我正在使用常量和向量(大约长度 = 100)执行计算,我需要模拟正态分布 N(使用 rnorm)。对于常量(K,标准差 = KU),我以标准方式使用 rnorm():
K <- 2
KU <- 0.2
set.seed(123)
KN <- rnorm(n = 3, mean = K, sd = KU)
什么提供了长度为 3 (KN) 的向量:
[1] 1.887905 1.953965 2.311742
现在,我需要对向量(V,标准差 VU)做同样的事情。我的第一个猜测是使用:
V <- c(1, 2, 3)
VU <- 0.1 * V
set.seed(123)
VN <- rnorm(3, V, VU)
但只生成了一个包含 3 个元素的向量,每个向量元素一个:
[1] 0.9439524 1.9539645 3.4676125
这实际上是向量的第一次模拟,但我需要这个向量的 3 倍。一种解决方案是创建 9 个数字,但 VN 是一个包含 9 个元素的向量:
[1] 0.9439524 1.9539645 3.4676125 1.0070508 2.0258575 3.5145195 1.0460916 1.7469878 2.7939441
不是 3 个元素的 3 个向量。我想要的是 VN =
[1] 0.9439524 1.0070508 1.0460916
[2] 1.9539645 2.0258575 1.7469878
[3] 3.4676125 3.5145195 2.7939441
因此,VN 是 3 个向量,我随后可以在其他计算中使用它们,例如 KN * VN。我找到的解决方案是:
set.seed(123)
VN <- as.data.frame(t(matrix(rnorm(3 * length(V), V, VU), nrow = length(V))))
但在我看来,这是一个相当麻烦的表达式(我需要在不同的地方用相当长的变量名重复几次)。在基 R 中是否有更简单的方法来生成随机向量?我想看到类似的东西:
VN <- rnorm.vector(3, V, VU)
最佳答案
除了@akrun 的绝佳选择之外,您还可以使用比您的方法稍微简单的方法:
matrix(rnorm(n * length(V), V, VU), nrow = n, byrow = TRUE)
# [,1] [,2] [,3]
# [1,] 0.9439524 1.953965 3.467612
# [2,] 1.0070508 2.025858 3.514519
# [3,] 1.0460916 1.746988 2.793944
或者
MASS
包装与 mvrnorm
让从多元正态分布采样:library(MASS)
mvrnorm(n, VU, diag(VU))
# [,1] [,2] [,3]
# [1,] 0.6650715 0.37923044 0.05590089
# [2,] 0.2574341 0.24949882 0.97045721
# [3,] -0.5218990 -0.04857971 0.49707815
在哪里
diag(VU)
# [,1] [,2] [,3]
# [1,] 0.1 0.0 0.0
# [2,] 0.0 0.2 0.0
# [3,] 0.0 0.0 0.3
如果您希望方差-协方差矩阵不是对角线,则后一种选择是可行的方法。
关于r - 如何创建另一个向量的随机向量?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53936646/