为什么我的最终函数在 R 中 "normalized" 时不集成到“1”？
Why my final function doesn't integrate to "1" when "normalized" in R?
我有一个关于 integrate() 的编码问题。它来自几个步骤：
首先，我有一个名为Like的初始函数。 第二个，我得到Like的积分并调用结果norm.cons。 第三个，我将Like除以norm.cons，结果为Like.2。 最后，得到了Like.2的积分。 (下面提供了所有R代码。)
问题：
根据定义，我上面最后一步的答案应该是“1”。但为什么我得到以下答案？ 4.573253e-12
这是我的 R 代码：
Like = function(x) sapply(lapply(x, dnorm, x = seq(1, 30), 2), prod) # Initial function
norm.cons = integrate(Like, -Inf, Inf)[[1]] # Integral of Initial Function
Like.2 = function(x) sapply(lapply(x, dnorm, x = seq(1, 30), 2), prod) / norm.cons # Deviding the initial function by its Integral
integrate(Like.2, -Inf, Inf)[[1]] # HERE Why Integral is not "1" ?
您的 norm.cons 变量为 0，这意味着您在 Like.2 中输入的任何内容都会导致 NaN（除以 0）。尝试，例如，
Like.2(3) # results in NaN
之所以norm.cons为0，是因为几乎除200-300左右以外的所有值都是0，数值积分太不精确，找不到区域它不是 0 的地方。例如，try:
Like(220) # 3.471218e-244
Like(300) # 2.661608e-296
# outside of that region:
Like(200) # 0
Like(320) # 0
要解决此问题，请围绕您的两个积分设置更合理的界限（这不会影响计算，因为几乎 none 函数的质量发生在该区域之外）。例如：
Like = function(x) sapply(lapply(x, dnorm, x = c(250, 265, 259), 2), prod) # Initial function
norm.cons = integrate(Like, 220, 300)[[1]] # Integral of Initial Function
Like.2 = function(x) sapply(lapply(x, dnorm, x = c(250, 265, 259), 2), prod) / norm.cons
integrate(Like.2, 100, 500)[[1]]
这导致0.9999309，非常接近你的期望值1。差异是由于数值积分的不精确，以及算术下溢（有些值不是0但太小了为 R 表示）。如果你稍微调整一下积分的界限，你可以让它更接近 1。
我有一个关于 integrate() 的编码问题。它来自几个步骤：
首先，我有一个名为Like的初始函数。 第二个，我得到Like的积分并调用结果norm.cons。 第三个，我将Like除以norm.cons，结果为Like.2。 最后，得到了Like.2的积分。 (下面提供了所有R代码。)
问题：
根据定义，我上面最后一步的答案应该是“1”。但为什么我得到以下答案？ 4.573253e-12
这是我的 R 代码：
Like = function(x) sapply(lapply(x, dnorm, x = seq(1, 30), 2), prod) # Initial function
norm.cons = integrate(Like, -Inf, Inf)[[1]] # Integral of Initial Function
Like.2 = function(x) sapply(lapply(x, dnorm, x = seq(1, 30), 2), prod) / norm.cons # Deviding the initial function by its Integral
integrate(Like.2, -Inf, Inf)[[1]] # HERE Why Integral is not "1" ?
您的 norm.cons 变量为 0，这意味着您在 Like.2 中输入的任何内容都会导致 NaN（除以 0）。尝试，例如，
Like.2(3) # results in NaN
之所以norm.cons为0，是因为几乎除200-300左右以外的所有值都是0，数值积分太不精确，找不到区域它不是 0 的地方。例如，try:
Like(220) # 3.471218e-244
Like(300) # 2.661608e-296
# outside of that region:
Like(200) # 0
Like(320) # 0
要解决此问题，请围绕您的两个积分设置更合理的界限（这不会影响计算，因为几乎 none 函数的质量发生在该区域之外）。例如：
Like = function(x) sapply(lapply(x, dnorm, x = c(250, 265, 259), 2), prod) # Initial function
norm.cons = integrate(Like, 220, 300)[[1]] # Integral of Initial Function
Like.2 = function(x) sapply(lapply(x, dnorm, x = c(250, 265, 259), 2), prod) / norm.cons
integrate(Like.2, 100, 500)[[1]]
这导致0.9999309，非常接近你的期望值1。差异是由于数值积分的不精确，以及算术下溢（有些值不是0但太小了为 R 表示）。如果你稍微调整一下积分的界限，你可以让它更接近 1。