Question

当我想在特定时间间隔内生成一个runif()的随机数而不包括特定值（例如0.5）时，我可以编写这个函数ex.runif()来完成这项工作，但它是数百个比正常runif()慢的时间。有人能指出我更好的解决方案吗？

ex.runif <- function(n, excl, min, max) {
  # ex.runif() excludes the specific value 'excl'
  q <- excl
  while (q == excl) {
    q <- runif(n, min = min, max = max)
  } 
  return(q)
}

set.seed(42)
ex.runif(1, .5, .25, .75)  # exclude .5, interval [.25, .75]
# [1] 0.707403

library(microbenchmark)
microbenchmark(ex.runif(1, .5, .25, .75), runif(1, min = .25, max = .75))
# Unit: microseconds
# expr         min      lq      mean   median       uq     max neval cld
# ex.runif 692.439 704.685 721.51135 715.2735 722.9275 962.373   100   b
# runif      2.041   2.551   3.49044   2.8070   3.3170  21.176   100  a

Answer 1

如果要排除的值集是有限的，那么在大多数情况下，不需要像这样的函数。原因是均匀分布是连续的，并且以概率为零采用任何有限数量的值。也就是说，就概率论而言，q == excl在概率为零时为真。

例如，

set.seed(42)
ex.runif(5, .5, .25, .75)
# [1] 0.7074030 0.7185377 0.3930698 0.6652238 0.5708728
set.seed(42)
runif(5, 0.25, 0.75)
# [1] 0.7074030 0.7185377 0.3930698 0.6652238 0.5708728

同样最有可能在任何其他种子下发生。因此，您可以继续使用runif。

@duckmayr对数字精度提出了一个很好的观点。事实上，随着区间[min, max]越来越窄，q == excl变得越来越高，概率越来越高，在某些应用中，它甚至可能变得相关。

但是，如果从理论上讲，您确实只需要排除一个值0.5，那么执行q == excl之类的检查甚至会因排除不必要的抽奖而受到伤害。

例如，在我的情况下，.Machine$double.eps是2.220446e-16。那么当[0.5 - .Machine$double.eps / 4, 0.5 + .Machine$double.eps / 4]为[min,max]并且得出错误结论时从[0.5 - 10^(-k), 0.5 + 10^(-k)]获得平局的概率是2 *（2.220446e-16/4）/（2 * 10 ^（ - k）））或约0.55 * 10 ^（k-16）。

如何排除runif（）的具体结果？

1 个答案: