如何解决带有“选择性采样”的 MonteCarlo 交互
我的代码对于小样本运行良好,但对于大数据集太耗时,我如何要求代码不是为每个 j (1,2,3....1e6) 而是为每个 j (1,3....1e6) 执行迭代每 10000 (10000,20000,30000...1e6)。有什么建议吗? 这是我的代码,以防有人有好主意。
y<-c()
p<-c()
ET=(TestB$ET)
flux<-ET #Evapotranspiration values
SaSi<-length(ET)
for(j in 1:SaSi)
{
run<-1000
for (i in 1:run) #loop
{
a<-sample(as.numeric(flux),j,replace=TRUE,prob=NULL) #draw random sample from flux,sample size j
b<-mean(a) #mean value of sample
y[i]<-b # write mean value into empty vector
}
cv<-sd(y)/mean(y)*100 #calculate Coefficiant of variance for respective sample size
p[j]<-cv
}
SS<-c(1:SaSi)
CV<-p
plot(SS,CV,type="l",ylab="CV (%)",xlab= "sample size")
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。