R 基于指数分布生成故障

我需要根据其他3个参数（A、B和C）的行为生成故障数据。例如：如果A>10、B>10和C>10，则故障概率为0.99。否则，如果A<10，B>10，C>10，则概率为0.30。在知道这些故障遵循指数分布的情况下，如何生成这些故障

我想为100个周期生成数据，也就是说，对于每个周期，我想知道是否有故障

---

任何帮助都将不胜感激。

您需要指定在其他情况下会发生什么，但您希望使用

rexp（）

函数，然后编写一个函数或使用if-else语句：

if (A>10 & B>10 & C>10) {
  rexp(100, rate=0.99)
} else {
  rexp(100, rate=0.30)
}

更新： 听起来你想要这样的东西：

if (A>10 & B>10 & C>10) {
  p = rpois(100, rate=0.99)
} else {
  p = rpois(100, rate=0.30)
}
p[p>0]=1

---

if-else创建一个向量

p

，其中包含每个周期的估计故障数。然后，最后一行将所有出现故障的时段编码为

1

和

0

，否则。

函数rexp将生成连续值。但是，我需要指定时段中是否存在故障（1）或故障（0）。是否要知道每个时段的故障数，或者是否存在任何故障？对于前者，只需将上面的

rexp

替换为

rpoi

。否则，执行类似于

p=rpois（100，0.99）的操作；p[p>0]=1

仅当出现任何故障时。更新我的答案尝试逐个运行这些答案并查看每个答案后的输出：

p=RPOI（100，0.99）

将从泊松分布中提取100个随机变量，λ=0.99。这将创建一个向量

p

，其中包含100个条目，每个条目告诉您该时间段内的故障数。然后

p[p>0]=1

选择该向量中大于零的值，并将其赋值为1。假设在一个时间段内发生了两次故障，这将被编码为1。您的问题未定义各种状态，例如

a>10&B>10&C<10

？还有，指数分布从何而来@Jakob在其中引入了一个函数调用来引用指数分布，但这些函数调用只相当于使用具有给定成功概率的bernoulli试验（例如，

rexp（n，rate=0.99）

仅为~0.63的成功概率），因此可能会得到更好的解释和编码