这个R代码是什么意思？ f

您正在运行定义为

f

的函数10次，每次都用上次运行的结果更新插入其中的值

（x）

。函数第一次运行时，

x

的值为

0

，因此方程

0-（pnorm（0）-0.99）/dnorm（0）

计算为

1.228248

。然后将此结果附加到数值向量，

xj

。然后，函数

f

再次运行，第一个结果插入为

x

--

1.228248-（pnorm（1.228248）-0.99）/dnorm（1.228248）=1.759464

。然后将此结果附加到向量

xj

的末尾

循环结束时，这将持续10次迭代。最后，xj打印到控制台：

f <- function(x,q){ ## one step of the Newton iteration
  x-(pnorm(x)-q)/dnorm(x)
  }

x <- 0; #starting value
xj <- x # I don't know what is happening from this point onward! 
for (i in 1:10){
  x <- f(x,0.99);
  xj <- c(xj,x)
  }
print(xj)

---

如您所见，该算法在第7次迭代后收敛，因此增加循环运行次数将导致程序不断附加向量

xj

，并使用相同的最终值

2.326348

。如果您想单独观察每个迭代，只需从第六行中删除

for

语句及其周围的花括号，然后重复运行最后四行。

您正在运行定义为

f

的函数10次，每次更新插入其中的值

（x）

显示上次运行的结果。函数第一次运行时，

x

的值为

0

，因此方程

0-（pnorm（0）-0.99）/dnorm（0）

计算为

1.228248

。然后将此结果附加到数值向量，

xj

。然后，函数

f

再次运行，第一个结果插入为

x

--

1.228248-（pnorm（1.228248）-0.99）/dnorm（1.228248）=1.759464

。然后将此结果附加到向量

xj

的末尾

循环结束时，这将持续10次迭代。最后，xj打印到控制台：

f <- function(x,q){ ## one step of the Newton iteration
  x-(pnorm(x)-q)/dnorm(x)
  }

x <- 0; #starting value
xj <- x # I don't know what is happening from this point onward! 
for (i in 1:10){
  x <- f(x,0.99);
  xj <- c(xj,x)
  }
print(xj)

---

如您所见，该算法在第7次迭代后收敛，因此增加循环运行次数将导致程序不断附加向量

xj

，并使用相同的最终值

2.326348

。如果您想单独观察每个迭代，只需从第六行中删除

for

语句及其周围的花括号，然后重复运行最后四行。

这似乎是糟糕的编程。基本上，for循环的第一步将

f（x，0.99）

的结果与

x=0

一起存储为x的新值。然后，该新值存储为xj的新元素，第一个元素为0。当for循环经过迭代时，从

f（x，0.99）

计算出一个新的x，并存储为xj的新元素

---

我说这是一种糟糕的编程实践，因为当你做类似于

xj的事情时，这看起来就像是糟糕的编程。基本上，for循环的第一步将
f（x，0.99）
的结果与
x=0
一起存储为x的新值。然后，该新值存储为xj的新元素，第一个元素为0。当for循环经过迭代时，从
f（x，0.99）
计算出一个新的x，并存储为xj的新元素

我说这是一种糟糕的编程实践，因为当您执行类似于
xj的操作时，“for循环会在算法收敛后继续运行”。设置一些基本情况条件来确定牛顿方法是否收敛，可能会使算法更加健壮。好的一点是“在算法收敛后for循环继续运行”。设置一些基本情况条件来确定牛顿法是否收敛，可能会使算法更稳健。