在R Studio中绘制对数似然函数求和曲线的问题求助

我明白你的核心问题：当curve函数传入一系列mu值（向量形式）时，原代码中的sum(exp(mu)/(exp(x)))触发了R的循环补齐机制，导致计算逻辑完全偏离了你想要的“固定单个mu，对所有x_i计算exp(mu)/exp(x_i)后求和”的需求。

问题根源 #

R中向量运算会自动循环补齐长度不同的向量。比如当mu是长度为k的向量，x是长度为n的向量时，exp(mu)/(exp(x))会把较短的向量重复到和较长的一致，再逐元素相除，最后求和——这和你需要的“对每个mu，计算exp(mu)与每个1/exp(x_i)的乘积之和”完全不同。

最优修正方案（高效向量化） #

我们可以利用数学变形简化计算，同时实现完全符合需求的逻辑：
对单个mu，sum(exp(mu)/exp(x_i)) = exp(mu) * sum(1/exp(x_i))。其中sum(1/exp(x_i))是与mu无关的常量，可以提前预计算，大幅提升效率。

步骤1：定义数据与预计算常量

# 你的数据子集
data = c(8.5,8.9,9.1,8.9,8.4,9.7,9.1,9.6,8.7,9.3,9.6,9.3,8.7,9.0,8.8,8.9,8.9,12.2)

# 预计算与mu无关的常量：sum(1/exp(x_i))
inv_exp_sum <- sum(1 / exp(data))

步骤2：修正对数似然函数（支持向量输入）

修改后的函数可以直接处理curve传入的向量形式mu，无需循环：

loglikelihood.func <- function(mu, x) {
  n <- length(x)
  # 核心逻辑：对每个mu，计算n*mu - sum(x) - exp(mu)*inv_exp_sum
  n * mu - sum(x) - exp(mu) * inv_exp_sum
}

步骤3：用curve函数绘图

调用curve时，注意参数顺序（把mu作为第一个参数，符合xname的要求）：

curve(expr = loglikelihood.func(mu, x = data), xname = "mu", from = 0, to = 15)

备选方案（显式循环，适合理解逻辑） #

如果你想更直观地看到对每个mu的遍历过程，可以用sapply实现显式循环（效率略低于预计算方案，但逻辑清晰）：

loglikelihood.func <- function(mu, x) {
  n <- length(x)
  # 对每个mu单独计算求和项
  sapply(mu, function(m) {
    n * m - sum(x) - sum(exp(m)/exp(x))
  })
}

# 同样调用curve绘图
curve(expr = loglikelihood.func(mu, x = data), xname = "mu", from = 0, to = 15)

验证正确性 #

取单个mu值（比如mu=5），手动计算与函数结果一致：

# 手动计算
manual_sum <- exp(5) * sum(1/exp(data))
manual_result <- length(data)*5 - sum(data) - manual_sum

# 函数计算
func_result <- loglikelihood.func(5, data)

# 验证相等
all.equal(manual_result, func_result) # 返回TRUE

内容的提问来源于stack exchange，提问作者user9817825