Ich habe folgenden Code eine Beispielfunktion zu schaffen und simulierte DatenVerwendung gilt Funktion 2 separate Listen in R
mean_detects<- function(obs,cens) {
detects <- obs[cens==0]
nondetects <- obs[cens==1]
res <- mean(detects)
return(res)
}
mu <-log(1); sigma<- log(3); n_samples=10, n_iterations = 5; p=0.10
dset2 <- function (mu, sigma, n_samples, n_iterations, p) {
X_after <- matrix(NA_real_, nrow = n_iterations, ncol = n_samples)
delta <- matrix(NA_real_, nrow = n_iterations, ncol = n_samples)
lod <- quantile(rlnorm(100000, mu, sigma), p = p)
pct_cens <- numeric(n_iterations)
count <- 1
while(count <= n_iterations) {
X_before <- rlnorm(n_samples, mu, sigma)
X_after[count, ] <- pmax(X_before, lod)
delta [count, ] <- X_before <= lod
pct_cens[count] <- mean(delta[count,])
if (pct_cens [count] > 0 & pct_cens [count] < 1) count <- count + 1 }
ave_detects <- mean_detects(X_after,delta) ## how can I use apply or other functions here?
return(ave_detects)
}
zu erzeugen, wenn I n_iterations angeben, werde ich eine 1x10 X_after Matrix und auch 1x10 Delta Matrix. Dann funktioniert die Funktion mean_detects mit diesem Befehl.
ave_detects <- mean_detects(X_after,delta)
jedoch, wenn ich erhöhen n_iterations 5 zu sagen, dann werde ich habe 2 5x10 X_after und Delta dann die mean_detects Funktion funktioniert nicht mehr. Es gibt mir nur Ausgabe für 1 Iteration statt 5. Meine reale Simulation hat Tausende von Iterationen, so Geschwindigkeit und Speicher müssen ebenfalls berücksichtigt werden.
Bearbeitungen: Ich habe meinen Code basierend auf Ihren Kommentaren bearbeitet. Die von mir erstellte Funktion mean_detects sollte ein Beispiel für die gleichzeitige Verwendung von X_after- und delta-Matrizen zeigen. Die wirkliche Funktion ist sehr lang. Deshalb habe ich es hier nicht gepostet.