Matlab：将函数应用于向量

Question

我遇到了这个烦人的问题-

我想要做的是创建一个线向量，它将在不使用循环的情况下将函数内部函数的结果包含在每个元素中

而不是使用下面的代码

function [ vec_L ] = VecL( N )
%%this function receives an integer number N and returns a vector of N CalcL results  

vec_L = ones(1,N);
for i=1:N
vec_L(i) = CalcL( FairDice(5000) );
end

我需要一个矢量化版本来给出相同的结果 其中 CalcL( FairDice(5000) ) 是函数内部的函数，我需要每次将结果应用于 vec_L 的每个元素

谢谢！

Answer 1

从上面的 cmets 中，您试图找出两次投掷相同的骰子需要投掷多少次。

对于 FairDice 的单次运行，我们在每次投掷中发生第一次重复的机会是：

1. 0 [一次投掷不能重复]
2. 1/6 [第一轮和第二轮相同的概率为 1/6]
3. 5/18 [第一卷和第二卷不同的概率为 5/6，第三卷为其中之一的概率为 2/6]
4. 5/18 [4/6 * 5/6 几率前 3 次掷骰不同，3/6 几率第四次掷骰匹配]
5. 5/27 [3/6 * 4/6 * 5/6 几率前 4 次掷骰不同，4/6 几率匹配第五次掷骰]
6. 25/324 [2/6 * 3/6 * 4/6 * 5/6 几率前 5 次掷骰不同，5/6 几率匹配第六次掷骰] 25/324
7. 5/324 [1/6 * 2/6 * 3/6 * 4/6 * 5/6 几率前 6 次掷骰不同，1/1 几率第 7 次掷骰匹配]

所以，我们有一个概率矩阵：

probMat = [0 1/6 5/18 5/18 5/27 25/324 5/324];

因此，我们可以通过简单地根据概率总和测试随机数来进行与您所做的完全相同的模拟：

randMat = rand(N,1);
[junk, vec_L] = max((cumsumprobMat>randMat),[],2);

编辑：您可以使用加权概率的另一种方法是 randSample 函数：

vec_L = randSample(7, N, true, probMat);

Answer 2

您可以使用arrayfun 为每个输入调用函数但是这不是真正矢量化，它只是删除了for 循环。

vec_L = arrayfun(@()CalcL(FairDice(5000)), 1:N)

请记住，与 for 循环相比，没有预期的性能优势。

您应该尝试对 FairDice 本身进行矢量化，这样您就可以调用它一次并将其传递给一个数组，而不是调用 FairDice N 次。

根据您问题的上下文，所有这些似乎都可以替换为

vec_L = randi([1 6], 1, N)