如何使用Bernoulli试验/ R成功概率来模拟收入？

Question

我想根据以下df对price和est_p（估算概率）进行模拟：

df <- data.frame(price        = c(200, 100, 600, 20, 100),
                 est_p        = c(0.9, 0.2, 0.8, 0.5, 0.6),
                 actual_sale  = c(FALSE, TRUE, TRUE, TRUE, TRUE))

收入是-price的总和，其中actual_sale是TRUE：

print(actual1 <- sum(df$price[df$actual_sale])) # Actual Revenue

[1] 820

我创建了一个函数，用于根据est_p和price值模拟伯努利试验：

bernoulli <- function(df) {
        sapply(seq(nrow(df)), function(x) {
                prc <- df$price[x]
                p   <- df$est_p[x]
                sample(c(prc, 0), size = 1000, replace = T, prob = c(p, 1 - p))
                })
}

并将其应用于示例df：

set.seed(100)
distr1 <- rowSums(bernoulli(df))
quantile(distr1)

  0%  25%  50%  75% 100% 
   0  700  820  920 1020 

看起来不错，实际值=中位数！但是，当我将相同的函数应用于增加的样本量（重复x 1000次）df1000时，实际收入超出了模拟值的范围：

df1000 <- do.call("rbind", replicate(1000, df, simplify = FALSE))

print(actual2 <- sum(df1000$price[df1000$actual_sale])) 

[1] 820000

distr2 <- rowSums(bernoulli(df1000))
quantile(distr2)

    0%    25%    50%    75%   100% 
726780 744300 750050 754920 775800

为什么实际收入超出了模拟值范围？我在哪里犯了错误，正确的解决方案是什么？

Answer 1

我需要一个空格来澄清我的评论，说您的rbind中的cbind更改为do.call。这就是为什么我这么说。

set.seed(100)
df <- data.frame(price        = c(200, 100, 600, 20, 100),
                 est_p        = c(0.9, 0.2, 0.8, 0.5, 0.6),
                 actual_sale  = c(FALSE, TRUE, TRUE, TRUE, TRUE))

print(actual1 <- sum(df$price[df$actual_sale])) # Actual Revenue

[1] 820

# here is where you need to change the rbind to cbind to stay within the range 
# otherwise you're essentially changing the distribution of the data and you 
# can't compare the results 
df1000 <- do.call("cbind", replicate(1000, df, simplify = FALSE))
print(actual2 <- sum(df1000$price[df1000$actual_sale])) 
[1] 820

这里是simulated发行版，rbind发行版和cbind发行版，您可以看到它们。如您所见，simulated和cbind是相同的。 rbind产生了不同的分布。 quantile()或fivenum()从分布中得出。这就是为什么您得到一个不同的数字。

希望这有助于找出quantile()或从中获取数字的原因。