R掷硬币500次,出现真面朝上的概率

# 掷硬币500次
N <- 500
flipsequence <-sample(x=c(0,1),size = N,replace = TRUE,prob = c(0.5,0.5))
r <- cumsum(flipsequence) ##统计每项前出现1的次数矩阵
n <- 1:N ##1~500的顺序
runprop = r/n

#绘图
plot(n,runprop,type="o",log="x",
xlim=c(1,N), ylim=c(0.0,1.0), cex.axis=1.5, ##cex.axis设计字体粗细
main="Running probability of Heads")

#添加一条直线y=0.5
lines(c(1,N),c(0.5,0.5),lty=3)

#添加标注
flipletters <- paste(c("T","H")[flipsequence[1:10]+1], collapse = "")
displaystring <- paste("FlipSequence= ", flipletters,‘...‘,sep="" )
text(5,0.9, displaystring, adj = c(0,1),cex=1.3)
#显示模拟500次得到Head的频率
text(100,0.9, paste("End probability = ",runprop[N]),adj=c(1,0), cex=1.3)

时间: 2024-12-19 21:40:34

R掷硬币500次,出现真面朝上的概率的相关文章

2016年上半年系统分析师上午真题(上)

 要想把握住考试出题方向,做真题是最直接也是最有效的方法.下面希赛软考学院为您整理了2016年上半年系统分析师上午试题,准备参加2017年系统分析师考试的朋友,不要错过了.  2016年上半年系统分析师上午真题1-25题  ●用例是一种描述系统需求的方法,以下关于用例建模的说法中,正确的是().  (1)A.用例定义了系统向参与者提供服务的方法  B.通信关联不仅能表示参与者和用例之间的关系,还能表示用例之间的关系  C.通信关联的箭头所指方是对话的主动发起者  D.用例模型中的信息流由通信关联

2016年上半年信息系统监理师考试上午真题(上)

参加软考的信息系统监理师考试且成绩合格是申请信息系统监理工程师初始登记的基本要求之一,要想获得信息系统监理工程师证书,就必须参加考试.下面希赛软考学院为您整理了2016年上半年信息系统监理师考试上午真题,助您考试一臂之力. 2016年上半年信息系统监理师考试上午真题(1-25题) ●大数据具有"volume"."variety"."value"."velocity"等特点,其中"volume"是指(1).

R语言实战读书笔记2—创建数据集(上)

第二章 创建数据集 2.1 数据集的概念 不同的行业对于数据集的行和列叫法不同.统计学家称它们为观测(observation)和变量(variable) ,数据库分析师则称其为记录(record)和字段(field) ,数据挖掘/机器学习学科的研究者则把它们叫做示例(example)和属性(attribute) .如表2.1所示 在表2-1所示的数据集中, PatientID 是行/实例标识符, AdmDate 是日期型变量, Age 是连续型变量, Diabetes 是名义型变量, Statu

如何创建R包并将其发布在 CRAN / GitHub 上--转载

转载--https://www.analyticsvidhya.com/blog/2017/03/create-packages-r-cran-github/ 什么是 R 包?我开始创建 R 包的原因是?创建包的好处和挑战必要条件开始创建你的第一个包发布包向CRAN 做贡献后的体验附加提示Additional resources 1. 什么是 R 包? R 包就是一个可重复使用的 R 函数,附带有关如何使用的标准.简要说明文档.有时,包还附带简单的数据. 直至今日,CRAN 上有 10000多个

本地自定义了404 和500 错误处理 部署到IIS上显示 服务器内部错误

问题如图 解决办法如下,在IIS上设置一下即可

【概率论与数理统计】小结3 - 一维离散型随机变量及其Python实现

注:上一小节对随机变量做了一个概述,这一节主要记录一维离散型随机变量以及关于它们的一些性质.对于概率论与数理统计方面的计算及可视化,主要的Python包有scipy, numpy和matplotlib等. 以下所有Python代码示例,均默认已经导入上面的这几个包,导入代码如下: import numpy as np from scipy import stats import matplotlib.pyplot as plt 0.  Python中调用一个分布函数的步骤 scipy是Pytho

如何在Python中实现这五类强大的概率分布

R编程语言已经成为统计分析中的事实标准.但在这篇文章中,我将告诉你在Python中实现统计学概念会是如此容易.我要使用Python实现一些离散和连续的概率分布.虽然我不会讨论这些分布的数学细节,但我会以链接的方式给你一些学习这些统计学概念的好资料.在讨论这些概率分布之前,我想简单说说什么是随机变量(random variable).随机变量是对一次试验结果的量化. 举个例子,一个表示抛硬币结果的随机变量可以表示成 Python 1 2 X = {1 如果正面朝上, 2 如果反面朝上} 随机变量是

ACM-ICPC 2017 Asia Urumqi:A. Coins(DP) 组合数学

Alice and Bob are playing a simple game. They line up a row of nn identical coins, all with the heads facing down onto the table and the tails upward. For exactly mm times they select any kk of the coins and toss them into the air, replacing each of

【概率论与数理统计】小结6 - 大数定理与中心极限定理

注:这两个定理可以说是概率论中最重要的两个定理.也是由于中心极限定理的存在,使得正态分布从其他众多分布中脱颖而出,成为应用最为广泛的分布.这两个定理在概率论的历史上非常重要,因此对于它们的研究也横跨了几个世纪(始于18世纪初),众多耳熟能详的大数学家都对这两个定理有自己的贡献.因此,这两个定理都不是单一的定理.不同的大数定理和中心极限定理从不同的方面对相同的问题进行了阐述,它们条件各不相同,得到的结论的强弱程度也不一样. 1. 大数定理(law of large numbers,LLN) 图1-