数据分析：如何在R中模拟给定时间段内快餐连锁店的顾客走进

对于在R编程语言中进行以下数据分析/数据科学方面的任何提示、技巧和/或R包建议，我将不胜感激。我不是数据分析方面的专家，而是编程方面的专家

模拟给定时间段内的客户走进。模拟应考虑一天中不同时间的峰值交通量以及一周和周末的差异

根据“客户走进”模拟客户购买。对一天中不同时间的平均美元价格和变化进行假设

---

谢谢

R有一组用于不同分布的随机数生成器函数。在给定的时间段内，走进商店的顾客可以遵循泊松分布。例如，如果从下午1点到下午3点，平均每2分钟就有一个人进来，我们可以使用

rpois（）

函数来估计到达人数：

lambda <- 1
intervals <- 120/2
numCustomers <- sum(rpois(intervals, lambda)) #looks at 60 2-minute intervals

---

同样，如果您需要帮助了解某人花费的分发，这里可能不是最佳地点，请尝试其他StackExchange站点之一。更重要的一点是，它取决于您的数据结构，而R有很好的方法让您在知道要使用什么发行版后模拟客户走进。

这真的很有帮助，谢谢！这类分析有没有一个名字可以让我做一个全面的搜索，以了解更多？我不知道这可以像基本的统计作业一样解决。我不确定是否有与行业相关的公式和程序，或者是否有针对这些问题的特定类型的分析。我有基本的统计数据，你说的很有道理，谢谢，这很有帮助。一般来说，蒙特卡罗方法对复杂问题使用重复随机抽样进行数学计算。此外，如果您只是在google中搜索类似“R中的模拟”的内容，您将找到有关如何在R中创建模拟的良好文献和示例。以下是第一个链接之一：

customerSpent <- rbinom(numCustomers, 1, 0.65)