tl;dr 循环很好。我发现显着加快这一速度的唯一方法是编写一个定制版本,将stats:::t.test.default 剥离为仅计算 p 值所需的基本代码(跳过不同选项的测试、计算置信区间等)。这获得了大约 2 倍的加速;如果不使用 C++ 编码(例如使用 Rcpp 包),我没有看到一种简单的方法来进一步加快速度。
更多注释:
- 预分配
p_values 向量是我尝试的第一件事,但总体差别不大(t.test() 函数是瓶颈)
- 将
prop_table(...) 替换为mean(p_values<alpha) 也没什么不同
-
power.t.test() 解决了同样的问题(我认为:我不确定它是否假设方差相等)并且速度快得多(但这可能不是重点你的问题)
- 另一种加快速度的可能方法(尽管我怀疑它会做很多事情)是一次选择所有正常偏差并将它们粘贴到适当尺寸的矩阵中,然后索引矩阵(而不是每次都调用
rnorm() )。这看起来很烦人,我猜在这种情况下不会有太大的不同。
- 您实际上可以对整个计算进行矢量化 - 但如果您想做一些更专业/更复杂的事情,这可能行不通。我写了它:它没有给出与其他模拟人生完全相同的答案(0.3498 vs 0.0.35215 for nsim=1e5),但我认为呢?这是因为随机数的分配顺序略有不同。令我惊讶的是,它并没有比第二版快多少……
## rewrite sim1 function slightly: add convenient default values
sim1 <- function(N=1000,alpha=0.05,sigma=1,diff=0.1,mu1=1, nsim=1e4) {
p_values = c()
set.seed(12345)
for(i in seq(nsim)) {
group1 <- rnorm(n=N/2, mean = mu1, sd = sigma)
group2 <- rnorm(n=N/2, mean = mu1+diff, sd = sigma)
p_values[i] <- t.test(group1,group2)$p.value
}
prop.table(table(p_values<alpha))[["TRUE"]]
}
## stripped-down function to compute t-test p value, based on stats:::t.test.default
my_t <- function(x,y) {
vx <- var(x)
vy <- var(y)
nx <- length(x)
ny <- length(y)
stderrx <- sqrt(vx/nx)
stderry <- sqrt(vy/ny)
stderr <- sqrt(stderrx^2 + stderry^2)
df <- stderr^4/(stderrx^4/(nx - 1) + stderry^4/(ny - 1))
tstat <- (mean(x) - mean(y))/stderr
pval <- 2 * pt(-abs(tstat), df)
return(pval)
}
## faster sim function
sim2 <- function(N=1000,alpha=0.05,sigma=1,diff=0.1,mu1=1, nsim=1e4) {
p_values <- numeric(nsim) ## pre-allocate loop
set.seed(12345)
for(i in seq(nsim)) {
group1 <- rnorm(n=N/2, mean = mu1, sd = sigma)
group2 <- rnorm(n=N/2, mean = mu1+diff, sd = sigma)
p_values[i] <- my_t(group1, group2)
}
mean(p_values<alpha) ## replace prop.table with cheaper alternative
}
## vectorized sim function
sim3 <- function(N=1000,alpha=0.05,sigma=1,diff=0.1,mu1=1, nsim=1e4) {
set.seed(12345)
group1 <- matrix(rnorm(n=N/2*nsim, mean=mu1,sd=sigma),
nrow=nsim)
group2 <- matrix(rnorm(n=N/2*nsim, mean=mu1+diff,sd=sigma),
nrow=nsim)
vx <- apply(group1, 1, var)
vy <- apply(group2, 1, var)
nx <- ny <- N/2
stderrx <- sqrt(vx/nx)
stderry <- sqrt(vy/ny)
stderr <- sqrt(stderrx^2 + stderry^2)
df <- stderr^4/(stderrx^4/(nx - 1) + stderry^4/(ny - 1))
tstat <- (rowMeans(group1) - rowMeans(group2))/stderr
p_values <- 2 * pt(-abs(tstat), df)
mean(p_values<alpha) ## replace prop.table with cheaper alternative
}
identical(sim1(), sim2()) ## TRUE (value= 0.3553)
system.time(sim1(nsim=1e5)) ## 11.6 seconds
system.time(sim2(nsim=1e5)) ## 6 seconds
power.t.test(n=500,delta=0.1,sd=1) ## value=0.3518