在R语言中生成大于0.5的Exp(1)分布模拟数据遇问题求助

我来帮你看看这段R代码的问题所在，你想要生成100个服从Exp(1)且数值大于0.5的样本，但当前代码有几个关键问题导致达不到预期：

• 向量赋值逻辑错误：你用x1 <- w的时候，是把整个x1替换成单个w值，而不是把符合条件的w追加到向量末尾，这样x1永远只能有1个元素，永远达不到长度100的要求。
• 循环逻辑漏洞：当找到一个符合条件的w后，你没有生成新的候选样本，导致循环会一直重复检查同一个w，直接陷入死循环；而且初始只生成一次w，只有不符合条件时才重新生成，逻辑完全不对。

修正后的基础版本代码 #

x1 <- c()
while (length(x1) < 100) {
  w <- rexp(1)  # 每次循环都生成一个新的指数分布样本
  if (w > 0.5) {
    x1 <- c(x1, w)  # 将符合条件的样本追加到向量末尾
  }
}

效率优化版本 #

不过用c(x1, w)每次追加元素的效率其实不高，因为R的向量是不可变的，每次追加都会重新创建整个向量。如果要生成大量样本，更高效的方式是先预分配一个足够大的向量，再填充符合条件的元素：

target_n <- 100
x1 <- numeric(target_n)
count <- 1
while (count <= target_n) {
  w <- rexp(1)
  if (w > 0.5) {
    x1[count] <- w
    count <- count + 1
  }
}

这样可以避免频繁的向量重建，速度会快很多，尤其是当你需要生成的样本量很大的时候。

内容的提问来源于stack exchange，提问作者nnisgia