在r中迭代一个函数

Question

我是R的完全新手，但我真的想“边做边学”，所以请原谅我的简单问题。

我有以下代码：

MC <- function(PV, t,...){
    i <- rnorm(1, .056, .01)
    FV <- PV*exp(i*t)
    r <- log(FV/PV)
}
MC(1,1)

我需要多次迭代函数，为r提供许多不同的值。然后我需要找到所有结果的标准偏差（可能在直方图中绘制它们？）。我试图使用在线指南编写循环，但似乎无法找到任何特定于我的问题。我似乎总是创建一个无限循环，似乎无法编写一个有效的break命令。

我确信我遗失了一些基本的东西，但对于我的生活，我似乎无法解决这个问题。

Answer 1

您可以使用不同的PV和t值迭代（循环）并在函数中返回r的值。使用r的某个阈值可以打破循环。

MC <- function(PV, t){
  i <- rnorm(1, .056, .01)
  FV <- PV*exp(i*t)
  r <- log(FV/PV)
  print(r)
  return(r)
}

for (PV in 1:10){
  for (t in 2:9){
    th = MC(PV,t)
    if(th>0.2){
      break
    }
    }
  }

Answer 2

首先，你的功能需要返回一些东西。现在它正在为您无法访问的环境中的变量设置值。我建议：

MC <- function(PV, t,...){
  i <- rnorm(1, .056, .01)
  FV <- PV*exp(i*t)
  log(FV/PV)
}

replicate()函数旨在重复评估具有相同输入的随机函数。在这里，做：

set.seed(123)
# how about 100 trials?
replicate(100, MC(1,1))
  [1] 0.05039524 0.05369823 0.07158708 0.05670508 0.05729288 0.07315065 0.06060916
  [8] 0.04334939 0.04913147 0.05154338 0.06824082 0.05959814 0.06000771 0.05710683
 [15] 0.05044159 0.07386913 0.06097850 0.03633383 0.06301356 0.05127209 0.04532176
 [22] 0.05382025 0.04573996 0.04871109 0.04974961 0.03913307 0.06437787 0.05753373
 [29] 0.04461863 0.06853815 0.06026464 0.05304929 0.06495126 0.06478133 0.06421581
 [36] 0.06288640 0.06153918 0.05538088 0.05294037 0.05219529 0.04905293 0.05392083
 [43] 0.04334604 0.07768956 0.06807962 0.04476891 0.05197115 0.05133345 0.06379965
 [50] 0.05516631 0.05853319 0.05571453 0.05557130 0.06968602 0.05374229 0.07116471
 [57] 0.04051247 0.06184614 0.05723854 0.05815942 0.05979639 0.05097677 0.05266793
 [64] 0.04581425 0.04528209 0.05903529 0.06048210 0.05653004 0.06522267 0.07650085
 [71] 0.05108969 0.03290831 0.06605739 0.04890799 0.04911991 0.06625571 0.05315227
 [78] 0.04379282 0.05781303 0.05461109 0.05605764 0.05985280 0.05229340 0.06244377
 [85] 0.05379513 0.05931782 0.06696839 0.06035181 0.05274068 0.06748808 0.06593504
 [92] 0.06148397 0.05838732 0.04972094 0.06960652 0.04999740 0.07787333 0.07132611
 [99] 0.05364300 0.04573579

如果MC的整个目的是运行这个蒙特卡罗模拟（顾名思义），那么你可以重写函数以在需要时接受n参数，如下所示：

MC <- function(PV, t, n = 1, ...){
  i <- rnorm(n, .056, .01)
  FV <- PV*exp(i*t)
  log(FV/PV)
}
set.seed(123)
MC(1, 1, n = 100)
# With the same seed it returns the same result as above, but more efficiently

然后，您可以使用m n个大小的样本并使用新的MC函数将它们放入数组中，并计算每个样本的标准偏差，然后绘制直方图

m <- 100
n <- 10
set.seed(123)
samples <- replicate(m, MC(1, 1, n))
sds <- apply(samples, 2, sd)
hist(sds)