Question

我希望将自定义函数应用于矩阵的每个元素，同时还使用不同矩阵的元素作为函数的输入。

具体来说，我的函数从 von Mises 分布（圆形正态分布）生成随机样本，调用 Rfast 包的 rvonmises 函数。

我有一个矩阵（弧度），它记录了我希望用于随机生成集中趋势的角度（类似于平均值），另一个矩阵（kappa） strong>)，它记录了我希望使用的 von Mises 的浓度参数（类似于标准偏差）。

我希望在调用中使用（例如）弧度矩阵的元素 [1, 1] 和 kappa 矩阵的元素 [1, 1] von Mises 随机发生器。所以，我对一个元素的要求是：

rvonmises(n = 1, m = radians[1, 1], k = kappa[1, 1])

但当然我希望这适用于矩阵的所有元素。（rvonmises 函数不接受多个 m 或 k 值，因此例如我不能使用 rvonmises(4, m = c(1, 2, 3, 4), k = c(1, 1.2, 1.4, 1.6))。）

总结：我基本上追求一种更有原则（更快！）的方法：

for(i in 1:nrow(radians)){
  for(j in 1:ncol(radians)){
    result[i, j] <- Rfast::rvonmises(1, radians[i, j], kappa[i, j])
  }
}

我尝试了什么

基于this post，我尝试使用mapply：

library(Rfast)
set.seed(42)

# random radians to use as input
radians <- matrix(data = runif(12, 0, 2 * pi), 
                  ncol = 4)

# random concentration parameters of the von Mises distribution
kappa <- matrix(data = rgamma(12, 70, 30), 
                ncol = 4)

# function to generate random von mises sample with angle x and 
# concentration parameter k
my_function <- function(m, k){
  Rfast::rvonmises(1, m, k)
}

# my attempt
out <- matrix(mapply(my_function, m = as.data.frame(radians), k = kappa), 
              ncol = 4, byrow = TRUE)

但是，我认为这行不通。例如，如果我通过以下方式对其进行测试（其中 test_radians 的集中趋势稳步增加，并且我对 kappa 使用较大的值，这会导致精确的估计）：

test_radians <- matrix(data = seq(from = 1, to = 2 * pi, length.out = 12), 
                       ncol = 4)

test_kappa <- matrix(data = rep(20, times = 12), 
                     ncol = 4)

test <- matrix(mapply(my_function, m = as.data.frame(test_radians), 
                      k = test_kappa), 
               ncol = 4, byrow = TRUE)

test[1, 1] 应该更小（平均而言），而 test[3, 4] 应该最大。（我知道由于随机可变性，情况并非总是如此，但我已经尝试过多次重复。）

因此，矩阵之间的映射和匹配并没有像我预期的那样工作。

欢迎任何指导。

Answer 1

您无法通过简单地调用“平均值”来计算圆形观察的平均值。这是错误的。正确的方法是计算角度的余弦和正弦的平均值，然后使用反正切。请参阅 pcakcges 以获取定向或循环数据。

其次，您给了我们一个想法，即返回一个由 von Mises 生成的数据组成的矩阵。但是，既然 brms 为您完成这项工作，那么此刻我会去那里。

R：使用不同矩阵的元素作为函数输入对矩阵的每个元素应用函数

我尝试了什么

1 个答案: