1. 概率函数

概率论是统计学的基础，R有许多用于处理概率，概率分布以及随机变量的函数。R对每一个概率分布都有一个简称，这个名称用于识别与分布相联系的函数。这部分涉及到很多统计学基础的理论知识，比如随机试验，样本空间，对立与互斥，随机事件与必然事件，概率密度，概率分布等。

2. R概率分布

• d 概率密度函数(probablity density function)
• p 分布函数(distribution,由于字母d已经被用来表示概率密度函数，所以p用来表示分布函数)
• q 分布函数的反函数(quantile分位数)
• r 产生相同分布的随机数(random）
  所以分别在对应的分布函数前加上d,p,q,r来构成对应的分布函数。

2.1 正态分布

图1 正态分布函数
dnorm，pnorm，qnorm，rnorm则分别是正态分布函数。可以通过?Normal来访问帮助

rnorm(n=100,mean=15,sd=2)#生成均值为15，方差为2 的100个符合正态分布的随机数
round(rnorm(n=100,mean=15,sd=2))#对生成的均值为15，方差为2 的100个符合正态分布的随机数进行取整

2.2 离散分布

图2 离散分布相关的函数

2.2.1 几何分布

以此类推，d,p,q,r+geom来构成几何分布函数，?Geometric来查看几何分布函数的帮助信息

图3 几何分布函数

2.2.1 超几何分布

以此类推，d,p,q,r+geom来构成超几何分布函数，?Geometric来查看超几何分布函数的帮助信息

图4 超几何分布函数

3. 分布函数区别以及可视化

我们处理统计数据，通常针对不同的数据用不同的分布函数。那么我们就必须要会判断何种数据属于何种分布，并对其进行合理的检验。

3.1 生成正态分布数据并绘图

x<-rnorm(n=100,mean=15,sd=2)#生成100个符合正态分布的随机数
qqnorm(x)#绘图

3.2 生成均匀分布随机数

可以使用runif函数（r+unif），runif可以生成0到1之间的随机数。但是会出现每次运行后生成的随机数都不一样，我们可以在运行runif代码前先运行set.seed(666）来绑定这个生成好的随机数，下次还想再使用这组随机数时就可以先运行set.seed(666)再运行runif来获取。但你会发现将生成的随机数赋值给一个变量就可以了。

runif(50)#生成五十个0到1的随机数
#set.seed(666)#会使下一步的代码生成的随机数固定
#runif(50,min=1,max=20)#生成五十个1到20的随机数

图5 生成固定值的随机数

3.3 生成符合gamma分布的的概率密度

dgamma(c(1:9),shape=2,rate=1)#生成gamma分布的概率密度

图6 生成gamma分布的概率密度