R 如何基于函数返回可能的变量对？
我有一对变量（x，y），每个变量都有一个可能的值范围（xmin，xmax和ymin，ymax）。我正在寻找这样的配对，基于一个函数将产生相同的概率 这是我返回概率的函数R 如何基于函数返回可能的变量对？,r,R,我有一对变量（x，y），每个变量都有一个可能的值范围（xmin，xmax和ymin，ymax）。我正在寻找这样的配对，基于一个函数将产生相同的概率 这是我返回概率的函数 f <- function(x, y) 1-exp(-(x^(1/0.9)+y^(1/0.9))^0.9) f我们可以计算所有可能组合的概率，并创建一个数据帧，该数据帧的组合满足我们的标准，具有一定的容差（用于浮点比较） tol我们可以计算所有可能组合的概率，并创建一个数据帧，该数据帧的组合满足我们的标准，具有一定的容
f <- function(x, y) 1-exp(-(x^(1/0.9)+y^(1/0.9))^0.9)
f我们可以计算所有可能组合的概率，并创建一个数据帧，该数据帧的组合满足我们的标准，具有一定的容差（用于浮点比较）
tol我们可以计算所有可能组合的概率，并创建一个数据帧，该数据帧的组合满足我们的标准，具有一定的容差（用于浮点比较）
tol通过做一些数学运算（抱歉，So中不支持latex格式）：
p=1-exp（-x^（1/0.9）+y^（1/0.9））^0.9）
ln（1-p）=-（x^（1/0.9）+y^（1/0.9））^0.9）
（-ln（1-p））^（1/0.9）-y^（1/0.9）=x^（1/0.9）
（-ln（1-p））^（1/0.9）-y^（1/0.9））^0.9=x
现在，如果我们将其放入一些R代码中，并检查结果是否不存在：
get_x <- function(P,y)
{
x=((-log(1-P))^(1/0.9)-y^(1/0.9))^0.9
# Verification of the results
# If results no real (then x[i]=NaN) or if it does
# not match the given probability (should never happens)
# the results is set to NaN
# This verification is for debugging only, should be removed
for (i in c(1:length(y))){
if(is.na(x[i]) | abs(P-1+exp(-(x[i]^(1/0.9)+y[i]^(1/0.9))^0.9))>0.00001)
{
x[i]=NaN
print(paste0("Oops, something went wrong with y=",y[i]))
}
}
return(x)
}
y_values=seq(0.01,0.99,by=0.001)
get_x(0.09,y_values)
get_x 0.00001）
{
x[i]=NaN
打印（粘贴0（“哎呀，y=，y[i]）出了问题）
}
}
返回（x）
}
y_值=seq（0.01,0.99，by=0.001）
获取_x（0.09，y_值）
这非常快，现在只使用一个循环，而不是两个循环来填充矩阵，因此顺序是n而不是n^2（抱歉，so中不支持latex格式）：
p=1-exp（-x^（1/0.9）+y^（1/0.9））^0.9）
ln（1-p）=-（x^（1/0.9）+y^（1/0.9））^0.9）
（-ln（1-p））^（1/0.9）-y^（1/0.9）=x^（1/0.9）
（-ln（1-p））^（1/0.9）-y^（1/0.9））^0.9=x
现在，如果我们将其放入一些R代码中，并检查结果是否不存在：
get_x <- function(P,y)
{
x=((-log(1-P))^(1/0.9)-y^(1/0.9))^0.9
# Verification of the results
# If results no real (then x[i]=NaN) or if it does
# not match the given probability (should never happens)
# the results is set to NaN
# This verification is for debugging only, should be removed
for (i in c(1:length(y))){
if(is.na(x[i]) | abs(P-1+exp(-(x[i]^(1/0.9)+y[i]^(1/0.9))^0.9))>0.00001)
{
x[i]=NaN
print(paste0("Oops, something went wrong with y=",y[i]))
}
}
return(x)
}
y_values=seq(0.01,0.99,by=0.001)
get_x(0.09,y_values)
get_x 0.00001）
{
x[i]=NaN
打印（粘贴0（“哎呀，y=，y[i]）出了问题）
}
}
返回（x）
}
y_值=seq（0.01,0.99，by=0.001）
获取_x（0.09，y_值）
这非常快，现在只使用一个循环，而不是两个循环来填充矩阵，因此顺序n而不是n^2我认为您仍然需要计算所有概率，以找出哪个具有特定值（0.01）。如果matrix2
是具有所有概率组合的矩阵，你可以做mat我明白你的观点，这是一个好主意，我认为它会起作用，唯一的一点是，我的矩阵中的概率不是整数，所以R不会找到0.01。我想在那里指示一个范围，比如说0.01±0.0001。如何将其添加到第一个命令中？谢谢你的帮助！如果给定x（好的旧纸和铅笔），您可以解析地找到屈服于所需概率的y，然后通过小步循环最小值和最大值之间的x值，并找到相应的y。最后检查y是否在所需范围内，以了解您是否保留该对。这可能会更快，因为在计算矩阵时，你只在一维而不是二维中求解。我认为你仍然需要计算所有的概率，以找出哪个概率有一定的值（0.01）。如果matrix2
是具有所有概率组合的矩阵，你可以做mat我明白你的观点，这是一个好主意，我认为它会起作用，唯一的一点是，我的矩阵中的概率不是整数，所以R不会找到0.01。我想在那里指示一个范围，比如说0.01±0.0001。如何将其添加到第一个命令中？谢谢你的帮助！如果给定x（好的旧纸和铅笔），您可以解析地找到屈服于所需概率的y，然后通过小步循环最小值和最大值之间的x值，并找到相应的y。最后检查y是否在所需范围内，以了解您是否保留该对。这可能会更快，因为在计算矩阵时，你只在一维而不是二维中求解。非常感谢！这正是我需要的：）这是可行的，但如果你事先做一些数学运算，你可以用更少的时间得到更精确的解computations@Chelmy88所以，我也在努力按照你的建议去做。我这样做了，但由于某种原因它不起作用，你能帮我吗？感谢probab，另外一件事是如何在循环中（对于一系列probab值）实现这一点…@AttilaBorsos请看我的新答案，您的数学题中可能有很多错误！这正是我需要的：）这是可行的，但如果你事先做一些数学运算，你可以用更少的时间得到更精确的解computations@Chelmy88所以，我也在努力按照你的建议去做。我这样做了，但由于某种原因它不起作用，你能帮我吗？谢谢probab，另外一件事是如何在循环中（对于一系列probab值）实现这一点…@AttilaBorsos看到我的新答案，你的数学可能有问题，现在很清楚了。令人困惑的是，我一开始并没有像你那样重新安排公式。代码很清楚，我刚刚运行了它，它工作得很好！再次感谢！是的，现在清楚了。令人困惑的是，我一开始并没有像你那样重新安排公式。代码很清楚，我刚刚运行了它，它工作得很好！再次感谢！