R语言实战(三)——模拟随机游走数据

一、模拟随机游走数据示例

x <- matrix(0,1000,1)

for(i in 1:1000){   

x[i+1] <- x[i]+rnorm(1)

}

plot(x,type="l")

输出结果

二、语法分解

1、plot()函数

plot(x, y, ...),参数x为x轴数据,参数y为y轴数据,后面的参数可以用type="l"(直线),type="p"(点)

2、rnorm()函数

rnorm(200),产生200个服从正态分布的随机数

rnorm(n=100,mean=2,sd=3),产生100个,服从均值为2,标准差为3的随机数

3、matrix()函数

matrix(0,nrow=12,ncol=11),12行,11列,元素全为0

> b <- matrix(c(1,2,3,4,5,6),2,3)
> b
     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6
> 

 

转载于:https://www.cnblogs.com/fonxian/p/5098995.html

模拟随机游走是一种数学模型,用于描述在离散的时间间隔内,对象随机地向前或向后移动。在R语言中,可以通过编写一段代码来模拟随机游走的过程。方差变大通常是指在随机游走过程中,随着步数的增加,游走路径的波动性增加。以下是一个简单的R语言代码示例,用于模拟一维随机游走,并计算其方差随着步数增加的情况: ```r # 设置随机种子以获得可重复的结果 set.seed(123) # 模拟参数 steps <- 1000 # 游走的步数 position <- 0 # 初始位置 # 初始化位置向量 positions <- numeric(steps) positions[1] <- position # 随机游走模拟 for (i in 2:steps) { move <- sample(c(-1, 1), size = 1) # 随机向左(-1)或向右(1)移动 position <- position + move positions[i] <- position } # 计算各步数位置的方差 variances <- sapply(2:steps, function(i) var(positions[1:i])) # 绘制随机游走路径 plot(positions, type = 'l', main = "Random Walk Simulation", xlab = "Step", ylab = "Position", col = "blue") # 绘制方差随着步数增加的图像 plot(variances, type = 'l', main = "Variance of Random Walk Over Steps", xlab = "Step", ylab = "Variance", col = "red") ``` 这段代码首先设置了随机游走的步数,然后通过一个循环模拟随机移动过程。每次移动都是随机选择向左或向右一步。同时,代码还计算了从起始点到当前步的方差,并将随机游走的路径和方差的变化分别绘制在两个图像中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值