嘿，其实不用额外安装任何包就能搞定这个问题——关键是要抓住Erlang分布的核心定义：Erlang(k, λ)分布等价于k个独立同分布的速率参数为λ的指数分布（Exp(λ)）随机变量的和。R的基础包本身就提供了生成指数分布样本的rexp()函数，我们完全可以基于这个来构建Erlang样本。

实现思路 #

• 先生成n*k个Exp(λ)的随机样本（n是你要的样本规模，k是形状参数）
• 将这些样本整理成一个n行k列的矩阵，每行对应k个独立的指数分布样本
• 对矩阵的每一行求和，得到的结果就是n个符合Erlang(k, λ)分布的随机样本

自定义函数示例 #

你可以写一个简单的自定义函数来封装这个逻辑，方便重复调用：

# 生成Erlang分布随机样本的函数
# 参数说明：
# n: 样本规模
# k: 形状参数（自然数）
# lambda: 速率参数（正实数）
erlang_sample <- function(n, k, lambda) {
  # 生成n*k个指数分布样本
  exp_samples <- rexp(n * k, rate = lambda)
  # 转换为n行k列的矩阵
  exp_matrix <- matrix(exp_samples, nrow = n)
  # 每行求和得到Erlang样本
  erlang_samples <- rowSums(exp_matrix)
  return(erlang_samples)
}

使用示例 #

比如我们要生成1000个形状参数k=3、速率参数λ=2的Erlang样本，然后画直方图看看分布形态：

# 生成样本
my_sample <- erlang_sample(n = 1000, k = 3, lambda = 2)
# 绘制直方图验证
hist(my_sample, breaks = 30, col = "lightblue", main = "Erlang(3, 2)分布样本直方图", xlab = "样本值")

这个方法完全依赖R基础包的函数，不需要安装任何额外工具，而且逻辑清晰，符合Erlang分布的数学定义，结果也很可靠。

内容的提问来源于stack exchange，提问作者JJJ