均匀分布
也就是 Random Uniform ，对应了 runif() 函数。
runif(n, min=0, max=1)
n 生成随机数的数量；
min 均匀分布的下限，默认是 0；
max 均匀分布的上限，默认是 1。
可以不指定 min 和 max 值，此时会直接使用默认的值。
如下生成 100 个均匀分布的随机数，并绘制概率直方图，以及均匀分布的密度函数线。
> x=runif(100)
> hist(x, prob=T, col=gray(.9), main="uniform on [0,1]")
> curve(dunif(x,0,1), add=T)
正态分布随机数
在R语言中，生成正态分布随机数的函数是：rnorm()
rnorm(n, mean=0, sd=1)
n 随机数的数量；
mean 正太分布的均值，默认为 0；
sd 正太分布的标准差，默认为 1。
同样可以忽略 mean 和 sd 的值。
随机产生 100 个标准正态分布随机数，并作其概率直方图，再添加正态分布的密度函数线。
> x=rnorm(1000)
> hist(x, breaks=100, prob=T, main="normal mu=0 sigma=1")
> curve(dnorm(x), add=T)
二项分布随机数
二项分布 Binomial 是指 n 次独立重复伯努利试验成功的次数的分布，每次伯努利试验的结果只有两个，成功和失败，记成功的概率为 p 。
rbinom(n, size, prob)
n 生成的随机数数量；
size 进行伯努利试验的次数；
prob 一次贝努力试验成功的概率。
> par(mfrow=c(1, 3))
> p=0.25
> for(n in c(10, 20, 50))
{
x=rbinom(100, n, p)
hist(x, prob=T, main=paste("n =", n))
xvals=0:n
points(xvals, dbinom(xvals,n,p), lwd=3)
}
> par(mfrow=c(1, 1))
除了上述获取随机数的 rbinom() 函数之外，与二项分布相关的还有：
pbinom(q, size, prob) 计算累积概率
dbinom(x, size, prob) 计算取某个值的特定概率
qbinom(p, size, prob) quantile function 分位数函数。
例如，在一次实验中，事件 A 发生的概率为 0.1，那么进行 11 次这样的实验，观察到 4 次的概率是多少？
> dbinom(4, 11, 0.1)
[1] 0.0157838
观察到小于等于 4 次的概率是多少？
> pbinom(4, 11, 0.1)
[1] 0.997249
指数分布随机数
R生成指数分布随机数的函数是:rexp（）
其句法是：rexp（n,lamda=1） n表示生成的随机数个数，lamda=1/mean
> x=rexp(100,1/10) # 生成100个均值为10的指数分布随机数
> hist(x,prob=T,col=gray(0.9),main=“均值为10的指数分布随机数”)
> curve(dexp(x,1/10),add=T) ＃添加指数分布密度线