当prob是向量时,rbinom中的prob参数如何工作?
考虑以下代码:当prob是向量时,rbinom中的prob参数如何工作?,r,R,考虑以下代码: rbinom(17, 1, .5) 此代码表示每次观察的成功概率等于0.5 在rbinom(3,1,c(.5,.3,.7))中,第一次观察的成功概率为0.5,第二次观察的成功概率为0.3,最后一次观察的成功概率为0.7 但是在 rbinom(17, 1, c(.5,.3,.7)) ,成功概率在17次观察中的分布情况如何?向量在17次生成的值上循环: > rbinom(17, 1, c(0,.999)) [1] 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0
rbinom(17, 1, .5)
此代码表示每次观察的成功概率等于0.5
在rbinom(3,1,c(.5,.3,.7))中,第一次观察的成功概率为0.5,第二次观察的成功概率为0.3,最后一次观察的成功概率为0.7
但是在
rbinom(17, 1, c(.5,.3,.7))
,成功概率在17次观察中的分布情况如何?向量在17次生成的值上循环:
> rbinom(17, 1, c(0,.999))
[1] 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0
如果您尝试循环使用两个彼此不匹配的向量,R通常会生成警告:
> (1:10) + (1:3)
[1] 2 4 6 5 7 9 8 10 12 11
Warning message:
In (1:10) + (1:3) :
longer object length is not a multiple of shorter object length
但在这种情况下不是这样