R语言实验五.docxVIP

实验五 常见分布的相关计算、随机抽样与模拟 【实验类型】验证性 【实验学时】2 学时 【实验目的】 1、掌握常见分布的分布函数、密度函数（或分布列）及分位数的计算方法； 2、掌握样本统计量的计算方法及所表达的意义； 3、了解随机模拟的基本思想及其应用。 【实验内容】 1、组合数与组合方案的生成、概率的计算， 2、常见分布的分布函数、密度函数（或分布列）以及分位数的计算； 3、随机数的生成与随机模拟（蒙特卡洛仿真）。 【实验方法或步骤】 第一部分、课件例题： 1. #从1～5个数中，随机取3个的全部组合 combn(1:5,3) #共10种组合方案 combn(1:5,3,FUN=mean) #对每种组合方案求均值 2. choose(5,3) #从5个数里面选3个的组合数目 choose(50,3) factorial(10) #计算10！ 3.#3.从一副完全打乱的52张扑克中任取4张，计算下列事件的概率 #(1)抽取4张依次为红心A，方块A，黑桃A和梅花A的概率 1/prod(49:52) #prod()表示连乘积 #(2)抽取4张为红心A，方块A，黑桃A和梅花A的概率． 1/choose(52,4) 4.设在15只同类型的零件中有2只是次品，一次任取3只，以X表示次品的只数，求X的分布律． x-c(1,1,rep(0,13));x #样本空间(用1表示次品, 0为正品) X-combn(x,3,FUN=sum) #从样本空间中任取3个元素的方案，并对每个方案求和，共455个数（取值0,1,2） p-numeric(3) #定义p为数值型的3维向量，且初值为0 for (i in 1:3) p[i]-sum(X==i-1)/length(X) #sum(X==i-1)表示对X取值为i-1的个数求和,X的长度为455 p 5. # 例5.3 ：计算3σ原则对应的概率 x - 1:3; p - pnorm(x) - pnorm(-x); p # 例5.4 ：令α=0.025，计算上α分位点z α ． alpha - 0.025; z - qnorm(1-alpha); z 6. #例5.5 ：计算P{X≤160}，其中X~U[150,200]。 p-punif(160, min=150, max=200); p # 例5.6 ：已知X~E(1/241)，计算P{50X≤100} 。 p-pexp(100, rate=1/241)-pexp(50, rate=1/241); p # 例5.7 ：已知X~B(80,0.01)，计算P{X≥4} 。 p - 1-pbinom(3, size=80, prob=0.01); p # 例5.8 ：已知X~B(180,0.01)，且P{X≤k}≥0.95，求k 。 n - 180; p - 0.01; k - qbinom(0.95, n, p); k # 例5.9 ：已知X~B(1000,0.01)，求P{X≥2} 。 p1 - 1-pbinom(1, size=1000, prob=0.001); p1 p2 - 1-ppois(1, lambda=1000*0.001); p2 7. x-c(0:10,50);x xm-mean(x);xm c(xm,mean(x,trim=0.10)) #去掉两端各10%数据后取平均 8. x-c(12,9,11,5,1,4,8,3,2,10,6,7);x y-1:12;y var(x) #方差 sd(x) #标准差 var(x,y) #协方差 cov(x,y) #协方差 9. x-c(12,9,11,5,1,4,8,3,2,10,6,7,NA);x sort(x) #默认升序，不处理缺失数据 sort(x,decreasing=TRUE) #降序 sort(x,na.last=TRUE) #处理缺失数据 sort(x,decreasing =TRUE,na.last=FALSE) 10. #10. x-c(12,9,11,5,1,4,8,3,2,10,6,7,NA) median(x) median(x,na.rm=TRUE) 11. 分位数 quantile(1:10) 12. #用于求解样本k阶中心矩的程序moment.R为： moment-function(x, k, mean=0) sum((x-mean)^k)/length(x) skew - function(x, flag = 1){ #计算偏度系数的程序 mu - mean(x) if (flag == 1){ m2 - moment(x, 2, mean=mu) m3 - moment(x, 3, mean=mu) Cs - m