Question

我有一个OpenBUGS模型，它使用观察到的数据（y.values）随着时间的推移（x.values）模拟许多运行（~100000），每次运行的y值（y.est）的新估计。观察到的数据显示出最大值的显着下降。

我想跟踪每次运行从最大丰度（T.max）下降到最大丰度（T.10％）的10％所需的时间长度。由于最大丰度值在不同运行中发生变化，因此最大值的10％也会因运行而异，因此T.10％会因运行而异。

设置存储T.max的参数非常简单，不会因为运行而异，因为最大值足够大于任何其他值。

我无法弄清楚的是，如何存储y-est值和T.10％的交集。

我的第一次尝试是使用step()函数确定每个y-est值是高于还是低于T.10％：

above.below[i] <- step(T.10% - y.est[i])

这为每个y.est值生成一串1和0（例如，0,0,0,0,0,0,0,0,1,1,1,1,1,1,1， 1,1,1,1,1,1,1等等。）如果每次运行只是从最大值到最小值连续下降，我可以使用rank()函数来确定有多少above.below[i]个值发生在T.10％以上：

decline.length <- rank(above.below[1:N], 0)

在此示例中，decline.length将等于上面字符串中的＆＃39; 0的数量，即9。不幸的是，y-est值偶尔会显示以下增长时段他们的跌幅低于T.10％。因此，above.below值的向量可以如下所示：0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1， 1,1,1,1,1,0,0,0,1,0,0,1,1,1,1等等。因此，decline.length等于14而不是9，给定后续的0在向量中。

我想要做的是弄清楚如何在第一个＆＃39;之前的above.below中仅存储＆＃39; 0的数量; above.below[1:10]而不是above.below[1:N]。不幸的是，它并不总是第一个第一个步骤，其中第一个＆＃39; 1＆＃39;发生这种情况，因此我需要在模拟过程中使above.below范围的最大范围因运行而异。

我在OpenBUGS中努力实现这一点，因为它是一种非程序性的语言，但我认为可以做到，我只是不知道这样做的诀窍。我希望有人更熟悉step()和rank()函数可以提供一些专家意见。

非常感谢任何指导！

Answer 1

我提供了两种解决方案：

1）计算每个时间步的累计总和：

for (i in 1:N){
    above.below[i] <- step(T.10% - y.est[i])
    cum.above.below[i] <- sum(above.below[1:i])
}

decline.length <- rank(cum.above.below[1:N], 0)

2）计算每年是否高于或低于阈值，没有1和0：

for(i in 1:N){
    above.below[i] <- step(T.10% - y.est[i])
    dummy[i] <- above.below[i] * i + (1 - above.below[i]) * (N+1)
}

decline.length <- ranked(dummy[], 1)

当dummy为1时，i为above.below，dummy为0时，above.below为N + 1。

在OpenBUGS中通过多次运行跟踪模拟时间序列与特定值的交点

1 个答案: