如何為R中的蒙特卡羅創建更有效的模擬循環

Question

本練習的目的是創建營養攝入值的人口分布。 在早期的數據中有重復的措施，這些已被刪除，因此每一行都是數據框中的唯一人。

我有這個代碼，在使用少量數據幀行測試時效果很好。 對於所有7135行，它非常慢。 我試着給它計時，但是當我機器上的運行時間為15小時后，我把它撞壞了。 system.time結果是Timing stopped at: 55625.08 2985.39 58673.87 。

我很感激有關加速模擬的任何意見：

Male.MC <-c()
for (j in 1:100)            {
for (i in 1:nrow(Male.Distrib))  {
    u2        <- Male.Distrib$stddev_u2[i] * rnorm(1, mean = 0, sd = 1)
    mc_bca    <- Male.Distrib$FixedEff[i] + u2
    temp      <- Lambda.Value*mc_bca+1
    ginv_a    <- temp^(1/Lambda.Value)
    d2ginv_a  <- max(0,(1-Lambda.Value)*temp^(1/Lambda.Value-2))
    mc_amount <- ginv_a + d2ginv_a * Male.Resid.Var / 2
z <- data.frame(
     RespondentID = Male.Distrib$RespondentID[i], 
     Subgroup     = Male.Distrib$Subgroup[i], 
     mc_amount    = mc_amount,
     IndvWeight   = Male.Distrib$INDWTS[i]/100
     )

Male.MC <- as.data.frame(rbind(Male.MC,z))
    }
}

對於我的數據集中的7135個觀測值中的每一個，創建100個模擬營養物值，然后返回到原始測量水平（模擬使用來自BoxCox轉化營養物值的非線性混合效應模型的結果）。

我寧願不使用for循環，因為我讀到它們在R中效率不高但我對基於apply選項不夠了解，以便將它們用作替代方案。 R正在獨立計算機上運行，​​通常這將是運行Windows 7變體的標准Dell型桌面，如果這會影響有關如何更改代碼的建議。

更新：要重現此測試， Lambda.Value = 0.4和Male.Resid.Var = 12.1029420429778和Male.Distrib$stddev_u2是所有觀察值的常量值。

str(Male.Distrib)是

'data.frame':   7135 obs. of  14 variables:
 $ RndmEff     : num  1.34 -5.86 -3.65 2.7 3.53 ...
 $ RespondentID: num  9966 9967 9970 9972 9974 ...
 $ Subgroup    : Ord.factor w/ 6 levels "3"<"4"<"5"<"6"<..: 4 3 2 4 1 4 2 5 1 2 ...
 $ RespondentID: int  9966 9967 9970 9972 9974 9976 9978 9979 9982 9993 ...
 $ Replicates  : num  41067 2322 17434 21723 375 ...
 $ IntakeAmt   : num  33.45 2.53 9.58 43.34 55.66 ...
 $ RACE        : int  2 3 2 2 3 2 2 2 2 1 ...
 $ INDWTS      : num  41067 2322 17434 21723 375 ...
 $ TOTWTS      : num  1.21e+08 1.21e+08 1.21e+08 1.21e+08 1.21e+08 ...
 $ GRPWTS      : num  41657878 22715139 10520535 41657878 10791729 ...
 $ NUMSUBJECTS : int  1466 1100 1424 1466 1061 1466 1424 1252 1061 1424 ...
 $ TOTSUBJECTS : int  7135 7135 7135 7135 7135 7135 7135 7135 7135 7135 ...
 $ FixedEff    : num  6.09 6.76 7.08 6.09 6.18 ...
 $ stddev_u2   : num  2.65 2.65 2.65 2.65 2.65 ...

head(Male.Distrib)是

    RndmEff RespondentID Subgroup RespondentID Replicates IntakeAmt RACE INDWTS    TOTWTS   GRPWTS NUMSUBJECTS TOTSUBJECTS  FixedEff stddev_u2
1  1.343753         9966        6         9966      41067 33.449808    2  41067 120622201 41657878        1466        7135  6.089918  2.645938
2 -5.856516         9967        5         9967       2322  2.533528    3   2322 120622201 22715139        1100        7135  6.755664  2.645938
3 -3.648339         9970        4         9970      17434  9.575439    2  17434 120622201 10520535        1424        7135  7.079757  2.645938
4  2.697533         9972        6         9972      21723 43.340180    2  21723 120622201 41657878        1466        7135  6.089918  2.645938
5  3.531878         9974        3         9974        375 55.660607    3    375 120622201 10791729        1061        7135  6.176319  2.645938
6  6.627767         9976        6         9976      48889 91.480049    2  48889 120622201 41657878        1466        7135  6.089918  2.645938

更新2：導致NaN結果的函數行是

d2ginv_a  <- max(0,(1-Lambda.Value)*temp^(1/Lambda.Value-2))

感謝大家的幫助和評論，以及回復的速度。

更新：@Ben Bolker是正確的，它是導致NaN問題的負temp值。 我錯過了一些測試（在注釋掉函數之后，只返回temp值，並調用我的結果數據框Test ）。 此代碼重現NaN問題：

> min(Test)
[1] -2.103819
> min(Test)^(1/Lambda.Value)
[1] NaN

但是將值作為值放入然后運行相同的（？）計算會給我一個結果，所以在進行手動計算時我錯過了這個：

> -2.103819^(1/Lambda.Value) 
[1] -6.419792

我現在有工作代碼（我認為）使用矢量化，而且速度非常快。 萬一其他人有這個問題，我發布下面的工作代碼。 我必須添加一個最小值來防止計算的<0問題。 感謝所有幫助過的人和咖啡。 我確實嘗試將rnorm結果放到數據幀中，這確實減慢了速度，以這種方式創建它們然后使用cbind非常快。 Male.Distrib是我的7135觀測的完整數據框架，但是此代碼應該適用於我之前發布的縮減版本（未經測試）。

Min_bca <- ((.5*min(Male.AddSugar$IntakeAmt))^Lambda.Value-1)/Lambda.Value
Test <- Male.Distrib[rep(seq.int(1,nrow(Male.Distrib)), 100), 1:ncol(Male.Distrib)]
RnormOutput <- rnorm(nrow(Test),0,1)
Male.Final <- cbind(Test,RnormOutput)
Male.Final$mc_bca    <- Male.Final$FixedEff + (Male.Final$stddev_u2 *     Male.Final$RnormOutput)
Male.Final$temp      <- ifelse(Lambda.Value*Male.Final$mc_bca+1 > Lambda.Value*Min_bca+1,
                           Lambda.Value*Male.Final$mc_bca+1, Lambda.Value*Min_bca+1)
Male.Final$ginv_a    <- Male.Final$temp^(1/Lambda.Value)
Male.Final$d2ginv_a  <- ifelse(0 > (1-Lambda.Value)*Male.Final$temp^(1/Lambda.Value-2),
                           0, (1-Lambda.Value)*Male.Final$temp^(1/Lambda.Value-2))
Male.Final$mc_amount <- Male.Final$ginv_a + Male.Final$d2ginv_a * Male.Resid.Var / 2

當天的教訓：

• 如果您嘗試執行我之前嘗試的操作，則分布函數似乎不會在循環中重新采樣
• 你不能像我嘗試的那樣使用max() ，因為它從列中返回最大值，而我想從兩個值中獲得最大值。 ifelse語句是替代語句。

Answer 1

這是解決2個最大速度問題的方法：

1. 而不是循環觀察（ i ），我們一次計算它們。
2. 我們使用replicate ，而不是循環MC復制（ j ），這是一個簡化的apply ，用於此目的。

首先，我們加載數據集並為您正在做的事情定義一個函數。

Male.Distrib = read.table('MaleDistrib.txt', check.names=F)

getMC <- function(df, Lambda.Value=0.4, Male.Resid.Var=12.1029420429778) {
  u2        <- df$stddev_u2 * rnorm(nrow(df), mean = 0, sd = 1)
  mc_bca    <- df$FixedEff + u2
  temp      <- Lambda.Value*mc_bca+1
  ginv_a    <- temp^(1/Lambda.Value)
  d2ginv_a  <- max(0,(1-Lambda.Value)*temp^(1/Lambda.Value-2))
  mc_amount <- ginv_a + d2ginv_a * Male.Resid.Var / 2
  mc_amount
}

然后我們復制了很多次。

> replicate(10, getMC(Male.Distrib))
         [,1]      [,2]     [,3]     [,4]      [,5]     [,6]     [,7]     [,8]     [,9]    [,10]
[1,] 36.72374 44.491777 55.19637 23.53442 23.260609 49.56022 31.90657 25.26383 25.31197 20.58857
[2,] 29.56115 18.593496 57.84550 22.01581 22.906528 22.15470 29.38923 51.38825 13.45865 21.47531
[3,] 61.27075 10.140378 75.64172 28.10286  9.652907 49.25729 23.82104 31.77349 16.24840 78.02267
[4,] 49.42798 22.326136 33.87446 14.00084 25.107143 25.75241 30.20490 33.14770 62.86563 27.33652
[5,] 53.45546  9.673162 22.66676 38.76392 30.786100 23.42267 28.40211 35.95015 43.75506 58.83676
[6,] 34.72440 23.786004 63.57919  8.08238 12.636745 34.11844 14.88339 21.93766 44.53451 51.12331

然后你可以重新格式化，添加ID等，但這是主要計算部分的想法。 祝好運！