R语言中dnorm, pnorm, qnorm与rnorm以及随机数

2023-03-28 17:06:02Python015

R语言中dnorm, pnorm, qnorm与rnorm以及随机数,第1张

-- title: R语言中dnorm, pnorm, qnorm与rnorm以及随机数 date: 2018-09-07 12:02:00 type: "tags" tags: 在R语言中，与正态分布（或者说其它分布）有关的函数有四个，分别为dnorm,pnorm,qnorm和rnorm，其中，dnorm表示密度函数，pnorm表示分布函数，qnorm表示分位数函数，rnorm表示生成随机数的函数。在R中与之类似的函数还有很多，具体的可以通过 help(Distributions) 命令去查看，对于分位数或百分位数的一些介绍可以看这篇笔记《分位数及其应用》，关于正态分布的知识可以看这篇笔记《正态分布笔记》。现在这篇笔记就介绍一下这些函数的区别。 R提供了多种随机数生成器(random number generators, RNG)，默认采用的是Mersenne twister方法产生的随机数，该方法是由Makoto Matsumoto和Takuji Nishimura于1997年提出来的，其循环周期是。R里面还提供了了Wichmann-Hill、Marsaglia-Multicarry、Super-Duper、Knuth-TAOCP-2002、Knuth-TAOCP和L'Ecuyer-CMRG等几种随机数生成方法，可以通过 RNGkind() 函数进行更改，例如，如果要改为WIchmann-Hill方法，就使用如下语句：在R中使用随机数函数，例如 rnorm() 函数来生成的随机数是不一样的，有时我们在做模拟时，为了比较不同的方法，就需要生成的随机数都一样，即重复生成相同的随机数，此时就可以使用 set.seed() 来设置随机数种子，其参数为整数，如下所示：dnorm 中的 d 表示 density ， norm 表示正态贫，这个函数是正态分布的概率密度(probability density)函数。正态分布的公式如下所示：给定x，μ和σ后， dnorm() 这个函数返回的就是会返回上面的这个公式的值，这个值就是Z-score，如果是标准正态分布，那么上述的公式就变成了这个样子，如下所示：现在看一个案例，如下所示：dnorm(0,mean=0,sd=1) 由于是标准正态分布函数的概率密度，这个命令其实可以直接写为 dnorm(0) 即可，如下所示：再看一个非标准正态分布的案例，如下所示：虽然在 dnorm() 中，x是一个概率密度函数(PDF,Probability Density Function)的独立变量，但它也能看作是一组经过Z转换后的一组变量，现在我们看一下使用 dnorm 来绘制一个正态分布的概率密度函数曲线，如下所示：现在使用 dnorm() 函数计算一下Z_scores的概率密度，如下所示：现在绘图，如下所示：从上面的结果可以看出，在每个Z-score处， dnorm 可以绘制出这个Z-score对应的正态分布的pdf的高度。pnorm 函数中的 p 表示Probability，它的功能是，在正态分布的PDF曲线上，返回从负无穷到 q 的积分，其中这个 q 指的是一个Z-score。现在我们大概就可以猜测出 pnorm(0) 的值是0.5，因为在标准正态分布曲线上，当Z-score等于0时，这个点正好在标准正态分布曲线的正中间，那么从负无穷到0之间的曲线面积就是整个标准正态分布曲线下面积的一半，如下所示：pnorm 函数还能使用 lower.tail 参数，如果 lower.tail 设置为 FALSE ，那么 pnorm() 函数返回的积分就是从 q 到正无穷区间的PDF下的曲线面积，因此我们就知道了， pnorm(q) 与 1-pnorm(q,lower.tail=FALSE) 的结果是一样的，如下所示：在计算机出现之前的时代里，统计学家们使用正态分布进行统计时，通常是要查正态分布表的，但是，在计算机时代，通常都不使用正态分布表了，在R中， pnorm() 这个函数完全可以取代正态分布表了，现在我们使用一个Z-scores的向量来计算一下相应的累积概率，如下所示：以上就是标准正态分布的累积分布函数(CDF,Cumulative Distribution Function) 曲线。简单来说， qnorm 是正态分布累积分布函数(CDF,Cumulative Distribution Function）的反函数，也就是说它可以视为 pnorm 的反函数，这里的 q 指的是quantile，即分位数。使用 qnorm 这个函数可以回答这个问题：正态分布中的第p个分位数的Z-score是多少？现在我们来计算一下，在正态分布分布中，第50百分位数的Z-score是多少，如下所示：再来看一个案例：在正态分布中，第96个百分位的Z-score是多少，如下所示：再来看一个案例：在正态分布中，第99个百分位的Z-score是多少，如下所示：再来看一下 pnorm() 这个函数，如下所示：从上面我们可以看到， pnorm 这个函数的功能是，我们知道某个Z-score是多少，它位于哪个分位数上。接着我们进一步举例来说明一下 qnorm 和 pnorm 的具体功能，如下所示：现在进行绘图，如下所示：rnomr() 函数的功能用于生成一组符合正态分布的随机数，在学习各种统计学方法时， rnorm 这个函数应该是最常用的，它的参数有 n , mean ， sd ，其中n表示生成的随机数，mean与sd分别表示正态分布的均值与标准差，现在举个例子，如下所示：现在我们绘制一下上面的几个向量的直方图，看一下它们的均值是否在70附近，如下所示：在R语言中，生成不同分布的各种类型的函数都是以d,p,q,r开头的，使用原理跟上面的正态分布都一样。sample() 函数是一个用于生成随机数的重要的核心函数，如果仅传递一个数值n给它，就会返回一个从1到n的自然数的排列，如果传递是 n:m 就是生成从n到m的随机数，如是是 7,5 ，则会生成5个小于7的随机数，如下所示：从上面的结果可以看出来，这些数字都是不同的，也就是说，sample函数默认情况下是不重复抽样，每个值只出现一次，如果允许有重复抽样，需要添加参数 replace = TRUE ，如下所示： sample函数通常会从某些向量中随机挑一些参数，如下所示：也可以挑日期，如下所示：上述分布函数前面加上r，p、q、d就可以表示相应的目的：

标准正态分布下mean=0，sd=1 95%置信区间为[mean-1.96*sd,mean+1.96*sd] 即左侧概率和为97.5%的数据减去左侧概率和为2.5%的数据，期间的数据概率即为95%的置信区间。那为什么是1.96倍呢，先看两个函数dnorm 中的 d 表示 density ， norm 表示正态分布，这个函数是正态分布的概率密度(probability density)函数。给定x，μ和σ后， dnorm() 这个函数返回的就是会返回上面的这个公式的值，如果是标准正态分布，dnorm(n,mean=0,sd=1)输出就是当取n时的概率值，就是正态分布图当x=n时y的值。 pnorm函数中的p表示Probability，它的功能是，在正态分布的PDF曲线上，返回从负无穷到q的积分，其中这个q指的是一个Z-score，x=(mean+Z-score*sd)时的Z-score。现在我们大概就可以猜测出pnorm(0)的值是0.5，因为在标准正态分布曲线上，当Z-score等于0时，这个点正好在标准正态分布曲线的正中间，那么从负无穷到0之间的曲线面积就是整个标准正态分布曲线下面积的一半，pnorm(n,mean=0,sd=1)输出从负无穷到mean+sd*n的概率总和用的最多的是3倍sd,相当于在正态分布落在3倍sd区间的概率为99.73002%，落在1.96倍sd区间的概率为95.00042% 那怎么求标准正态分布下0.975%，0.025%对应的Z-score呢，利用qnorm函数，非标准正态下不能这么求，因为qnorm函数输入的是分位值。或者查询正态分布表。 rnorm()函数的功能用于生成一组符合正态分布的随机数，在学习各种统计学方法时，rnorm这个函数应该是最常用的，它的参数有n,mean，sd，表示随机生成n个正态分布均值为mean标准差为sd时的一组数据，如下所示：当出现如图所示的分布，近似正态分布，但是左右胖瘦不太一致时，这是现实中普遍存在的分布情况，如高通量测序过程中的碱基GC分布，这种情况求95%区间的方法 -先求取左侧部分的sd,但是要补足右侧对称的数据 -同样求右侧部分的sd,同时补足左侧对称的数据 -用最高密度值时max_gc值加减1.96倍左右侧的sd 做出效果如图

用的最多的，是求均值的mean()函数，当然这里也要提到，像sum()这种求和函数，

还有sd(x) 标准差函数，var(x) 方差函数。min()求最小值，max()求最大值。

我们来具体试试，这里使用一个向量：

test<-c(2,4,5,23,199,25,78,90,12)

求最大值

>max(test)

[1] 19

求最小值

>min(test)

求和

>sum(test)

[1] 43