Question

我正在从多元正态分布中生成大量数据用于仿真。我想知道是否有人知道哪个命令最有效。如果是mvrnorm（来自“ MASS”软件包）或rmvnorm（来自“ mvtnorm”软件包）。

Answer 1

通过选择不同的方法可以轻松回答这些问题。让

library(microbenchmark)
library(MASS)
library(mvtnorm)

n <- 10000
k <- 50
mu <- rep(0, k)
rho <- 0.2
Sigma <- diag(k) * (1 - rho) + rho

通过这种方式，我们有50个变量，其单位方差和相关性为0.2。产生10000个观测值

microbenchmark(mvrnorm(n, mu = mu, Sigma = Sigma),
               rmvnorm(n, mean = mu, sigma = Sigma, method = "eigen"),
               rmvnorm(n, mean = mu, sigma = Sigma, method = "svd"),
               rmvnorm(n, mean = mu, sigma = Sigma, method = "chol"),
               times = 100)
# Unit: milliseconds
#                                                    expr      min       lq     mean   median        uq      max neval cld
#                      mvrnorm(n, mu = mu, Sigma = Sigma) 65.04667 73.02912 85.30384 81.70611  92.69137 148.6959   100  a 
#  rmvnorm(n, mean = mu, sigma = Sigma, method = "eigen") 71.14170 81.08311 95.12891 88.84669 100.62174 237.0012   100   b
#    rmvnorm(n, mean = mu, sigma = Sigma, method = "svd") 71.32999 81.30640 93.40939 88.54804 104.00281 208.3690   100   b
#   rmvnorm(n, mean = mu, sigma = Sigma, method = "chol") 71.22712 78.59898 94.13958 89.04653 108.27363 158.7890   100   b

因此，mvrnorm的性能可能会稍好一些。考虑到特定的应用程序，应将n，k和Sigma设置为更适合此应用程序的值。

由于您似乎并不局限于这两种方法，因此可以考虑使用Rcpp替代方法；参见例如1，2，3。

mvrnorm（来自MASS）vs rmvnorm（来自mvtnorm）

1 个答案: