>我正在尝试理解以下有关逆变换采样的代码(离散示例)
discrete.inv.transform.sample <- function( p.vec ) {
U <- runif(1)
if(U <= p.vec[1]){
return(1)
}
for(state in 2:length(p.vec)) {
if(sum(p.vec[1:(state-1)]) < U && U <= sum(p.vec[1:state]) ) {
return(state)
}
}
}
num.samples <- 1000
p.vec <- c(0.1, 0.4, 0.2, 0.3)
names(p.vec) <- 1:4
samples <- numeric(num.samples)
for(i in seq_len(num.samples) ) {
samples[i] <- discrete.inv.transform.sample(p.vec)
}
barplot(p.vec, main='True Probability Mass Function')
我的第一个问题是在第一部分return(1)
discrete.inv.transform.sample(p.vec)
函数中,返回时这个1
值在哪里?
在第二部分中,return(state)
state
分配在哪里?
为什么
?names(p.vec)<-1:4
此行seq_len
是什么意思?为什么代码中不再使用
samples[i]
?
我认为应该有一个独立的线路sample
有人可以解释一下吗?
提前谢谢你
看起来你需要对R和编程做一些基础研究。以下是您简单问题的简短答案,但请继续阅读以获取更广泛的建议。
- 返回时
1
值在哪里?无论它被分配到哪里。在这里,即samples[i]
到达该分支的任何i
。 - 这
state
分配到哪里?在行for(state in 2:length(p.vec))
- 为什么
names(p.vec)<-1:4
这条线?问得好。names()<-
只是为对象分配名称,我不确定为什么在您的上下文中拥有与向量索引相等的名称很有用,尽管我可以想象在某些情况下是这样。 seq_len
是什么意思?seq_len(x)
创建一个整数向量,其中包含从1
到x
(包括 和 )的所有数字。见help("seq_len")
- 为什么代码中不再使用
samples[i]
?因为它只在 for 循环中有用。
所有这些都指向一个更大的问题:你不了解R的基础知识。我们都是从那里开始的,但这意味着您需要阅读一些基本信息并完成一些基本教程。RStudio 在这里提供了一些学习资源。