在R中生成不同的密度概率

Question

使用sample(c(rep(0, 5), 1), 6)之类的东西时，我可以生成如下矩阵：

  

item A B C D E F 1 1 0 0 0 0 0 2 0 1 0 0 0 0 3 1 0 0 0 0 0 4 0 0 0 0 1 0 5 0 0 0 0 1 0 6 0 0 1 0 0 0 7 0 0 0 1 0 0 8 0 1 0 0 0 0 9 1 0 0 0 0 0 10 0 0 0 0 1 0

通过设计，如果我生成大量项目（行），则特征（列）的概率密度将非常相似，也将遵循Beta分布（1,1）：

如何重写我的R代码，以便能够生成这6个特征遵循不同beta分布的矩阵，例如：Beta（3,3）]或Beta（7,3）

Answer 1

您的发行版不是Beta发行版。您需要类似的东西，并在probs向量中具有所需的概率（不清楚）：

nsims <- 10000
sims <- matrix(0, nrow=nsims, ncol=6)
colnames(sims) <- LETTERS[1:6]
probs <- c(1/12, 1/6, 1/4, 1/4, 1/6, 1/12) # "Beta(3,3)" ??????
for(i in 1:nsims){
  sims[i,sample.int(6, 1, prob=probs)] <- 1 
}

barplot(colSums(sims)/nsims)