Question

我试图在rcpp中写一个函数r（d，n）。该函数从正态分布N（0，d）返回n个随机抽取。应该很好地定义这个函数，因此只要d和n不改变它们的值，函数就应该返回相同的draw。

如果d被限制为整数，这不会成为问题，在这种情况下我可以设置种子并完成工作

// set seed
// [[Rcpp::export]]
void set_seed(unsigned int seed) {
  Rcpp::Environment base_env("package:base");
  Rcpp::Function set_seed_r = base_env["set.seed"];
  set_seed_r(seed);  
}

// function r(d, n)
// [[Rcpp::export]]
vec randdraw(int d, int n){
  set_seed(d);
  vec out = randn(n);
  return out;
}

但显然我不想将d限制为整数。理想情况下，d应该是双倍的。有什么想法吗？谢谢！

Answer 1

我认为正在发生的问题是你试图驱散犰狳提供的randn，这只是标准普通，例如N（0,1），使其与N（0，d）匹配。有两种方法可以解决这个问题，因为它是标准法线。

选项1：使用统计属性

第一种方法是将样本乘以d的平方根，例如sqrt(d)*sample。这是可能的，因为方差的随机变量性质和期望给出sqrt（d）* N（0,1）~N（0，sqrt（d）^ 2）~N（0，d）。

此处需要注意的一件更重要的事情是set_seed()函数自RcppArmadillo hooks into R's RNG library的 Armadillo 配置访问::Rf_runif函数后将起作用生成随机值。唯一值得关注的问题是，由于Section 6.3 of Writing R Extensions中详述的R / C ++交互限制，您无法使用arma::arma_rng::set_seed()来设置种子。如果你使用它，那么you would get warned with：

从R调用时，必须通过set.seed（）将RNG种子设置为R级别

第一次检测到来电时

。

说到这里，这是一个简短的代码示例，其中我们乘以sqrt(d)。

代码：

#include <RcppArmadillo.h>
// [[Rcpp::depends(RcppArmadillo)]]

// set seed
// [[Rcpp::export]]
void set_seed(double seed) {
    Rcpp::Environment base_env("package:base");
    Rcpp::Function set_seed_r = base_env["set.seed"];
    set_seed_r(std::floor(std::fabs(seed)));
}

// function r(d, n)
// [[Rcpp::export]]
arma::vec randdraw(double d, int n){
    set_seed(d);              // Set a seed for R's RNG library
    // Call Armadillo's RNG procedure that references R's RNG capabilities
    // and change dispersion slightly.
    arma::vec out = std::sqrt(std::fabs(d))*arma::randn(n);
    return out;
}

输出：

> randdraw(3.5, 5L)
           [,1]
[1,] -0.8671559
[2,] -1.9507540
[3,]  2.9025090
[4,] -1.2953745
[5,]  2.0799176

注意：没有直接的等价物，因为rnorm程序与arma::randn代不同。

选项2：依靠 R 的RNG功能

第二个也是明显更好的解决方案是明确依赖 R 的RNG功能。之前，由于 RcppArmadillo 的配置，我们对 R 的RNG库进行了隐式使用。我倾向于选择这种方法，因为在使用the set_seed() function时，您已经假设代码特定于 R （免责声明：我撰写了帖子）。如果您担心d成为integer的限制，double可以轻微强制int到std::floor(std::fabs(seed))。使用Rcpp::r*()或R::r*()生成值后，将使用重用现有内存分配的an advanced ctor创建犰狳向量。

代码：

#include <RcppArmadillo.h>
// [[Rcpp::depends(RcppArmadillo)]]

// set seed
// [[Rcpp::export]]
void set_seed(double seed) {
    Rcpp::Environment base_env("package:base");
    Rcpp::Function set_seed_r = base_env["set.seed"];
    set_seed_r(std::floor(std::fabs(seed)));
}

// function r(d, n)
// [[Rcpp::export]]
arma::vec randdraw(double d, int n){
    set_seed(d);                                      // Set a seed for R's RNG library
    Rcpp::NumericVector draws = Rcpp::rnorm(n, 0.0, d); // Hook into R's Library
    // Use Armadillo's advanced CTOR to re-use memory and cast as an armadillo object.
    arma::vec out = arma::vec(draws.begin(), n, false, true);
    return out;
}

输出：

> randdraw(3.21,10)
             [,1]
 [1,] -3.08780627
 [2,] -0.93900757
 [3,]  0.83071017
 [4,] -3.69834335
 [5,]  0.62846287
 [6,]  0.09669786
 [7,]  0.27419092
 [8,]  3.58431878
 [9,] -3.91253230
[10,]  4.06825360
> set.seed(3)
> rnorm(10, 0, 3.21)
 [1] -3.08780627 -0.93900757  0.83071017 -3.69834335  0.62846287  0.09669786  0.27419092  3.58431878 -3.91253230  4.06825360

从Rcpp改变R种子以保证再现性

1 个答案:

选项1：使用统计属性

选项2：依靠 R 的RNG功能