-2
A
回答
3
您的runif
命令不正確。不要:
df<-data.frame(replicate(60,runif(300,0,1)))
正如蒂姆和羅蘭指出,這是最好(快)使用方法:
df<-matrix(runif(60*300),ncol=60)
對於runif
,第一個參數是觀測的數量,然後分鐘,然後最大值,用逗號分隔。
df[1:5,1:5]
X1 X2 X3 X4 X5
1 0.4375043 0.76986901 0.1154772 0.8861121 0.0275067
2 0.4024352 0.19291795 0.7496475 0.5159706 0.8768299
3 0.3164539 0.02212373 0.2091863 0.2792025 0.5175030
4 0.2496215 0.51070780 0.8462652 0.2604232 0.9109863
5 0.8450932 0.68503812 0.2391174 0.0220619 0.4943907
至於你的指數分佈,如果我是正確的,如果U是0和1,則-ln(U)之間的均勻分佈/λ是指數分佈的λ參數。 LN函數是R.
log
用下面的代碼:
require(fitdistrplus)
set.seed(1)
df<-runif(100000,0,1)
df<-(-log(df))
png('fit.png')
descdist(df)
dev.off()
你得到這個情節:數據似乎遵循指數分佈(如預期)
相關問題
- 1. 隨機均勻分佈
- 2. 隨機均勻分佈
- 3. 均勻分佈的隨機數
- 4. 非均勻分佈的隨機數組
- 5. 非均勻隨機數生成器
- 6. Omnet ++均勻隨機數生成
- 7. 如何生成均勻分佈的隨機DFA?
- 8. 用於生成均勻分佈的隨機位集的方法
- 9. 隨機點不是均勻分佈
- 10. Java使用Possion/Gaussian /指數/幾何/均勻分佈生成隨機數
- 11. 產生不均勻的僞隨機數
- 12. 生成均勻分佈(逆變換)
- 13. 如何生成500個隨機訂單,其中的項目順序是(1.5)在python中的均勻分佈?
- 14. 創建一組均勻分佈的隨機數
- 15. 僞隨機選擇均勻分佈的數據
- 16. 在Windows批處理中隨機數的均勻分佈
- 17. 長時間均勻分佈的隨機數
- 18. 非均勻隨機發生器
- 19. 從MySQL獲取隨機行(Flash橫幅廣告),均勻分配
- 20. 在C++的特定範圍內生成隨機均勻可分的數字?
- 21. PRNG均勻分佈
- 22. 爲什麼這個隨機變量沒有均勻分佈?
- 23. 具有非均勻分佈的隨機值
- 24. Python中均勻分佈的隨機字符串
- 25. 生成均勻隨機變量時下限爲接近零
- 26. 在給定範圍內生成均勻隨機偏差
- 27. 將非均勻分佈轉化爲均勻分佈
- 28. 均勻隨機數在所有相同的運行
- 29. 按天分配行均勻
- 30. 使隨機數均勻在C++
'矩陣(runif(60 * 300),ncol = 60)',當然還有'rexp'來實現您的實際目標。 – Roland