Question

我对以下问题感兴趣：从N（0,1）生成100个随机样本，每个样本大小为100。在每个样本中，找到绝对平均值，例如（1/100）*样本中所有x的总和（abs（x））。以下是我的意思：

std::vector<int> V = ....;
quick_sort(V.begin(), V.end());

但这似乎只是采用一个100大小的随机样本。我该如何修复我的代码？我如何生成set.seed(124) N <- 100 samples <- rnorm(n=N, mean=0, sd=1) A <- function(x,N){ (1/N)*sum(abs(x)) } result <- sapply(samples, A, N) print(result) print(mean(result)) print(var(result))的{{1}}的均值和方差的图表变化？我是否必须使用result循环，或者在R中有更好的方法吗？

非常感谢您的帮助！

Answer 1

试试这个：

runs <- 100;
rfun <- rnorm;
size <- 100;
m <- double(0)
for (i in 1:runs) m[i] =  mean(rfun(size));

现在，你有100个样本来自100个样本，每个100个样本。我已经写好了，所以如果你愿意，你可以使用除正常之外的发行版。

Answer 2

这更具功能性。它更接近你想要的吗？

stop: function(event, ui){
if(ui.item.parent().attr('id') !== 'sortable'){
  $("#sortable").sortable("cancel");
  }
},

来自sample_hundo <- function() { rnorm(n=100, mean=0, sd=1) } funny_normalize <- function(sample.vec) { sum(abs(sample.vec)) / length(sample.vec) } replicate(10, funny_normalize(sample_hundo()))：

'replicate'是'sapply'for的常用用法的包装重复评估一个表达式（通常会涉及到随机数生成）。

Answer 3

使用矩阵怎么样？每列代表一次运行，每列包含100个来自N（0,1）的值。你应该尽量避免循环。

dgNames.Rows[dgNames.CurrentRow.Index].Selected = false;
dgNames.Rows[dgNames.CurrentRow.Index + 1].Selected = true;

R：来自正常，绝对值的随机采样

3 个答案: