Руководство по dbinom, pbinom, qbinom и rbinom в r

В этом руководстве объясняется, как использовать биномиальное распределение в R с помощью функций dbinom , pbinom , qbinom и rbinom .

дбином

Функция dbinom возвращает значение функции плотности вероятности (pdf) биномиального распределения с учетом некоторой случайной величины x , количества испытаний (размера) и вероятности успеха в каждом испытании (prob). Синтаксис использования dbinom следующий:

dbinom(x, размер, проблема)

Проще говоря, dbinom находит вероятность получить определенное количество   успех (x) в определенном количестве испытаний (размер) , где вероятность успеха в каждом испытании фиксирована (prob) .

Следующие примеры иллюстрируют, как решать некоторые вероятностные вопросы с помощью dbinom.

Пример 1: Боб выполняет 60% попыток штрафных бросков. Если он выполнит 12 штрафных бросков, какова вероятность того, что он выполнит ровно 10?

 #find the probability of 10 successes during 12 trials where the probability of
#success on each trial is 0.6
dbinom(x=10, size=12, prob=.6)
#[1]0.06385228

Вероятность того, что он сделает ровно 10 бросков, равна 0,0639 .

Пример 2: Саша подбрасывает честную монету 20 раз. Какова вероятность того, что на монете выпадет ровно 7 орлов?

 #find the probability of 7 successes during 20 trials where the probability of
#success on each trial is 0.5
dbinom(x=7, size=20, prob=.5)
#[1]0.07392883

Вероятность того, что монета выпадет орлом ровно 7 раз, равна 0,0739 .

пбином

Функция pbinom возвращает значение кумулятивной функции плотности (cdf) биномиального распределения с учетом определенной случайной величины q , количества испытаний (размера) и вероятности успеха в каждом испытании (prob). Синтаксис использования pbinom следующий:

pbinom(q, размер, проблема)

Проще говоря, pbinom возвращает площадь слева от заданного значения q .   в биномиальном распределении. Если вас интересует область справа от заданного значения q , вы можете просто добавить аргумент low.tail = FALSE.

pbinom(q, размер, проба, нижний.хвост = ЛОЖЬ)

Следующие примеры иллюстрируют, как решать некоторые вероятностные вопросы с помощью pbinom.

Пример 1: Андо подбрасывает честную монету 5 раз. Какова вероятность того, что монета выпадет орлом более двух раз?

 #find the probability of more than 2 successes during 5 trials where the
#probability of success on each trial is 0.5
pbinom(2, size=5, prob=.5, lower.tail=FALSE)
# [1] 0.5

Вероятность того, что монета выпадет орлом более двух раз, равна 0,5 .

Пример 2: Допустим, Тайлер получает страйк в 30% попыток во время игры. Если он сыграет 10 раз, какова вероятность того, что он выполнит 4 или меньше страйков?

 #find the probability of 4 or fewer successes during 10 trials where the
#probability of success on each trial is 0.3
pbinom(4, size=10, prob=.3)
# [1]0.8497317

Вероятность того, что он забьет 4 страйка или меньше, равна 0,8497 .

qbinom

Функция qbinom возвращает значение обратной кумулятивной функции плотности (cdf) биномиального распределения с учетом определенной случайной величины q , количества испытаний (размера) и вероятности успеха каждого испытания (prob). Синтаксис использования qbinom следующий:

qbinom(q, размер, проблема)

Проще говоря, вы можете использовать qbinom , чтобы узнать ^p-й квантиль биномиального распределения.

Следующий код демонстрирует несколько примеров qbinom в действии:

 #find the 10th quantile of a binomial distribution with 10 trials and prob
#of success on each trial = 0.4
qbinom(.10, size=10, prob=.4)
# [1] 2

#find the 40th quantile of a binomial distribution with 30 trials and prob
#of success on each trial = 0.25
qbinom(.40, size=30, prob=.25)
# [1] 7

рбином

Функция rbinom генерирует вектор биномиально распределенных случайных величин с учетом длины вектора n , количества испытаний (размера) и вероятности успеха в каждом испытании (проб). Синтаксис использования rbinom следующий:

rbinom(n, размер, проблема)

Следующий код демонстрирует несколько примеров rnorm в действии:

 #generate a vector that shows the number of successes of 10 binomial experiments with
#100 trials where the probability of success on each trial is 0.3.
results <- rbinom(10, size=100, prob=.3)
results
# [1] 31 29 28 30 35 30 27 39 30 28

#find mean number of successes in the 10 experiments (compared to expected
#mean of 30)
mean(results)
# [1] 32.8

#generate a vector that shows the number of successes of 1000 binomial experiments
#with 100 trials where the probability of success on each trial is 0.3.
results <- rbinom(1000, size=100, prob=.3)

#find mean number of successes in the 100 experiments (compared to expected
#mean of 30)
mean(results)
# [1] 30.105

Обратите внимание: чем больше случайных переменных мы создаем, тем ближе среднее количество успехов к ожидаемому количеству успехов.

Примечание. «Ожидаемое количество успехов» = n * p , где n — количество попыток, а p — вероятность успеха для каждой попытки.