Question

当我尝试复制结果时，我有一个问题，我想出了一个问题。

l <- {}
for(i in 1:3){
  set.seed(1)
  l[i] <- rnorm(n = 1, i, i)  
}

这将产生

0.3735462 0.7470924 1.1206386

但是，如果我写

set.seed(1)
rnorm(n = 3, 1:3, 1:3)
0.3735462 2.3672866 0.4931142

或者

set.seed(1)
rmvnorm(n = 1, 1:3, sqrt(diag(1:3)))
0.3735462 2.21839 1.900251

我没有得到相同的结果。什么可以成为一个问题？我的目标是对for循环进行矢量化，这就是我遇到问题的原因。

更新

下面的答案解释了它如何用于 rnorm 并且应该适用于R中的所有随机数生成器，但是当我使用 rgig （广义逆高斯）尝试此方法时分发）我又有一个问题。

l <- {}
for(i in 1:3){
  set.seed(1)
  l[i] <- rgig(n = i, i, i, i)[i]
}
1.629091 1.500733 1.564364

如果我使用

set.seed(1)
rgig(n = 3, 1:3, 1:3, 1:3)
1.629091 1.440166 3.264135

当我使用

时

sapply(1:3,function(x){set.seed(1);rgig(x,x,x,x)})

它没有显示与 rnorm 类似的模式。我认为它 rgig 并不支持矢量化，因为如果我们写的话：

set.seed(1)
rgig(n = 3, 1, 1, 1)
1.629091 1.440166 3.264135

与矢量化相同。我是对的吗？

Answer 1

使用你的循环，你可以这样做：

set.seed(1)
rnorm(n = 1, 1, 1)
set.seed(1)
rnorm(n = 1, 2, 2)
set.seed(1)
rnorm(n = 1, 3, 3)

使用第二行代码执行此操作：

set.seed(1)
rnorm(3, 1:3, 1:3)

因此结果不同。换句话说：使用循环你做set.seed（1）并随机选择1个数字3次，首先你从一个平均值和sd为1的分布中绘制一个数字，然后从平均值和sd为2绘制第二名，最后一名是3分的平均值和3分。

另一方面，你直接从均值向量中抽取3个数字，sd由1,2和3组成。然后种子被用于一行代码，其中生成了所有三个3个数字。

如果您希望使用for循环获得相同的结果，则需要使用以下代码：

> set.seed(1)
> rnorm(n = 1, 1, 1) 
[1] 0.3735462
> set.seed(1)
> rnorm(n = 1, 2, 2)
[1] 0.7470924
> set.seed(1)
> rnorm(n = 1, 3, 3)
[1] 1.120639

Answer 2

对于第一种方法

l <- {}
for(i in 1:3){
  set.seed(1)
  l[i] <- rnorm(n = 1, i, i)  
}
0.3735462 0.7470924 1.1206386

第二种方法

set.seed(1)
rnorm(n = 3, 1:3, 1:3)
0.3735462 2.3672866 0.4931142

您的问题是为什么这两种方法不会产生相同的结果？

那么回答这个问题，我首先要说的是，这两种方法可以产生一致的结果。现在让我们看看为什么伪随机生成的值不同。简单的方法是运行for循环来看看会发生什么：

sapply(1:3,function(x){set.seed(1);rnorm(x,x,x)})
[[1]]
[1] 0.3735462 #One number produced from mu=1 sd=1    
[[2]]
[1] 0.7470924 2.3672866 # Two numbers produced from mu=2 sd=2    
[[3]]
[1] 1.1206386 3.5509300 0.4931142  # Three numbers produced from mu=3 sd=3

现在，如果您查看此列表，您会注意到for循环只是取第一个数字，而第二个方法只取最后生成的数字。这就是为什么数字不同但最后，结果是一致的，因为你可以看到，这两个数字都是由相同的均值和sd产生的

因此

 set.seed(1)
 rnorm(3,1:3,1:3)

is equivalent to

l <- {}
for(i in 1:3){
  set.seed(1)
  l[i] <- rnorm(n = i, i, i)[i]  
}
l
[1] 0.3735462 2.3672866 0.4931142
rnorm(3,1:3,1:3)
[1] 0.3735462 2.3672866 0.4931142

R

2 个答案: