reshape2:变形,整合
stringr:处理字符串
lubridate:处理时间
RODBC:链接数据库
plyr:拆分,合并,重组。
knitr:谢益辉,自动化报告包
ggmap:ggplot2+map的一个包,主要用来画地图,但是ggplot2的功能也都有
animation:谢益辉,动画包
formatR:谢益辉,整理代码的包
googleVis:利用google的API,可以生成动态气泡图之类
data.table:大的数据,用它取子集等,不怎么会。
一般地,如果你已知一个连续随机变量X的cdf F_X(x)(=P(X<=x))的话,那么F^(-1)(U)(F^(-1)为F的反函数)就符合这个分布(U为(0,1)上的均匀分布),反之亦然。证明很简单,就是直接套定义。所以你可以写出来F^(-1)这个函数(比如说自定义函数名为FInverse),然后生成随机数组:
randomSequence<-FInverse(runif(n))
对于指数分布来说,
FInverse<-function(p,lambda=1){
-log(1-p)/lambda
}
离散随机变量类似吧。。。
当然,前提是你能写出来F^(-1)。。。(所以我老师说这个方法没啥用。。。)有的分布不好写F^(-1),但是有一些比较巧妙的办法(比如正态分布),这种应该就只能具体问题具体分析了。
ox 和 Muller 在 1958 年给出了由均匀分布的随机变量生成正态分布的随机变量的算法。设 U1, U2 是区间 (0, 1) 上均匀分布的随机变量,且相互独立。令X1 = sqrt(-2*log(U1))...