Question

我希望在R中编写一个循环，在其中模拟泊松样本，但我希望丢弃不包含任何零的样本，并且＆＃34;让另一个变为＆＃34;。我怎么能这样做？。

例如：

X<-rep(999,100)
for(j in 1:100){
x<-rpois(100,4)
X[j]<-mean(x)
}

有什么方法可以保存length(X[X==0])==0的样品，然后重新选择样品，并继续直到获得含有零的样品的100个均值？

Answer 1

正如@Frank建议的那样，while循环是您最好的方法，但我不认为if是最好的方法。

NN <- 100
kk <- 100
lam <- 4

draws <- matrix(rpois(kk * NN, lam), ncol = NN)

while (!all(idx <- apply(draws, 2, all))){
  draws[ , nidx] <- matrix(rpois(sum(nidx <- !idx) * NN, lam), ncol = NN)
}

然后完成：

colMeans(draws)

另一种方法是使用replicate：

colMeans(replicate(NN, {draws <- rpois(kk, lam)
while (!all(draws)) draws <- rpois(kk, lam)
draws}))

我的快速基准测试表明后者实际上更快。

更精明的是从一开始就简单地消除所有糟糕的抽奖（基本上是从截断的分布中抽取）。

我们知道在给定抽奖中获得0的概率为exp(-lambda)，因此如果我们在(exp(-lambda), 1]上反转统一抽奖，我们将设置：

colMeans(matrix(qpois(runif(kk * NN, min = exp(-lam)), lam), ncol = NN))

同样具有竞争力的是使用data.table：

library(data.table)
grps <- rep(1:NN, each = kk)
data.table(qpois(runif(kk * NN, min = exp(-lam)), lam))[ , mean(V1), grps]

Answer 2

只是说我已经意识到如果我将Micheal的代码编辑为：

replicate(NN, {draws <- rpois(kk, lam)
while (all(draws)) draws <- rpois(kk, lam)
draws})

它会按我的意愿行事。感谢所有回答的人。

根据条件丢弃样品

2 个答案: