使用rnorm连续创建数据,直到R中出现异常值
很抱歉标题混淆,但我不确定如何命名我正在尝试做的事情。我的目标是创建一个1000个OB的数据集,每个OB都是运行的长度。我创建了一个phase1数据集,从中生成一组控制限制。我现在要做的是创建一个最有可能使用rnorm的phase2数据集。我试图做的是创建一个重复循环,该循环将在phase2数据集中连续创建值,直到其中一个值超出phase1数据集生成的控制限制。例如,如果我将3.0和-3.0作为控制限值,则phase2数据集将创建一组观测值,直到obs 398,此时此处的值恰好为3.45,从而停止创建数据。我的目标是记录数字398。此外,我尝试将代码循环回phase1数据集/控制限制部分,创建一组新的控制限制,然后运行另一个phase2,直到记录了1000个运行长度。我为phase1/控制限值编写的代码运行良好,如下所示:使用rnorm连续创建数据,直到R中出现异常值,r,while-loop,repeat,R,While Loop,Repeat,很抱歉标题混淆,但我不确定如何命名我正在尝试做的事情。我的目标是创建一个1000个OB的数据集,每个OB都是运行的长度。我创建了一个phase1数据集,从中生成一组控制限制。我现在要做的是创建一个最有可能使用rnorm的phase2数据集。我试图做的是创建一个重复循环,该循环将在phase2数据集中连续创建值,直到其中一个值超出phase1数据集生成的控制限制。例如,如果我将3.0和-3.0作为控制限值,则phase2数据集将创建一组观测值,直到obs 398,此时此处的值恰好为3.45,从而停
nphase1=50
nphase2=1000
varcount=1
meanshift= 0
sigmashift= 1
##### phase1 dataset/ control limits #####
phase1 <- matrix(rnorm(nphase1*varcount, 0, 1), nrow = nphase1, ncol=varcount)
mean_var <- apply(phase1, 2, mean)
std_var <- apply(phase1, 2, sd)
df_var <- data.frame(mean_var, std_var)
Upper_SPC_Limit_Method1 <- with(df_var, mean_var + 3 * std_var)
Lower_SPC_Limit_Method1 <- with(df_var, mean_var - 3 * std_var)
df_control_limits<- data.frame(Upper_SPC_Limit_Method1, Lower_SPC_Limit_Method1)
nphase1=50
nphase2=1000
varcount=1
meanshift=0
sigmashift=1
#####第1阶段数据集/控制限值#####
第1阶段使用while循环似乎确实是一条可行之路。以下是我认为您正在寻找的:
set.seed(10) #Making results reproducible
replicate(100, { #100 is easier to display here
phase1 <- matrix(rnorm(nphase1*varcount, 0, 1), nrow = nphase1, ncol=varcount)
mean_var <- colMeans(phase1) #Slightly better than apply
std_var <- apply(phase1, 2, sd)
df_var <- data.frame(mean_var, std_var)
Upper_SPC_Limit_Method1 <- with(df_var, mean_var + 3 * std_var)
Lower_SPC_Limit_Method1 <- with(df_var, mean_var - 3 * std_var)
df_control_limits<- data.frame(Upper_SPC_Limit_Method1, Lower_SPC_Limit_Method1)
#Phase 2
x <- 0
count <- 0
while(x > Lower_SPC_Limit_Method1 && x < Upper_SPC_Limit_Method1) {
x <- rnorm(1)
count <- count + 1
}
count
})
如果性能出现问题,探索一些改进可能会很有趣,比如一次使用rnorm()
创建更多的数字,然后计算需要多少数字才能超过限制,并在必要时重复。这就是我一直在尝试做的,谢谢。快速跟进,为了保存这些结果的数据帧,我可以添加类似DF_ARLYes的内容,尽管我不明白为什么您会将其保存为一列data.frame。当然,如果您还有其他列要添加,您可以在之后从它创建一个数据帧。我可能不完全理解,但是while
循环似乎效率非常低。可能需要数千次抽签才能找到超出限制的东西。相反,你应该在[0,F^-1(下限)]U[F^-1(上限),1]
上画一个变量统一,其中F
是标准的正常CDF(例如,将一个U(0,1)图乘以F^-1(下限)+1-F^-1(上限)
。@MichaelChirico我同意,但可能效率很低,特别是如果限值更改为更大的范围(尽管在某些情况下,如果不调整rnorm
的平均值和sd,则不可能)。也许你可以发布你的解决方案?我很想看到聪明的数学方法来做这件事。@MichaelChirico你真的不应该在别人的答案中编辑代码。如果您觉得需要解决某些问题,您可以在评论中这样做,但您的编辑不应获得批准。
set.seed(10) #Making results reproducible
replicate(100, { #100 is easier to display here
phase1 <- matrix(rnorm(nphase1*varcount, 0, 1), nrow = nphase1, ncol=varcount)
mean_var <- colMeans(phase1) #Slightly better than apply
std_var <- apply(phase1, 2, sd)
df_var <- data.frame(mean_var, std_var)
Upper_SPC_Limit_Method1 <- with(df_var, mean_var + 3 * std_var)
Lower_SPC_Limit_Method1 <- with(df_var, mean_var - 3 * std_var)
df_control_limits<- data.frame(Upper_SPC_Limit_Method1, Lower_SPC_Limit_Method1)
#Phase 2
x <- 0
count <- 0
while(x > Lower_SPC_Limit_Method1 && x < Upper_SPC_Limit_Method1) {
x <- rnorm(1)
count <- count + 1
}
count
})
[1] 225 91 97 118 304 275 550 58 115 6 218 63 176 100 308 844 90 2758
[19] 161 311 1462 717 2446 74 175 91 331 210 118 1517 420 32 39 201 350 89
[37] 64 385 212 4 72 730 151 7 1159 65 36 333 97 306 531 1502 26 18
[55] 67 329 75 532 64 427 39 352 283 483 19 9 2 1018 137 160 223 98
[73] 15 182 98 41 25 1136 405 474 1025 1331 159 70 84 129 233 2 41 66
[91] 1 23 8 325 10 455 363 351 108 3