转自：https://blog.csdn.net/u012108367/article/details/69913280
https://blog.csdn.net/qq_33547243/article/details/79054112
1.R中的sample函数
在医学统计学或者流行病学里的现场调查、样本选择经常会提到一个词：随机抽样。
随机抽样是为了保证各比较组之间均衡性的一个很重要的方法。那么今天介绍的第一个函数就是用于抽样的函数sample：
> x=1:10 > sample(x) [1] 8 9 5 2 3 10 6 1 4 7 #随机抽样，默认是不放回抽样 > sample(x,size = 5) [1] 9 4 5 6 2 #size参数，规定抽样个数 > sample(x,size = 5) [1] 4 3 1 5 9 #这次抽样结果和上次不同，证明是随机的 > sample(x,replace = T) [1] 5 5 8 8 7 3 3 7 6 2 #参数是否是放回抽样。
上述抽样过程中，每个元素被抽取的概率相等，称为随机抽样。
有时候我们的抽取元素的概率未必相等（如常见的二项分布概率问题），此时我们需要添加一个参数prob，也就是“probability”（概率）的缩写。假设一名医生给患者做某手术成功的概率是80%，那么现在他给20例病人做手术，可能有哪几次是成功的呢？代码如下：
这些代码告诉我们，对每一个元素都可以给定一个概率，且每个概率是独立的，即在参数prob中，不一定所有元素的概率加起来等于1，它只代表某元素被抽取的概率而已。