Question

我试图用正态分布模拟5000个5号样本，平均值为5，标准差为3.我想计算每个样本的平均值并制作样本的直方图

我目前的代码没有给我一个错误，但我认为这不对：

nrSamples = 5000
e <- list(mode="vector",length=nrSamples)
for (i in 1:nrSamples) {
e[[i]] <- rnorm(n = 5, mean = 5, sd = 3)
}

sample_means <- matrix(NA, 5000,1)
for (i in 1:5000){
sample_means[i] <- mean(e[[i]])
}

关于如何解决这个问题的任何想法？我对R来说非常新！

Answer 1

你可以在没有for循环的情况下实际执行此操作。 replicate可用于创建5000个样本。然后使用sapply返回每个样本的平均值。将sapply来电换于hist()以获取均值的直方图。

dat = replicate(5000, rnorm(5,5,3), simplify=FALSE)

hist(sapply(dat, mean))

或者，如果你想保存手段：

sample.means = sapply(dat,mean)
hist(sample.means)

我认为您的代码提供了有效的结果。 list(mode="vector",length=nrSamples)没有做我认为你想要的事情（在控制台中运行它，看看会发生什么），但它可以解决，因为前两个列表元素在循环中被覆盖。

虽然这里不需要使用循环，但这里只是为了说明使用循环的代码的两个修改版本：

# 1. Store random samples in a list
e <- vector("list", nrSamples) 
for (i in 1:nrSamples) {
  e[[i]] <- rnorm(n = 5, mean = 5, sd = 3)
}

sample_means = rep(NA, nrSamples)
for (i in 1:nrSamples){
  sample_means[i] <- mean(e[[i]])
}

# 2. Store random samples in a matrix
e <- matrix(rep(NA, 5000*5), nrow=5)
for (i in 1:nrSamples) {
  e[,i] <- rnorm(n = 5, mean = 5, sd = 3)
}

sample_means = rep(NA, nrSamples)
for (i in 1:nrSamples){
  sample_means[i] <- mean(e[, i])
}

Answer 2

在这种情况下，您不需要列表。新R用户常常错误地使用列表。

observations <- matrix(rnorm(25000, mean=5, sd=3), 5000, 5)
means <- rowMeans(observations)

现在means是5000个元素的向量。

Answer 3

您的代码很好（见下文），但我建议您尝试以下方法：

 yourlist <- lapply(1:nrSamples, function(x) rnorm(n=5, mean = 5, sd = 3 ))
 yourmeans <- sapply(yourlist, mean)

这里，对于我作为第一个参数提供的序列1,2,3，... nrSamples的每个元素，lapply执行一个函数，该序列的给定元素作为参数（即x）。我提供的函数不依赖于x，因此它只复制了5000次，输出存储在列表中（这是lapply所做的）。在这种情况下，这是一种避免循环的简单方法。不用说，你也可以运行

 yourmeans <- sapply(1:nrSamples, function(x) mean(rnorm(n=5, mean = 5, sd = 3)))

除了手段之外，后者不会存储您的结果，这可能不是您想要的。另请注意，我调用sapply返回一个矢量，然后您可以使用该矢量绘制直方图。 hist(yourmeans)。

要显示您的代码正常，请考虑以下事项：

set.seed(42)
nrSamples = 5000
e <- list(mode="vector",length=nrSamples)
for (i in 1:nrSamples) {
  e[[i]] <- rnorm(n = 5, mean = 5, sd = 3)
}

sample_means <- matrix(NA, 5000,1)
for (i in 1:5000){
  sample_means[i] <- mean(e[[i]])
}

set.seed(42)
yourlist <- lapply(1:nrSamples, function(x) rnorm(n=5, mean = 5, sd = 3 ))
yourmeans <- sapply(yourlist, mean)

all.equal(as.vector(sample_means), yourmeans)
[1] TRUE

在这里，我将种子设置为随机数生成器，以确保随机数相同。如您所见，您的代码工作正常，但正如其他人所指出的那样，可以很容易地避免循环。

从正态分布模拟5000个大小为5的样本，平均值为5，标准差为3

3 个答案: