我有马尔可夫链的以下代码:
simulation.mc=function(i0,P,n.sim){
S=1:nrow(P)
X=rep(0,n.sim)
X[1]=i0
for (n in 2:n.sim){
X[n]=sample(x=S,size=1,prob=P[X[n-1],])
}
return(X)
}
P=matrix(
c(
0,1/2,0,1/2,0,0,0,
1/2,0,1/2,0,0,0,0,
0,1,0,0,0,0,0,
1/3,0,0,0,1/3,1/3,0,
0,0,0,1,0,0,0,
0,0,0,1/2,0,0,1/2,
0,0,0,0,0,0,1
),nrow=7,byrow=T);P
X=simulation.mc(1,P,100)
T=min(which(X==7))
我必须在达到状态7之前计算平均步数。
我知道我需要运行至少1000个路径样本,计算每个样本中的步数,然后计算平均值(尽管某些路径不会达到7状态)。
我这样做了,但仍然没有工作:
n.sim=100
X[i]=rep(0,n.sim)
for (i in 1:100)
{ X[i]=simulation.mc(1,P,100)
}
为什么这不起作用?如何在循环中包含一个循环以包含计算步数的函数?提前感谢任何建议。
答案 0 :(得分:1)
您可以使用replicate
代替循环:
replicate(1000, min(which(simulation.mc(1,P,100)==7)))
@JDB提供了一个使用循环的选项。这里有几个:
# To save each entire chain in a list
n.sim=100
X = list()
for (i in 1:1000) {
X[[i]] = simulation.mc(1,P,n.sim)
}
# To save just the number of steps to get to 7
n.sim=100
X = rep(NA, 1000)
for (i in 1:1000) {
X[i] = min(which(simulation.mc(1,P,n.sim)==7))
}
答案 1 :(得分:0)
您似乎正在尝试创建一个100 x 100的数据框,但您正在调用已创建的向量。
这就是您致电X[i]=rep(0,n.sim)
无效的原因。 (我认为你的意思可能是X[1]=rep(0,n.sim)
,因为你只在循环中定义了i
。你不能以同样的方式填充向量的列一个data.frame ......
尝试:
X <- data.frame(matrix(nrow=100, ncol=100))
for (i in 1:100)
{ X[i]=simulation.mc(1,P,100)
}