定量风险评估模型

Question

N=1000
alpha=0.1 

zerosandones = rbinom(N, 1,alpha)

vector1=sample(c("raw","cooked"),1000,T,prob=c(0.12,.88))
vector1

densf=NULL
densft=NULL

for (i in (1:N))
{   
  if (zerosandones[i]==1 && vector1[i]=="raw") {densf[i] = 1} 
  else {if(zerosandones[i]==1 && vector1[i]=="cooked") {densft[i] <- rbinom(1, 1,alpha*0.2)}
  else {if (zerosandones[i]==0 && vector1[i]=="raw") {densf[i]=0} 
  else {if (zerosandones[i]==0 && vector1[i]=="cooked") {densft[i]=0}}}}}
densft
densf

大家好，

我是 R 新手，正在构建定量风险评估模型。简单地说，这里的想法是我们生成一个 1000 个 0 和 1 的样本，每个 0,1 都有一个生/熟相关联。所有 0 都被丢弃，我们进一步分析 1。因此，例如，如果有一个 1 并且它的 raw 那么新的 densf 应该等于 1 否则 0。类似地，如果有一个 1 并且它的熟的那么新的 densft 应该等于 1（基于二项式 rv 与在上述情况下 alpha 为 0.02，否则为 0。

也就是说，我需要一些帮助，因为“densf”和“densft”会产生一堆 NaN 值，将 0 和 1 放在错误的位置。请帮忙！

Answer 1

这是一个有效的矢量化解决方案：

N=1000
alpha=0.1 
zerosandones = rbinom(N, 1,alpha)
vector1=sample(c("raw","cooked"),1000,T,prob=c(0.12,.88))

# new code:
densf <- as.integer(zerosandones & vector1 == "raw")
densft <- (zerosandones & vector1 == "cooked") * rbinom(N, 1, alpha*0.2)

Answer 2

学习 R 编程时最重要的事情之一是考虑向量运算而不是循环。您在两个向量中得到NAs（与R 中的NaN 不同），因为您没有填充所有位置：您只是在densf 中填充有"raw" 的位置，和densft 中的位置，您拥有"cooked"。你想让 R 用什么来填充其余的空间？ NA 是默认值，但如果需要，您可以用其他内容（例如零）填充它们。这就是我在下面所做的。

# your code
N=1000
alpha=0.1 

zerosandones = rbinom(N, 1,alpha)

vector1=sample(c("raw","cooked"),1000,T,prob=c(0.12,.88))

# my code
densf <- ifelse(zerosandones == 1 & vector1 == "raw", 1, 0)
densft <- ifelse(zerosandones == 0 & vector1 == "raw", rbinom(N, 1,alpha*0.2), 0)

注意事项：

• ifelse 的使用，它是if 的矢量化形式。
• & 的使用，它是&& 的矢量化形式。
• 没有循环！ R中的循环很慢。考虑向量需要一些调整，但几乎总是更好。

当我运行这个时，我在densf 中得到了 12 个，在 densft 中得到了 3 个，这与我的预期差不多。如果这不是您所期望的，那么您需要更好地解释您在这里尝试做什么以及为什么您期望有所不同。