多くのプログラムでは、現実世界の出来事をシミュレートするために、(一見すると)ランダムな値が必要になります。
よく知られた例としては、次のようなものがあります。
"H"または"T"というランダムな値。コンピューターで真にランダムな値を生成するのは驚くほど難しい技術的課題なので、こうした結果は「疑似乱数」と呼ばれることがあります。
重要:このコンセプトでは、暗号学的に安全な乱数は扱いません。これははるかに難しい課題です。
ただし、Rは統計パッケージから派生した言語で、シミュレーションによく使われるため、ランダムな値を生成する方法が豊富に用意されています。 その結果は、モデリング・シミュレーション・ゲームのほとんどの用途には十分な品質です。
赤い玉が3つ、緑の玉が4つ入った袋から、ランダムに1つ玉を取り出す場面を想像してみましょう。 2つ目の玉を取り出す方法には、次の2通りがあります。
シナリオ1は復元抽出、シナリオ2は非復元抽出で、それぞれ結果が異なります。
sampleを使った離散値限られた数の離散値から選ぶには、sample()を復元抽出でも非復元抽出でも使えます。
これは整数や文字列などに便利です。
sample(1:10, 5) # no repeats by default
#> [1] 8 3 4 2 6
sample(1:10, 5, replace = TRUE) # repeats are OK
#> [1] 10 10 7 10 9
languages <- c("Fortran", "R", "Python", "Julia")
sample(languages, 1)
#> [1] "Python"
sample(c("H", "T"), 5, replace = TRUE) # coin flips
#> [1] "T" "T" "H" "H" "H"
sample(c(TRUE, FALSE), 5, replace = TRUE) # alternative coin flips
#> [1] FALSE TRUE FALSE TRUE TRUE
サンプリングはデータパイプラインによく合います。 たとえば、ランダムな英数字の文字列を生成するには次のようにします。
library(stringr)
c(letters, LETTERS, 0:9) |> sample(50) |> str_flatten()
#> [1] "5tX71jhbM9zUmKrpENBQyGYaZdJPVAx06leSF2s8gcfw3OviIH"
他の多くの言語には、シーケンスをシャッフルする専用の関数があります。
Rにはシャッフル用の関数がありません。 なぜでしょうか?
その理由を理解するために、もう一度sample関数を見てみましょう。
完全な形はsample(x, size, replace = FALSE, prob = NULL)で、xは(通常)サンプリング元のシーケンス、sizeは選ぶ要素の数です。
replaceについてはすでに説明しました。デフォルトは非復元抽出です。
ここではprobは無視してください。これはxの各要素に異なる重みを付けられるようにするものです。
sizeを省略してxだけを渡すと、どうなるでしょうか?
x <- letters[1:6]
x
#> [1] "a" "b" "c" "d" "e" "f"
sample(x)
#> [1] "e" "a" "f" "b" "c" "d"
典型的なRのスタイルで、パターンはベクトル入力・ベクトル出力であり、sizeのデフォルトはlength(x)です。
「xのすべての要素を非復元抽出でサンプリングする」とは、「xをシャッフルする」をより専門的に言い換えただけです。
つまり、sampleがすでに必要なことを正確に行ってくれるので、shuffle関数は存在しないのです!
ここまでの例では、すべての結果が同じ確率で起こる場合を扱いました。
たとえばsample(1:100)は、1から100までのどの整数も同じ確率で返します。
これはuniform分布と呼ばれます。
現実世界の多くの状況は、これよりもはるかに複雑です。
そのため、統計学者たちは現実世界の結果を数学的に記述するために、さまざまなdistributionsを考案してきました。
同じ確率で重み付けされた浮動小数点数の分布を得るには、runif()を使います("random-uniform"に注目してください。"run if"と読んでしまう自然だけど間違った傾向に抗いましょう)。
minとmaxはどちらも指定できますが、デフォルトは0と1です。
runif(5) # generate 5 values
#> [1] 0.3038506 0.3527959 0.3319309 0.4846354 0.4386279
# generate 5 non-negative values <= 100.0
runif(5, max = 100)
#> [1] 79.70762 51.62232 52.85281 71.08571 63.94380
Maryはテレビシリーズ_Star Trek: The Next Generation_の大ファンです。 よく友人たちとペンと紙のロールプレイングゲームをして、_Starship Enterprise_のクルーになりきって遊んでいます。
Maryが演じるのはCaptain Picardで、そのため艦長のログを付けなければなりません。 彼女はゲームの創造的な部分は大好きですが、その場でランダムなデータを生成するのは好きではありません。
艦長のログによく登場するデータのランダム生成器を作って、Maryを手伝いましょう。
_Starship Enterprise_は、旅の途中でたくさんの惑星と出会います。 Star Trekの宇宙では、惑星はその性質によってカテゴリーに分けられています。 たとえば、地球はMクラスの惑星です。惑星のクラスには、D、H、J、K、L、M、N、R、T、Yがあります。
random_planet_class関数を実装しましょう。
この関数は、必要な数の惑星クラスをランダムに選び、ベクトルとして返します。
クラスが重複していてもかまいません。長いベクトルでは、重複が必要になることもあります。
random_planet_class(number_needed)
#> "K"
宇宙を飛び回っているのはEnterprise(登録番号NCC-1701)だけではありません! 別の宇宙船とランデブーしたときは、Maryはその宇宙船の登録番号を記録する必要があります。
登録番号は接頭辞「NCC-」で始まり、そのあとに1000から9999までの数値が続きます(両端を含む)。
ランダムな宇宙船の登録番号を返すrandom_ship_registry_number関数を実装しましょう。
random_ship_registry_number()
#> "NCC-1947"
ゲームのあるバージョンではほかの宇宙船とやり取りする場面があるので、Maryはその中から選ぶ必要があります。
登場する可能性のある宇宙船の完全なリストがありますが、各ゲームで必要なのはそのうちのわずかで、しかもランダムに選ぶ必要があります。
shuffle_starships(starships)関数を実装しましょう。この関数は、重複のない宇宙船の登録番号のベクトルを受け取り、宇宙船がランダムな順に並んだ、同じ長さのベクトルを返します。
そうすれば、Maryはベクトルの先頭から、好きな数だけ簡単にランダムに取り出せます。
結果の値はstarshipsから取り出し、重複がないようにします。
shuffle_starships(c("NCC-5011", "NCC-1228", "NCC-7039", "NCC-3978", "NCC-1476"))
#> [1] "NCC-1476" "NCC-7039" "NCC-3978" "NCC-5011" "NCC-1228"
日付のないログに、何の意味があるのでしょうか?
宇宙暦は浮動小数点数です。 _The Next Generation_の第1シーズンにおける_Starship Enterprise_の冒険は、宇宙暦41000.0から42000.0の間で繰り広げられます。 「4」は24世紀を、「1」は第1シーズンを表しています。
41000.0から42000.0までの浮動小数点数を返すrandom_stardate関数を実装しましょう。
random_stardate()
#> 41037.6