怎么把一段R程序运行多次，输出x的100个数值呢

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

   在论坛查到2014年也有人问过这个问题，我照着上面的方法却怎么也弄不对。希望能有好心人解惑

1. c<-0.1
   
2. r<-0.6
   
3. u<-round(rnorm(100,0,1),3)
   
4. y<-0.6
   
5. for(t in 2:100){
   
6. y[t]=c+r*y[t-1]+u[t]
   
7. 
   
8. f1<-mean(y[-100])
   
9. f2<-mean(y)
   
10. f3<-sum((y[-100]-f1)*(y[-1]-f2))
    
11. f4<-sum((y[-100]-f1)^2)
    
12. 
    
13. r1<-f3/f4
    
14. }
    
15. r1

复制代码

要把这个运行100次，生成100个r1,这样才能统计r1的分布情况。多谢解答
我用了
for(k in 1:10){
x[k,1]<-source("test2.r")$r1}
x}
但是这x输出的值特别奇怪
$x
[1] 1.86 2.12 2.17 2.17 2.29 2.20 2.40 2.58 2.80 2.86 2.71 2.51 2.47 2.51
[15] 2.65 2.79 2.90 3.11 3.23 3.21 3.22 3.28 3.33 3.31 3.33
工作空间我是设好了的，文件就在工作空间里。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏3 回帖

关键词：R程序 好心人 程序 好心人

用replicate()

1.先建立一个函数

1. rp100 <- function(){
   
2. c<-0.1
   
3. r<-0.6
   
4. u<-round(rnorm(100,0,1),3)
   
5. y<-0.6
   
6. for(t in 2:100){
   
7. y[t]=c+r*y[t-1]+u[t]}
   
8. 
   
9. f1<-mean(y[-100])
   
10. f2<-mean(y)
    
11. f3<-sum((y[-100]-f1)*(y[-1]-f2))
    
12. f4<-sum((y[-100]-f1)^2)
    
13. 
    
14. r1<-f3/f4
    
15. return(r1)
    
16. }
    
17. # 设置一个新的变量
    
18. x <- vector()
    
19. # 重复100次运行，最后的x就是你需要的结果
    
20. for(i in 1:100)
    
21. x[i] <-rp100()

复制代码

jiangbeilu 发表于 2015-12-18 22:34
1.先建立一个函数

你好，谢谢你的回答。这里的x <- vector(),括号里是填r1吗？x <-rep(rp100（）)是这样吗？学编程不久，求仔细解答。我刚刚运行了发觉不可以诶。。。能不能给出完整的代码，表示完全不熟悉啊

suimong 发表于 2015-12-18 17:19
用replicate()

怎么把这个整个代码一下子都弄进去呢，能不能具体给出代码呢，我才学R，不熟悉

舟~翁 发表于 2015-12-18 23:35
你好，谢谢你的回答。这里的x

括号里什么都不用填写，这是指命名一个空向量；
给你的就是完整的代码
是rp100（），我昨天写错了

舟~翁 发表于 2015-12-18 23:36
怎么把这个整个代码一下子都弄进去呢，能不能具体给出代码呢，我才学R，不熟悉

x<-replicate(100, {
  把你的代码复制到这里
})

经过以上各位同学的献计献策，楼主的问题应该已经得到完满的解答了。以下是我自己“没事找事”，希望向各位高手多学习，莫怪，莫怪！

看了楼主的代码，确信楼主是一个刚学R语言的同学，代码中的问题不少，至少我看出来有以下几方面：
1、在t的2:100的循环中，f1、f2、f3、f4、r1被重复计算，耗费很多无谓的时间（可能是笔误）；
2、向量y没有一开始指定长度，而是每循环一次增加一次长度，带来额外的寻址时间；
3、正态分布的随机数只需要99个，浪费一个；
4、同样重复模拟事件，与其简单地重复，不如在原有的向量或矩阵增加一个“维度”来解决，这样，比较容易做到向量化；

楼主应该是想模拟“高斯新息AR一阶时间序列”的运行，类似重复问题还可以通过并行计算来增加效率，综合以上，我设计这么一个函数：

1. tsmont <- function(rep = 100, t = 100, c = 0.1, r = 0.6, cl = NULL, cores = 1) {
   
2. # rep是模拟次数，t为时间序列的长度，c、r等是时间序列中的参数，cl是并行计算的参数，cores是CPU内核数目
   
3.   if(is.null(cl)) {
   
4.     u <- matrix(round(rnorm(rep*(t-1), 0, 1), 3), ncol = rep)  # 一次过产生所需的所有高斯随机数
   
5.     y <- matrix(NA, nrow = t, ncol=rep)  # 实现指定y的长度，避免重新分配地址
   
6.     y[1,] <- r
   
7.     for (i in 2:t) {   # 目前这个循环如何优化我还没有眉目，请大神指导
   
8.       y[i,] <- c + r * y[i-1,] + u[i-1,]
   
9.     }
   
10.    
    
11.     y1 <- y[-t,]     # 一次性分配地址，便于后面的计算调用。通过耗费更多内存来增加效率
    
12.     y2 <- y[-1,]     # 同上
    
13.    
    
14.     f1 <- colMeans(y1)
    
15.     f2 <- colMeans(y)
    
16.     f1 <- matrix(f1, ncol = rep, nrow = t-1, byrow = T)
    
17.     f2 <- matrix(f2, ncol = rep, nrow = t-1, byrow=T)
    
18.     f3 <- colSums((y1-f1) * (y2 - f2))
    
19.     f4 <- colSums((y1-f1)^2)
    
20.    
    
21.     return(f3/f4)
    
22.   }
    
23.   else {  #  用递归来做并行计算，需要R自带的parallel包
    
24.     results <- clusterCall(cl, tsmont, rep/cores, t, c, r)
    
25.     return(unlist(results))
    
26.   }
    
27. }

复制代码

让我们来看看实际效果：



为使差别显著，统一用重复模拟100000次。最上面是用的简单重复（f1-f4的计算不在循环内），中间的是用非并行向量化重复模拟，下面的是用并行计算来模拟，时间节约的效果还是很明显的。

最后再次申明，我也是刚学R语言不久（不到一年），很多地方还不成熟，不完善。希望借此机会向高手学习R程序优化的方法，如果有编得不对、无效率的地方，请大神指正。

jiangbeilu 发表于 2015-12-19 10:47
括号里什么都不用填写，这是指命名一个空向量；
给你的就是完整的代码
是rp100（），我昨天写错了

非常感谢你的帮助，谢谢！

cheetahfly 发表于 2015-12-21 14:51
经过以上各位同学的献计献策，楼主的问题应该已经得到完满的解答了。以下是我自己“没事找事”，希望向各位 ...

谢谢，我才开始学不到2个月，断断续续的基本上属于不懂，向你学习，有没有什么经验可以介绍的呢