R语言泊松模拟:n次试验t时刻前到达计数函数编写及旧函数改造咨询
基于旧函数的改造方案
核心复用逻辑
完全保留原有逐次累加判断超时点就停止计数的核心逻辑,仅做三处适配修改:
- 移除原函数中手动读取输入向量的交互代码,把原函数内嵌的计数判断逻辑抽成独立的可复用内核
- 按泊松过程的事件生成规则,自动生成符合速率lambda的指数分布事件间隔序列,替代原来手动输入的间隔值
- 修正原函数的边界bug:原函数把t值和间隔时间存在同一个向量里,循环时会把t本身误当作间隔时间参与遍历,拆分传参后可彻底避免这类逻辑偏差
完整实现代码
# 复用原计数逻辑的内核函数,修正边界问题 count_event_before_t <- function(interval_vec, t_target) { event_count <- NA # 仅遍历事件间隔序列,不混入t值 for (i in seq_along(interval_vec)) { cum_time <- sum(interval_vec[1:i]) # 累计时间超过目标t时停止,返回此前的事件数 if (cum_time > t_target) { event_count <- i - 1 break } } # 兜底:如果所有间隔累加都没超过t,直接返回全序列的事件数 if (is.na(event_count)) event_count <- length(interval_vec) return(event_count) } # 匹配需求的新函数入参:lambda、t、n次试验 poisson_count_sim <- function(lambda, t, n) { # 入参合法性校验,匹配要求的参数范围 if (lambda < 0.1 | lambda > 1) stop("lambda取值需在0.1~1区间") if (t > 1) stop("指定时间t需≤1") if (n <= 0 | n != as.integer(n)) stop("试验次数n需为正整数") res_vec <- numeric(n) # 逐次完成n次试验采样 for (k in 1:n) { # 泊松过程的事件间隔服从参数lambda的指数分布,预生成100个间隔足够覆盖t≤1的场景 sample_inter <- rexp(n = 100, rate = lambda) res_vec[k] <- count_event_before_t(sample_inter, t) } return(res_vec) }
使用说明
- 兼容原有测试场景:调用
count_event_before_t(c(1,2,3,4), 7)将返回结果3,和之前测试的「间隔1 2 3 4,t=7时共3个事件」的输出完全一致,确保核心逻辑没有偏差 - 调用示例:
poisson_count_sim(lambda = 0.8, t = 0.5, n = 200),将返回长度为200的数值向量,每个元素对应单次试验中t时刻前的事件总次数 - 运行结果的均值会和理论值
lambda*t高度吻合,符合泊松过程的计数规律 - 可按需加回原函数的累计和打印语句调试:在
count_event_before_t的循环里添加cat("第",i,"个事件累计时间为", cum_time, "\n")即可复现原函数的打印效果,正式批量跑n次试验时建议移除该打印避免拖慢运行速度
内容的提问来源于stack exchange,提问作者studentofmathy
相关产品推荐
相关产品推荐

