计算积分的代码:从 Matlab 到 R 的翻译
Code to evaluate an integral: translating from Matlab to R
考虑以下 Matlab 代码,使用模拟来近似积分。
function f
numSim = 1000000;
points = rand(numSim,1);
r3 = mean(feval('func3', points));
points1 = rand(numSim,1);
r8 = mean(feval('func8', points, points1));
disp([r3, r8,]);
end %f
%%%%%%%%%% Nested funcitons %%%%%%%%%%%%
function y = func3(x)
y = exp(exp(x));
end %func3
function z = func8(x,y)
z = exp((x+y).^2);
end %func8
我在 R 中尝试过的
f <- function (func3,func8){
numSim <- 1000000
points <- runif(numSim)
r3 <- mean(evaluate(points, func3))
points1 <- runif(numSim)
r8 <- mean(evaluate( points1,func8))
newList<-list(r3,r8)
return(newList)
}
# Nested functions
func3<-function(x) {
func3 <- exp(exp(x))
return(func3)
}
func8 <- function(x,y) {
func8<-exp((x+y)^2)
return(func8)
}
第一个问题是警告信息:
In mean.default(evaluate(points,function)) :
argument is not numeric or logical:returning NA
我加了r3 <- mean(evaluate(points, func3),na.rm=TRUE)
当我键入 r3 时,输出为 [1] NA,
为什么不能正常工作?
此外,
有一条关于嵌套函数的评论,我不明白如何在 R 中做到这一点。
这似乎有效:
f <- function (func3,func8){
numSim <- 1000000
vals <- runif(numSim) ## changed the name: 'points' is a built-in function
r3 <- mean(sapply(vals, func3))
vals2 <- runif(numSim)
## use mapply() to evaluate over multiple parameter vectors
r8 <- mean(mapply(func8, vals, vals2))
newList <- list(r3,r8)
return(newList)
}
我简化了函数定义。
func3 <- function(x) {
return(exp(exp(x)))
}
func8 <- function(x,y) {
return(exp((x+y)^2))
}
试试看:
f(func3,func8)
我不知道这是否正确,但我认为这是对您的 MATLAB 代码的正确翻译。请注意,通过使用矢量化可以更快地实现:将 sapply()
和 mapply()
分别替换为 mean(func3(vals))
和 mean(func8(vals,vals2))
(这仅适用于要评估的函数本身适当矢量化,在本例中就是这样)。
考虑以下 Matlab 代码,使用模拟来近似积分。
function f
numSim = 1000000;
points = rand(numSim,1);
r3 = mean(feval('func3', points));
points1 = rand(numSim,1);
r8 = mean(feval('func8', points, points1));
disp([r3, r8,]);
end %f
%%%%%%%%%% Nested funcitons %%%%%%%%%%%%
function y = func3(x)
y = exp(exp(x));
end %func3
function z = func8(x,y)
z = exp((x+y).^2);
end %func8
我在 R 中尝试过的
f <- function (func3,func8){
numSim <- 1000000
points <- runif(numSim)
r3 <- mean(evaluate(points, func3))
points1 <- runif(numSim)
r8 <- mean(evaluate( points1,func8))
newList<-list(r3,r8)
return(newList)
}
# Nested functions
func3<-function(x) {
func3 <- exp(exp(x))
return(func3)
}
func8 <- function(x,y) {
func8<-exp((x+y)^2)
return(func8)
}
第一个问题是警告信息:
In mean.default(evaluate(points,function)) : argument is not numeric or logical:returning NA
我加了r3 <- mean(evaluate(points, func3),na.rm=TRUE)
当我键入 r3 时,输出为 [1] NA,
为什么不能正常工作?
此外, 有一条关于嵌套函数的评论,我不明白如何在 R 中做到这一点。
这似乎有效:
f <- function (func3,func8){
numSim <- 1000000
vals <- runif(numSim) ## changed the name: 'points' is a built-in function
r3 <- mean(sapply(vals, func3))
vals2 <- runif(numSim)
## use mapply() to evaluate over multiple parameter vectors
r8 <- mean(mapply(func8, vals, vals2))
newList <- list(r3,r8)
return(newList)
}
我简化了函数定义。
func3 <- function(x) {
return(exp(exp(x)))
}
func8 <- function(x,y) {
return(exp((x+y)^2))
}
试试看:
f(func3,func8)
我不知道这是否正确,但我认为这是对您的 MATLAB 代码的正确翻译。请注意,通过使用矢量化可以更快地实现:将 sapply()
和 mapply()
分别替换为 mean(func3(vals))
和 mean(func8(vals,vals2))
(这仅适用于要评估的函数本身适当矢量化,在本例中就是这样)。