在for循环内增加？ 在r

Question

我正在尝试进行1000次仿真，以查看有多少我的f值位于1.48以上和.67以下的拒绝区域中。

我有这个，但变量没有增加，因为它们应该：

for (k in 1:1000){
   Adata = rnorm(100, mean = 30, sd = 10)
   Bdata = rnorm(100, mean = 45, sd = 10)
   f = (sd(Bdata)^2)/(sd(Adata)^2)
   if (f > 1.48){
     a = 0
     a <- a + 1}
   if (f < .67){
     b = 0
     b <- b + 1}
} 

 a
 [1] 1
 b
 [1] 1

最终目标是找到a和b之和

我也尝试过：

 for (k in 1000){
   Adata = rnorm(100, mean = 30, sd = 10)
   Bdata = rnorm(100, mean = 45, sd = 10)
   f = (sd(Bdata)^2)/(sd(Adata)^2)
   a = f > 1.48
   b = f < .67
   }
 y = sum(a)+sum(b)
 y
 [1] 0

我还可以通过其他什么方式递增来获得拒绝区域中f的总数？

Answer 1

在第一个示例中，每次if语句为true时，都将a和b重置为零。 因此，最大值将始终为1 。

要修复，请重新排列这些行：

a = 0 #initialize outside of the loop
b = 0 #initialize outside of the loop
set.seed(1) # added for SO as you are using rnorm, remove this when you run your simulations
for (k in 1:1000){
   Adata = rnorm(100, mean = 30, sd = 10)
   Bdata = rnorm(100, mean = 45, sd = 10)
   f = (sd(Bdata)^2)/(sd(Adata)^2)
   if (f > 1.48){
     a <- a + 1}
   if (f < .67){
     b <- b + 1}
}

我现在得到a = 13和b = 29

也就是说， 不要在R中像这样增加变量 。 您可以利用矩阵和向量化运算。

首先创建模拟矩阵

set.seed(1)
Adata = matrix(data = rnorm(100*1000, mean = 30, sd = 10), nrow = 1000, ncol = 100) 
Bdata = matrix(data = rnorm(100*1000, mean = 30, sd = 10), nrow = 1000, ncol = 100)

然后计算每行的f分数：

f <- apply(Bdata,1,function(x){sd(x)^2})/apply(Adata,1,function(x){sd(x)^2})

现在您可以简单地使用：

sum(f > 1.48)
[1] 15

和：

sum(f < .67)
[1] 25

Answer 2

在代码的第一个块中，您将每次迭代将a和b重置为0，然后可能加1（所以它们将最大为1，因为下一次迭代会将它们再次设置为0）。

在第二个块中，将a和b设置为TRUE或FALSE，但是您覆盖了该值，因此您只能看到最终迭代中的值（实际上，该循环仅在k等于1000的情况下运行一次，但是如果1：1000，那么您只会看到最后一次迭代）。

一种简单的解决方案是将a=0和b=0 （或者更好的a <- 0和b <- 0 ）移到循环之外。

更好的方法是在apply函数族中使用某些东西。

我建议类似的东西：

out <- replicate(1000, {
   Adata = rnorm(100, mean = 30, sd = 10)
   Bdata = rnorm(100, mean = 45, sd = 10)
   (sd(Bdata)^2)/(sd(Adata)^2)
  })

sum( out > 1.48 )
sum( out < 0.67 )

sum( out > 1.48 | out < 0.67 )