Question

我正在使用常量和向量（近似长度= 100）执行计算，为此我需要模拟正态分布N（使用rmrm）。对于常数（K，标准差= KU），我以标准方式使用rnorm（）：

    K  <- 2
    KU <- 0.2
    set.seed(123)
    KN <- rnorm(n = 3, mean = K, sd = KU)

提供长度为3（KN）的向量的

    [1] 1.887905 1.953965 2.311742

现在，我需要对向量（V，标准偏差VU）执行相同的操作。我的第一个猜测是使用：

    V  <- c(1, 2, 3)
    VU <- 0.1 * V
    set.seed(123)
    VN <- rnorm(3, V, VU)

但只生成一个包含3个元素的向量，每个向量元素一个：

    [1] 0.9439524 1.9539645 3.4676125

这实际上是向量的第一个模拟，但是我需要这个向量的3倍。一种解决方案是创建9个数字，但VN是9个元素的向量：

    [1] 0.9439524 1.9539645 3.4676125 1.0070508 2.0258575 3.5145195 1.0460916 1.7469878 2.7939441

不是3个元素的3个向量。我想要的是VN =

    [1] 0.9439524 1.0070508 1.0460916
    [2] 1.9539645 2.0258575 1.7469878
    [3] 3.4676125 3.5145195 2.7939441

因此，VN是3个向量，我可以随后将其用于其他计算中，例如KN * VN。我找到的解决方案是：

    set.seed(123)
    VN <- as.data.frame(t(matrix(rnorm(3 * length(V), V, VU), nrow = length(V))))

但是我认为这是一个相当麻烦的表达（我需要在不同的地方用相当长的变量名重复几次）。在基数R中是否有更简单的方法来产生随机向量？我想看到类似的东西：

    VN <- rnorm.vector(3, V, VU)

Answer 1

除了@akrun的出色选择之外，您还可以使用比您的方法更简单的方法：

matrix(rnorm(n * length(V), V, VU), nrow = n, byrow = TRUE)
#           [,1]     [,2]     [,3]
# [1,] 0.9439524 1.953965 3.467612
# [2,] 1.0070508 2.025858 3.514519
# [3,] 1.0460916 1.746988 2.793944

或带有MASS的{{1}}软件包，允许从多元正态分布中进行采样：

mvrnorm

其中

library(MASS)
mvrnorm(n, VU, diag(VU))
#            [,1]        [,2]       [,3]
# [1,]  0.6650715  0.37923044 0.05590089
# [2,]  0.2574341  0.24949882 0.97045721
# [3,] -0.5218990 -0.04857971 0.49707815

如果您希望方差-协方差矩阵不对角线，则采用后一种方法。

Answer 2

我们可以使用diag(VU) # [,1] [,2] [,3] # [1,] 0.1 0.0 0.0 # [2,] 0.0 0.2 0.0 # [3,] 0.0 0.0 0.3

replicate

或者可能是

set.seed(123)
replicate(3, rnorm(3, V, VU))
#          [,1]     [,2]     [,3]
#[1,] 0.9439524 1.007051 1.046092
#[2,] 1.9539645 2.025858 1.746988
#[3,] 3.4676125 3.514519 2.793944

如何创建另一个向量的随机向量？

2 个答案: