R语言嵌套求和与乘积的优化函数编码报错求助

先直接点明你的错误根源：Error in 0:k : argument of length 0 是因为你在函数调用时传入了NA或者长度为0的k值，再加上代码里的索引错误、语法不匹配，导致整个逻辑崩溃。咱们一步步拆解修复：

1. 修正w函数的逻辑与语法隐患 #

你的w函数里有个明显的问题：choose(k, j * gam) 中，j是0到k的整数，若gam是实数，j*gam大概率不是整数，而choose()要求第二个参数必须是非负整数，这会直接报错。另外咱们把代码写得更健壮：

w <- function(n, k, gam) {
  # 强制k转为整数，避免传入非整数的情况
  k_int <- as.integer(k)
  j <- 0:k_int
  
  # 这里我猜测你原本想写的是 choose(k, j) * gam^j（gam的j次方）
  # 原代码的j*gam作为choose的参数逻辑上不太通顺，如果你确实需要j*gam，得保证它是整数
  terms <- choose(k_int, j) * gam^j
  
  w_val <- (1 / factorial(k_int)) * n * sum(terms)
  return(w_val)
}

2. 彻底重构f函数解决核心错误 #

你的f函数有几个致命问题：

• R的向量索引是从1开始的！你定义k = 0:10后，用i in 0:10取k[i]，k[0]会返回NA，传入w函数后就会出现0:NA，直接触发argument of length 0错误
• 括号严重不匹配，导致代码逻辑根本无法正确执行
• 循环逻辑混乱，没有正确遍历x的所有元素计算乘积

重构后的f函数用sapply代替循环，更简洁且不易出错：

f <- function(gam, del) {
  x <- mydata # 确保mydata是全局环境中已定义的500元素向量
  n <- 10
  k_vals <- 0:10 # 重命名变量避免索引混淆
  
  # 提前计算所有k对应的w值，避免重复计算提升效率
  w_vals <- sapply(k_vals, function(k) w(n, k, gam))
  
  # 遍历x的每个元素，计算对应项后求乘积
  pdf_terms <- sapply(x, function(x_i) {
    # 对k从0到10求和，再计算每个x_i对应的项
    sum(w_vals * (1/del + (n / x_i)^(n + 1)))
  })
  
  pdf <- prod(pdf_terms)
  return(-pdf) # optim默认最小化，最大化L就是最小化-L
}

3. 正确调用optim进行最大化 #

因为optim默认是最小化目标函数，而我们要最大化L(d,g)，所以返回-pdf来实现等价转换。如果gam和del是正数（通常这类参数都是正的），可以用带约束的优化方法：

# 先确保mydata已经定义好
initial_params <- c(gam = 1, del = 1) # 设置合理的初始值

# 用L-BFGS-B方法，设置参数下限避免出现0或负数
optim_result <- optim(
  par = initial_params,
  fn = f,
  method = "L-BFGS-B",
  lower = c(0.001, 0.001) # 给参数设置极小的正下限
)

# 查看优化结果
print(optim_result)

几个关键注意事项 #

• 索引问题：永远记住R的向量/列表索引从1开始，别用0作为索引，否则会拿到NA
• choose()的参数约束：choose(n, k)要求n和k都是非负整数，且k ≤ n，否则会返回NA或报错
• 变量作用域：更规范的做法是把mydata作为f函数的参数传入，而不是依赖全局变量，比如改成f <- function(gam, del, x = mydata)
• 语法检查：写代码时注意括号匹配，RStudio的代码编辑器会有实时提示

内容的提问来源于stack exchange，提问作者fx7sts