R 如何确定点是否位于椭圆中

早些时候，我发布了一个类似的问题。我试图确定一个点是否位于椭圆内。基本上，我生成一些二元正态数据并创建一个椭圆。 这是我使用的代码

 library(MASS)
 set.seed(1234)
 x1<-NULL
 x2<-NULL
 k<-1
 Sigma2 <- matrix(c(.72,.57,.57,.46),2,2)
 Sigma2
 rho <- Sigma2[1,2]/sqrt(Sigma2[1,1]*Sigma2[2,2])

 eta<-replicate(300,mvrnorm(k, mu=c(-2.503,-1.632), Sigma2)) 

 p1<-exp(eta)/(1+exp(eta))
 n<-60
 x1<-replicate(300,rbinom(k,n,p1[,1]))
 x2<-replicate(300,rbinom(k,n,p1[,2]))

 rate1<-x1/60
 rate2<-x2/60

 library(car)
 dataEllipse(rate1,rate2,levels=c(0.05, 0.95)) 

库（MASS）
种子集（1234）
x1
dataEllipse
将椭圆返回为多边形，因此您可以使用
sp
库中的
point.in.polygon
函数检查这些点是否在椭圆内：

ell = dataEllipse(rate1, rate2, levels=c(0.05, 0.95)) 
point.in.polygon(rate1, rate2, ell$`0.95`[,1], ell$`0.95`[,2])


当我运行以下代码时

library(MASS)
set.seed(1234)
x1<-NULL
x2<-NULL
k<-1
Sigma2 <- matrix(c(.72,.57,.57,.46),2,2)
Sigma2
rho <- Sigma2[1,2]/sqrt(Sigma2[1,1]*Sigma2[2,2])
eta<-replicate(300,mvrnorm(k, mu=c(-2.503,-1.632), Sigma2))
p1<-exp(eta)/(1+exp(eta))
n<-60
x1<-replicate(300,rbinom(k,n,p1[,1]))
x2<-replicate(300,rbinom(k,n,p1[,2]))
rate1<-x1/60
rate2<-x2/60
library(car)
ell = dataEllipse(rate1, rate2, levels=c(0.05, 0.95))
library(sp)
point.in.polygon(rate1, rate2, ell$`0.95`[,1], ell$`0.95`[,2])

只要找到C并减去半径


如果您确定了焦距的位置，则焦距加上距焦距点的距离之和在椭圆上为常数的点可以用作测试。您拼凑的示例对于退化情况下的圆是正确的，其中的焦间距离为零。@DWin lmfao您得到的是+1sir@DWin也不仅仅是为了圆。考虑一个变量的半径，当我运行你的代码时，我得到所有的零点。我不确定我是否理解它。我想看看这对（p1[，1]，p1[，2]）是否位于椭圆中。换句话说，估计的椭圆覆盖了真实的p>library（car）>library（sp）>ell点的多少次多边形（rate1，rate2，ell$
0.95
[，1]，ell$
0.95
[，2]）[1]0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 s用于您的响应。我想知道在300次模拟中，这对（p1[，1]，p1[，2]）落在（速率1，速率2）椭圆内的次数。@user156025：您可以使用
计数（point in.polygon…）获得落在椭圆内的点数
（我一次运行得到
289
），您可以使用
平均值（多边形点（…）
（在本例中为
0.9633
）得到概率。但是对于代码的最后一行，而不是多边形点（比率1，比率2，ell$
0.95
[，1]，ell$
0.95
[，2]）要确定估计的椭圆中是否包含真正的p，我应该做点in.多边形（p1[1，]，p1[2，]，ell$
0.95
[，1]，ell$
0.95
[，2]）我希望能在这方面得到一些帮助。当我运行Jake发布的上述代码时，我得到了所有的零。但是他的输出显示了一些1。我只是将代码复制粘贴到R。有什么想法吗？
  [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 [56] 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
[111] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
[166] 1 1 1 1 1 1 1 0 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1
[221] 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
[276] 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1