我需要从混合分发中生成样本
40%的样本来自高斯(平均值= 2,sd = 8)
20%的样本来自Cauchy(位置= 25,比例= 2)
40%样本来自高斯(平均值= 10,sd = 6)
为此,我编写了以下函数:
dmix <- function(x){
prob <- (0.4 * dnorm(x,mean=2,sd=8)) + (0.2 * dcauchy(x,location=25,scale=2)) + (0.4 * dnorm(x,mean=10,sd=6))
return (prob)
}
然后测试:
foo = seq(-5,5,by = 0.01)
vector = NULL
for (i in 1:1000){
vector[i] <- dmix(foo[i])
}
hist(vector)
我得到这样的直方图(我知道这是错的) -
我做错了什么?有人可以指点一下吗?
答案 0 :(得分:7)
当然还有其他方法可以做到这一点,但 distr 包让它非常简单。 (See also this answer获取另一个示例以及有关 distr 和朋友的更多详情。
library(distr)
## Construct the distribution object.
myMix <- UnivarMixingDistribution(Norm(mean=2, sd=8),
Cauchy(location=25, scale=2),
Norm(mean=10, sd=6),
mixCoeff=c(0.4, 0.2, 0.4))
## ... and then a function for sampling random variates from it
rmyMix <- r(myMix)
## Sample a million random variates, and plot (part of) their histogram
x <- rmyMix(1e6)
hist(x[x>-100 & x<100], breaks=100, col="grey", main="")
如果您只想直接查看混合物分发的pdf,请执行以下操作:
plot(myMix, to.draw.arg="d")
答案 1 :(得分:1)
如果可以,请始终使用R矢量化。 即使实际上丢弃了许多值,它通常也会更有效。 (至少比以前的解决方案更快,并避免额外的库)
rmy_ve = function(n){
##generation of (n x 3) matrix.
##Each column is a random sample of size n from a single component of the mixture
temp = cbind(rnorm(n,2,8),rcauchy(n,25,2),rnorm(n,10,6))
##random generation of the indices
id = sample(1:3,n,rep = T,prob = c(.4,.2,.4))
id = cbind(1:n,id)
temp[id]
}
> microbenchmark(rmy_ve(1e6),rmyMix(1e6))
Unit: milliseconds
expr min lq mean median uq max neval
rmy_ve(1e+06) 241.904 248.7528 272.9119 260.8752 298.1126 322.7429 100
rmyMix(1e+06) 270.917 322.3627 341.4779 329.1706 364.3947 561.2608 100