R 用连续变量模拟物流配送

其目的是找出洗衣机故障（0,1）的因果关系。逻辑分布命令创建随机变量，因变量除外，均为1。来自其他逻辑分布的模拟创建了随机的0和1值

变量、Hrs2、WashCap和SpinSp创建为正态分布，n=3000。我改变了平均值和标准差，以便在直方图的x轴上拟合所需的间隔

# Hours2
set.seed(600)
Hrs2 <- rnorm(3000, mean=300, sd=100)

#WashCap
set.seed(5)
WashCap <- rnorm(3000, mean=2.5, sd=1)

#SpinSp
set.seed(1100)
SpinSp <- rnorm(3000, mean=550, sd=250)

#小时2
种子集（600）
Hrs2似乎当前选择的参数使得故障发生的可能性非常高，
y
显示的变化很小；考虑例如转换<代码> z < /C>参数来修改模拟的故障率（例如，使用<代码> z的大约50%的情况。请将这个问题和您在STACKExchange中接收到的几个答案交叉链接。@ TXB用Z表（Y）模拟故障率为50%。y 0 1 14971503@user28272：那么这是你想要的，还是我误解了你的问题？@texb是的，现在模拟工作如预期。谢谢你的帮助。
z=1 + 2*Hrs2 + 3*WashCap + 4*SpinSp

pr = 1/(1+exp(-z))

y <- rbinom(3000,1,pr)

WashMa = data.frame(y=y, Hrs2=Hrs2, WashCap=WashCap, SpinSp=SpinSp)

glm( y~Hrs2+WashCap+SpinSp,data=WashMa, family=binomial)