Sampling från en blandning av fördelningar (II)
Den fullständiga algoritmen för sampling från en blandningsfördelning är:
- Välj en komponent.
- Generera ett normalfördelat slumptal med hjälp av medelvärdet och standardavvikelsen för den valda komponenten.
choose_component() från föregående övning finns tillgänglig. Här slutför du det andra steget och färdigställer definitionen av rmix().
Den här övningen är en del av kursen
Optimera R-kod med Rcpp
Övningsinstruktioner
- Kontrollera att antalet standardavvikelser är lika stort som antalet vikter. Det vill säga att storleken på
sdsär densamma somd. - Beräkna
total_weightsom summan av vikterna. - Välj en komponent genom att anropa
choose_component(). - Simulera från den valda komponenten genom att generera ett normalfördelat slumptal med det
j:te elementet imeansochsds.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
#include
using namespace Rcpp;
// From previous exercise; do not modify
// [[Rcpp::export]]
int choose_component(NumericVector weights, double total_weight) {
double x = R::runif(0, total_weight);
int j = 0;
while(x >= weights[j]) {
x -= weights[j];
j++;
}
return j;
}
// [[Rcpp::export]]
NumericVector rmix(int n, NumericVector weights, NumericVector means, NumericVector sds) {
// Check that weights and means have the same size
int d = weights.size();
if(means.size() != d) {
stop("means size != weights size");
}
// Do the same for the weights and std devs
if(___) {
stop("sds size != weights size");
}
// Calculate the total weight
double total_weight = ___;
// Create the output vector
NumericVector res(n);
// Fill the vector
for(int i = 0; i < n; i++) {
// Choose a component
int j = ___(___, ___);
// Simulate from the chosen component
res[i] = ___::___(___, ___);
}
return res;
}
/*** R
weights <- c(0.3, 0.7)
means <- c(2, 4)
sds <- c(2, 4)
rmix(10, weights, means, sds)
*/