考虑到以下内容是等价的,我们可以推断出 R 使用相同的 C runif
函数来为 sample()
和 runif()
生成均匀分布样本...
set.seed(1)
sample(1000,10,replace=TRUE)
#[1] 27 38 58 91 21 90 95 67 63 7
set.seed(1)
ceiling( runif(10) * 1000 )
#[1] 27 38 58 91 21 90 95 67 63 7
但是,当处理大数字(n > 2^32 - 1
)时,它们并不等价:
set.seed(1)
ceiling( runif(1e1) * as.numeric(10^12) )
#[1] 265508663143 372123899637 572853363352 908207789995 201681931038 898389684968
#[7] 944675268606 660797792487 629114043899 61786270468
set.seed(1)
sample( as.numeric(10^12) , 1e1 , replace = TRUE )
#[1] 2655086629 5728533837 2016819388 9446752865 6291140337 2059745544 6870228465
#[8] 7698414177 7176185248 3800351852
更新
正如@Arun所指出的那样,runif()
的第1、3、5个...结果大致相当于从 sample()
中的第1、2、3个...结果。
事实证明,两个函数在幕后都调用了unif_rand()
,然而,sample
在给定一个参数n
时,若该参数大于类型"integer"
的最大可表示整数但可以表示为类型"numeric"
,则使用这个静态定义来绘制随机偏差(与 runif()
的情况不同,后者仅使用unif_rand()
)...
static R_INLINE double ru()
{
double U = 33554432.0;
return (floor(U*unif_rand()) + unif_rand())/U;
}
在文档中有一段神秘的注释,其中...
使用两个随机数可确保对大整数进行均匀抽样。
为什么需要两个随机数才能确保对大整数进行均匀抽样?
常量
U
是什么,为什么它取特定值33554432.0
?
/* 我们的伪随机数生成器最多有32位精度,且所有生成器至少有25位 */
。谢谢。 - Simon O'Hanlon