Мне нужно сгенерировать случайные числа с помощью rbinom, но мне нужно исключить 0 из диапазона.
Как мне это сделать?
Я хотел бы что-то похожее на:
k <- seq(1, 6, by = 1)
binom_pdf = dbinom(k, 322, 0.1, log = FALSE)
но мне нужно получить весь относительный набор данных, потому что если я сделаю следующее:
binom_ran = rbinom(100, 322, 0.1)
Я получаю значения от 0 до 100.
Есть ли способ обойти это?
Спасибо
rbinom, но выбросьте нули. 10.05.2017 Предположим, что у нас есть фиксированные параметры:
p: вероятность успеха
# Generate initial values
U<-rbinom(n,s,p)
# Number and ubication of zero values
k<-sum(U==0)
which.k<-which(U==0)
# While there is still a zero, . . . generate new numbers
while(k!=0){
U[which.k]<-rbinom(k,s,p)
k<-sum(U==0)
which.k<-which(U==0)
# Print how many zeroes are still there
print(k)
}
# Print U (without zeroes)
U
В дополнение к подходу «попадание и промах», если вы хотите сделать выборку из условного распределения бинома, учитывая, что число успехов равно как минимум одному, вы можете вычислить условное распределение, а затем напрямую сделать выборку из него.
Легко понять, что если X является биномом с параметрами p и n, то
P(X = x | X > 0) = P(X = x)/(1-p)
Следовательно, будет работать следующая функция:
rcond.binom <- function(k,n,p){
probs <- dbinom(1:n,n,p)/(1-p)
sample(1:n,k,replace = TRUE,prob = probs)
}
Если вы собираетесь вызывать вышеупомянутую функцию много раз с одними и теми же n и p, вы можете просто предварительно вычислить вектор probs и просто использовать последнюю строку функции всякий раз, когда вам это нужно.
Я не проверял его, но подозреваю, что подход на основе проб и ошибок предпочтительнее, когда k мало, p не слишком близко к 0 и n велико, но для больших k больше, p ближе к 0 и n меньше. то вышеизложенное может быть предпочтительнее.
