如何为R语言rpois泊松分布随机数生成函数设置取值上下限？

原生R的rpois()函数没有提供内置的最大、最小取值限制参数，要实现截断效果，有两种常用方案：

方案1：截断重抽法（最易用，统计逻辑符合截断泊松分布要求） #

对生成的随机数做范围校验，不符合要求的就重新生成，直到所有值都落在目标区间内。可以封装为自定义函数直接调用：

# 自定义截断泊松随机数生成函数
# 参数说明：n=生成个数，lambda=泊松分布参数，min_val=最小值，max_val=最大值
rpois_trunc <- function(n, lambda, min_val = 0, max_val = Inf) {
  res <- c()
  while(length(res) < n) {
    x <- rpois(n - length(res), lambda)
    res <- c(res, x[x >= min_val & x <= max_val])
  }
  return(res)
}

针对你的使用场景，要保证a - x >= 0，只需要将最大值设为a即可，修改后的测试代码如下：

a <- 1
repeat{
  if (a >= 1) {
    # 限制x最大为a，泊松分布默认输出>=0，无需额外设置下限
    x <- rpois_trunc(1, 1 * .15, max_val = a)
  } else {
    x <- 0
  }
  print(x)
  # 当前a-x永远>=0，原有break条件不会触发，可根据实际业务需求补充终止逻辑避免死循环
}

注意：如果设置的取值范围概率很低，重抽次数会变多，性能会下降，这种场景适合用第二种方案。

方案2：预计算截断概率后抽样（高性能适合窄范围场景） #

先计算目标范围内所有取值的概率，再用sample()直接生成，不需要循环重抽：

rpois_trunc_fast <- function(n, lambda, min_val = 0, max_val = Inf) {
  # 生成所有可能的取值
  vals <- min_val:max_val
  # 计算每个值的原始概率
  probs <- dpois(vals, lambda)
  # 归一化概率
  probs <- probs / sum(probs)
  # 抽样输出
  sample(vals, size = n, replace = TRUE, prob = probs)
}

该方案适合最大值不大的场景，比如你这里a取值较小的情况，性能比重抽法高很多。

内容的提问来源于stack exchange，提问作者SCDCE