R中“样本”和“rbinom”之间的混淆

Question

为什么这些不相等？

#First generate 10 numbers between 0 and .5
set.seed(1)
x <- runif(10, 0, .5)

这是我感到困惑的两个陈述：

#First    
sample(rep(c(0,1), length(x)), size = 10, prob = c(rbind(1-x,x)), replace = F)
#Second
rbinom(length(x), size = 1, prob=x)

我最初尝试使用“样本”。我以为我在做的是生成十 (0,1) 对，然后分配每个将返回 0 或 1 的概率。

第二个有效，并为我提供了我需要的输出（尝试运行 sim）。所以我已经能够解决我的问题。我只是对“样本”的幕后情况很好奇，这样我就可以更好地理解 R。

Answer 1

第一个不同的地方是参数列表中向量规范的长度位置。名称size 在这两个函数中具有不同的含义。 （我之前没有考虑过这种混乱的根源，我相信我自己也犯过很多次这个错误。）

随机数生成器（以r 开头并具有分布后缀）将该选项作为第一个参数，而sample 将其作为第二个参数。所以第二个的长度是 10，第一个的长度是 1。在示例中，绘制来自第一个参数中的值，而“大小”是要创建的向量的长度。在rbinom 函数中，n 是要创建的向量的长度，而size 是假设从具有由“概率”确定的分布的理论瓮中抽取的项目数。返回的结果是“一”的数量。试试：

rbinom(length(x), size = 10, prob=x)

关于prob 的论点：我认为你不需要c()。

Answer 2

这两个函数的区别很简单。

想象一副洗好的牌，并从中选择一些牌。这正是sample 模拟的情况。 这段代码，

> set.seed(123)
> sample(1:40, 5)
[1] 12 31 16 33 34

从1:40 数字向量中随机抽取五个数字。

在您的示例中，您设置了size = 1。这意味着您只从可能值池中选择一个元素。如果你设置size = 10，你会得到十个你想要的值。

set.seed(1)
x <- runif(10, 0, .5)
> sample(rep(c(0,1), length(x)), size = 10, prob = c(rbind(1-x,x)), replace = F)
[1] 0 0 0 0 0 0 0 1 0 1

相反，rbinom 函数的目标是模拟结果“离散”的事件，例如掷硬币。它根据给定的 0.5 概率将试验成功的概率（例如抛硬币）视为参数。这里我们模拟 100 次翻转。如果您认为可以堆叠硬币以支持一个特定的结果，我们可以通过将概率设置为 0.8 来模拟这种行为，如下例所示。

> set.seed(123)
> table(rbinom(100, 1, prob = 0.5))
 0  1 
53 47 

> table(rbinom(100, 1, prob = 0.8))
 0  1 
19 81