Question

感谢任何有助于提高此循环代码效率的帮助。遗憾！

我正在模拟“可变寿命调整显示”。有关此here的详细信息。

当应用于手术时，这是一个图表，作为预期死亡人数减去实际死亡人数（e）的运行记录。假设外科手术在p = 0.1的人群中具有预期的死亡概率。外科手术单元的性能可以被认为是0和1的向量（r_（1：n）），其中0是成功的，1是死亡。在开始时（r_0），e_0 = 0.如果患者存活，则将p添加到跑步分数中。如果患者死亡，则从运行分数中减去1-p（例如，其中r_1 = 0，e_1 = e_0 + p;其中r_1 = 1，e_1 = e_0 - （1-p）。

可以（可能！）看到，如果给定的一组结果的总死亡概率等于人口的总死亡概率，那么得分（e）应该在0附近振荡。如果死亡率高于预期（更多1），e的趋势是负面的。如果结果好于预期（更多0），趋势是积极的。

# Simulate VLAD
# m=number of simulations, n=number of procedures, p1=expected mortality
#    p2=actual mortality

vlad_sim <- function(m,n,p1,p2){
  e<-matrix(nrow=n, ncol=m)
  e[1,]<-0
  r<-vector()
  for (j in 1:m){
    r<-rbinom(n,1, p2)
    for (i in 2:n){
      e[i, j] <- ifelse(r[i]==0, e[i-1,j] + p1, e[i-1,j] - (1-p1))
    }
  }
return(e)
}

# Test example using m=100, n=100, p1=0.1, p2=0.2
e <- vlad_sim(100, 100, 0.1, 0.2)

此代码可以正常运行。我可以用ggplot2制作可爱的情节。我想改变这两个for循环来应用函数，但无法弄清楚如何。要开始，可能更容易制作尺寸为n x m的结果矩阵：

r<-matrix(rep(rbinom(n,1, p2),m), nrow=n, ncol=m)

如何将我的功能应用于此矩阵？谢谢！

Answer 1

以下解决方案逐行应用计算。您仍然需要一个for循环，因为一个阶段的计算基于之前阶段的结果。此外，代码现在更有效率。

vlad_sim <- function(m, n, p1, p2){
  e <- matrix(0, nrow = n, ncol = m)
  r <- matrix(sample(c(FALSE, TRUE), size = (n - 1) * m, 
                     replace = TRUE, prob = c(1 - p2, p2)), ncol = m)
  for (i in seq(2L, n)) {
    e[i, ] <- e[i - 1, ] + p1 - r[i - 1, ]
  }   
  return(e)
}

如何用数组重写这个并应用函数？

1 个答案: