为什么这些不相同？
#First generate 10 numbers between 0 and .5
set.seed(1)
x <- runif(10, 0, .5)
这是我感到困惑的两个陈述：
#First
sample(rep(c(0,1), length(x)), size = 10, prob = c(rbind(1-x,x)), replace = F)
#Second
rbinom(length(x), size = 1, prob=x)
我原本试图使用＆＃39; sample＆＃39;。我以为我正在做的是生成十（0,1）对，然后分配每个将返回0或1的概率。
第二个工作并给我我需要的输出（试图运行一个sim）。所以我能够解决我的问题。我只是好奇地想知道＆＃39;示例＆＃39;这样我就能更好地理解R.
答案 0 :(得分：2)
第一个区别是参数列表中矢量规范长度的位置。名称size在这两个函数中具有不同的含义。 （我之前没想过这个混乱的来源，我确信自己多次犯了这个错误。）
随机数生成器（以r开头且具有分发后缀）将该选项作为第一个参数，而sample将其作为第二个参数。所以第二个的长度是10，第一个的长度是1.在样本中，绘制来自第一个参数中的值，而'size'是要创建的向量的长度。在rbinom函数中，n是要创建的向量的长度，而size是假设从具有由'prob'确定的分布的理论urn中绘制的项目数。返回的结果是“ones”的数量。尝试：
rbinom(length(x), size = 10, prob=x)
关于prob的论点：我认为你不需要c()。
答案 1 :(得分：1)
这两个功能之间的区别非常简单。
想一下洗牌，并从中选择一些卡片。这正是sample模拟的情况。
这段代码，
> set.seed(123)
> sample(1:40, 5)
[1] 12 31 16 33 34
从1:40数字向量中随机提取五个数字。
在您的示例中，您设置了size = 1。这意味着您只从可能值池中选择一个元素。如果您设置size = 10，则可以根据需要获得十个值。
set.seed(1)
x <- runif(10, 0, .5)
> sample(rep(c(0,1), length(x)), size = 10, prob = c(rbind(1-x,x)), replace = F)
[1] 0 0 0 0 0 0 0 1 0 1
相反，rbinom函数的目标是模拟结果为“离散”的事件，例如翻转硬币。作为参数，它根据0.5的给定概率考虑试验成功的概率，例如硬币的翻转。在这里，我们模拟100翻转。如果您认为硬币可以叠加以支持某个特定结果，我们可以通过将概率等于0.8来模拟此行为，如下例所示。
> set.seed(123)
> table(rbinom(100, 1, prob = 0.5))
0 1
53 47
> table(rbinom(100, 1, prob = 0.8))
0 1
19 81