얼에서는 다음 함수를 사용하여 R에서 기하학적 분포를 작업하는 방법을 설명합니다.
- dgeom : 기하학적 확률 밀도 함수의 값을 반환합니다.
- pgeom : 누적 기하 밀도 함수의 값을 반환합니다.
- qgeom : 역기하 누적 밀도 함수의 값을 반환합니다.
- rgeom : 분포 기하 확률 변수의 벡터를 생성합니다.
다음은 이러한 각 기능을 언제 사용할 수 있는지에 대한 몇 가지 예입니다.
검
dgeom 함수는 다음 구문을 사용하여 일련의 베르누이 시행에서 첫 번째 성공을 경험하기 전에 특정 횟수의 실패를 경험할 확률을 찾습니다.
dgeom(x, 문제)
금:
- x: 첫 번째 성공 전 실패 횟수
- prob: 주어진 시행에서 성공할 확률
다음은 이 기능의 실제 사용 예입니다.
한 연구원이 사람들에게 특정 법률을 지지하는지 묻기 위해 도서관 밖에서 기다리고 있습니다. 특정 사람이 법을 지지할 확률은 p = 0.2입니다. 연구자가 말하는 네 번째 사람이 처음으로 법을 지지할 확률은 얼마입니까?
dgeom(x=3, prob=.2) #0.1024
연구자가 첫 번째 성공 전에 3번의 “실패”를 경험할 확률은 0.1024 입니다.
피검
피검 이 함수는 다음 구문을 사용하여 일련의 베르누이 시행에서 첫 번째 성공을 경험하기 전에 특정 횟수 이하의 실패를 경험할 확률을 찾습니다.
pgeom(q,prob)
금:
- q: 첫 번째 성공 전 실패 횟수
- prob: 주어진 시행에서 성공할 확률
다음은 이 기능을 실제로 사용하는 몇 가지 예입니다.
한 연구원이 사람들에게 특정 법률을 지지하는지 묻기 위해 도서관 밖에서 기다리고 있습니다. 특정 사람이 법을 지지할 확률은 p = 0.2입니다. 연구자가 법을 지지하는 사람을 찾기 위해 3명 이하의 사람과 대화해야 할 확률은 얼마입니까?
pgeom(q=3, prob=.2) #0.5904
연구자가 법을 지지하는 사람을 찾기 위해 3명 이하의 사람과 대화해야 할 확률은 0.5904 입니다.
한 연구원이 사람들에게 특정 법률을 지지하는지 묻기 위해 도서관 밖에서 기다리고 있습니다. 특정 사람이 법을 지지할 확률은 p = 0.2입니다. 연구자가 법을 지지하는 사람을 찾기 위해 5명 이상의 사람과 대화해야 할 확률은 얼마입니까?
1 - pgeom(q=5, prob=.2) #0.262144
연구자가 법을 지지하는 사람을 찾기 위해 5명 이상의 사람들과 대화해야 할 확률은 0.262144 입니다.
큐검
더 큐검 이 함수는 다음 구문을 사용하여 특정 백분위수에 해당하는 고장 수를 찾습니다.
qgeom(p, prob)
금:
- p: 백분위수
- prob: 주어진 시행에서 성공할 확률
다음은 이 기능의 실제 사용 예입니다.
한 연구원이 사람들에게 특정 법률을 지지하는지 묻기 위해 도서관 밖에서 기다리고 있습니다. 특정 사람이 법을 지지할 확률은 p = 0.2입니다. 사람이 법을 지지하지 않는다는 사실을 “실패”로 간주하겠습니다. 첫 번째 성공 이전에 실패 횟수의 90번째 백분위수에 도달하려면 연구자가 몇 번의 “실패”를 경험해야 합니까?
qgeom(p=.90, prob=0.2)
#10
연구자가 첫 번째 성공을 거두기 전에 실패 횟수의 90번째 백분위수에 도달하려면 10번의 “실패”를 경험해야 합니다.
르젬
기하학 이 함수는 다음 구문을 사용하여 첫 번째 성공 전 실패 횟수를 나타내는 임의 값 목록을 생성합니다.
rgeom(n, 문제)
금:
- n: 생성할 값의 개수
- prob: 주어진 시행에서 성공할 확률
다음은 이 기능의 실제 사용 예입니다.
한 연구원이 사람들에게 특정 법률을 지지하는지 묻기 위해 도서관 밖에서 기다리고 있습니다. 특정 사람이 법을 지지할 확률은 p = 0.2입니다. 사람이 법을 지지하지 않는다는 사실을 “실패”로 간주하겠습니다. 연구원이 법을 지지하는 사람을 찾을 때까지 얼마나 많은 “실패”를 경험할 것인지에 대한 10가지 시나리오를 시뮬레이션합니다.
set.seed(0) #make this example reproducible
rgeom(n=10, prob=.2)
#1 2 1 10 7 4 1 7 4 1
이를 해석하는 방법은 다음과 같습니다.
- 첫 번째 시뮬레이션에서 연구원은 법을 지지하는 사람을 찾기 전에 1번의 실패를 경험했습니다.
- 두 번째 시뮬레이션에서 연구자는 법을 지지하는 사람을 찾기까지 2번의 실패를 경험했습니다.
- 세 번째 시뮬레이션에서 연구원은 법을 지지하는 사람을 찾기 전에 1번의 실패를 경험했습니다.
- 네 번째 시뮬레이션에서 연구자는 법을 지지하는 사람을 찾기까지 10번의 실패를 경험했다.
등등.