[英]Exponential Distribution Simulation in R
我有以下图表:
我被告知以下信息:
(1)顶点A到顶点X由指数分布描述,λ= 4;
(2)顶点A到顶点Y由指数分布描述,λ= 2.5;
(3)顶点X到顶点Y与顶点Y相同,到顶点X,用λ= 10的指数分布描述;
(4)顶点X到顶点B用λ= 3的指数分布描述; 最后,
(5)顶点Y到顶点B由λ= 5的指数分布描述。
让我们假设我在每个模拟中采用顶点之间的最快路径。
我现在想知道从顶点A到顶点B的平均时间。
我的R代码如下:
# Generate/simulate 1000 random numbers for each of the internode paths.
AtoX <- rexp(1000, 4)
AtoY <- rexp(1000, 2.5)
XtoY <- rexp(1000, 10)
XtoB <- rexp(1000, 3)
YtoB <- rexp(1000, 5)
# Length of path from A to X to Y and A to Y to X.
AYX = AtoY + XtoY
AXY = AtoX + XtoY
# Total time of paths from A to B.
AXB = AtoX + XtoB
AYB = AtoY + YtoB
AXYB = AtoX + XtoY + YtoB
AYXB = AtoY + XtoY + XtoB
# Taking the fastest path of all paths.
minAXB = min(AXB)
minAYB = min(AYB)
minAXYB = min(AXYB)
minAYXB = min(AYXB)
# Taking an average of the fastest paths.
averageTravelTime =
mean(minAXB + minAYB + minAXYB + minAYXB)
这看起来是否正确? 如果人们可以请花时间审查我的代码来解决这个问题,我将不胜感激。
这取决于解释,但我要说你需要分别模拟从X到Y和从Y到X的时间,尽管速率相同。 如果火车双向行驶并且平均速度相同,则并不意味着从X和Y出发的两列火车将在同一时间到达另一点。
你没有使用
AYX <- AtoY + XtoY AXY <- AtoX + XtoY
所以他们是多余的。
编写minAXB <- min(AXB)
并没有多大意义。 您为每条边模拟1000次行程时间, AXB
是路径AXB
的1000倍向量,现在您选择的是最短的一次。
同样, averageTravelTime
没有意义,因为minAXB + minAYB + minAXYB + minAYXB
只是一个数字,而不是一个载体。
因此,我认为代码应该是
set.seed(1)
AtoX <- rexp(1000, 4)
AtoY <- rexp(1000, 2.5)
XtoY <- rexp(1000, 10)
YtoX <- rexp(1000, 10) # added
XtoB <- rexp(1000, 3)
YtoB <- rexp(1000, 5)
AXB <- AtoX + XtoB
AYB <- AtoY + YtoB
AXYB <- AtoX + XtoY + YtoB
AYXB <- AtoY + YtoX + XtoB # changed XtoY to YtoX
TravelTimes <- pmin(AXB, AYB, AXYB, AYXB)
averageTravelTime <- mean(TravelTimes)
见?pmin
。 每天它选择最快的旅行时间并返回长度为1000的向量。
作为奖励,以下显示哪条路线最快的次数
table(apply(cbind(AXB, AYB, AXYB, AYXB), 1, which.min))
# 1 2 3 4
# 317 370 240 73
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.