多次使用 set.seed 的奇怪行为
Weird behavior of using set.seed multiple times
我在用 R 做作业时得到了一个奇怪的结果，谁能给我解释一下这是怎么回事？
指令告诉我设置种子 1 以保持一致性。
起初，我设置了两次seed(1)
set.seed(1)
x <- rnorm(100, mean = 0, sd = 1)
set.seed(1)
epsilon <- rnorm(100, mean = 0, sd = 0.25)
y <- 0.5 * x + epsilon -1
plot(x,y,main = "Scatter plot between X and Y", xlab = "X", ylab = "Y")
我得到这样的散点图：
The plot with two set seed
我只使用一组种子后代码是：
set.seed(1)
x <- rnorm(100, mean = 0, sd = 1)
epsilon <- rnorm(100, mean = 0, sd = 0.25)
y <- 0.5 * x + epsilon -1
plot(x,y,main = "Scatter plot between X and Y", xlab = "X", ylab = "Y")
剧情变得合理了：
The plot with one set seed
谁能通过添加额外的 "set.seed(1)" 向我解释为什么两个结果不同？
Set.seed()决定了之后生成的随机数。通常它用于创建可重现的示例，因此如果我们 运行 相同的代码，我们会得到相同的结果。举例说明：
set.seed(1234)
runif(3)
[1] 0.1137034 0.6222994 0.6092747
set.seed(1234)
runif(3)
[1] 0.1137034 0.6222994 0.6092747
set.seed(12345)
runif(3)
[1] 0.7209039 0.8757732 0.7609823
因此，如您所见，当您使用相同的数字两次 set.seed(x) 时，您将从那时起生成相同的随机数。 （对于具有相同分布的变量。对于其他变量，请参见下面的详细说明）。
所以你在第一个图中得到一条直线的原因是因为
y <- 0.5 * x + epsilon -1
实际上变成了
y <- 0.5 * x + x -1
因为您两次使用相同的随机数序列。减少到
y <- 1.5 * x -1
这是一个简单的线性方程。
所以一般来说，您应该只在脚本开头执行一次 set.seed(x)。
对评论的阐述："But I generated the Epsilon with different sd, why would that still be the same x, although the plot seems to agree with the explanation?"
这实际上是一个非常有趣的问题。分布为~N(mean,sd)的随机数通常生成如下：
- 生成随机统一编号。
- 对这些数字进行转换，通常是the Box-Muller transformation.，我们称这些数字为X。
- 这些数字通过应用变换再次变换
sd * X + mean
当你运行这两次使用相同的种子但均值和标准差不同时，前两步将产生完全相同的结果，因为生成的随机数是相同的，均值和标准差还没有使用。只有在第三步 mean 和 sd 才会发挥作用。我们可以很容易地验证这一点：
set.seed(1)
rnorm(4, mean = 0, sd = 1)
[1] -0.6264538 0.1836433 -0.8356286 1.5952808
set.seed(1)
rnorm(4, mean = 0, sd = 0.25)
[1] -0.15661345 0.04591083 -0.20890715 0.39882020
果然，第二次生成的随机数正好是第一次生成的随机数的0.25倍
所以在我上面的解释中，epsilon 实际上是 0.25*x，而你得到的函数是 y <- 0.75 * x - 1，它仍然只是一个线性函数。
为什么结果不同 - 当设置一次 set.seed 和设置两次 运行 -
set.seed(123)
runif(3)
[1] 0.2875775 0.7883051 0.4089769
runif(3)
[1] 0.8830174 0.9404673 0.0455565
而当再次设置 set.seed 时，结果为 -
set.seed(123)
runif(6)
[1] 0.2875775 0.7883051 0.4089769 0.8830174 0.9404673 0.0455565
因此，当只设置一次种子时，程序会使用下一组可用数来生成下一组随机数
我在用 R 做作业时得到了一个奇怪的结果，谁能给我解释一下这是怎么回事？
指令告诉我设置种子 1 以保持一致性。
起初，我设置了两次seed(1)
set.seed(1)
x <- rnorm(100, mean = 0, sd = 1)
set.seed(1)
epsilon <- rnorm(100, mean = 0, sd = 0.25)
y <- 0.5 * x + epsilon -1
plot(x,y,main = "Scatter plot between X and Y", xlab = "X", ylab = "Y")
我得到这样的散点图： The plot with two set seed
我只使用一组种子后代码是：
set.seed(1)
x <- rnorm(100, mean = 0, sd = 1)
epsilon <- rnorm(100, mean = 0, sd = 0.25)
y <- 0.5 * x + epsilon -1
plot(x,y,main = "Scatter plot between X and Y", xlab = "X", ylab = "Y")
剧情变得合理了： The plot with one set seed
谁能通过添加额外的 "set.seed(1)" 向我解释为什么两个结果不同？
Set.seed()决定了之后生成的随机数。通常它用于创建可重现的示例，因此如果我们 运行 相同的代码，我们会得到相同的结果。举例说明：
set.seed(1234)
runif(3)
[1] 0.1137034 0.6222994 0.6092747
set.seed(1234)
runif(3)
[1] 0.1137034 0.6222994 0.6092747
set.seed(12345)
runif(3)
[1] 0.7209039 0.8757732 0.7609823
因此，如您所见，当您使用相同的数字两次 set.seed(x) 时，您将从那时起生成相同的随机数。 （对于具有相同分布的变量。对于其他变量，请参见下面的详细说明）。 所以你在第一个图中得到一条直线的原因是因为
y <- 0.5 * x + epsilon -1
实际上变成了
y <- 0.5 * x + x -1
因为您两次使用相同的随机数序列。减少到
y <- 1.5 * x -1
这是一个简单的线性方程。
所以一般来说，您应该只在脚本开头执行一次 set.seed(x)。
对评论的阐述："But I generated the Epsilon with different sd, why would that still be the same x, although the plot seems to agree with the explanation?"
这实际上是一个非常有趣的问题。分布为~N(mean,sd)的随机数通常生成如下：
- 生成随机统一编号。
- 对这些数字进行转换，通常是the Box-Muller transformation.，我们称这些数字为X。
- 这些数字通过应用变换再次变换
sd * X + mean
当你运行这两次使用相同的种子但均值和标准差不同时，前两步将产生完全相同的结果，因为生成的随机数是相同的，均值和标准差还没有使用。只有在第三步 mean 和 sd 才会发挥作用。我们可以很容易地验证这一点：
set.seed(1)
rnorm(4, mean = 0, sd = 1)
[1] -0.6264538 0.1836433 -0.8356286 1.5952808
set.seed(1)
rnorm(4, mean = 0, sd = 0.25)
[1] -0.15661345 0.04591083 -0.20890715 0.39882020
果然，第二次生成的随机数正好是第一次生成的随机数的0.25倍
所以在我上面的解释中，epsilon 实际上是 0.25*x，而你得到的函数是 y <- 0.75 * x - 1，它仍然只是一个线性函数。
为什么结果不同 - 当设置一次 set.seed 和设置两次 运行 -
set.seed(123)
runif(3)
[1] 0.2875775 0.7883051 0.4089769
runif(3)
[1] 0.8830174 0.9404673 0.0455565
而当再次设置 set.seed 时，结果为 -
set.seed(123)
runif(6)
[1] 0.2875775 0.7883051 0.4089769 0.8830174 0.9404673 0.0455565
因此，当只设置一次种子时，程序会使用下一组可用数来生成下一组随机数