Вычислите значения функции плотности вероятности для нескольких столбцов средних значений и одного столбца сигмы

Учитывая пример данных sampleDT ниже, который содержит средние значения mean1 до mean10 и стандартное отклонение sd2, я был бы признателен за любую помощь в создании функции, которая:

for each column of means mean1 to mean10estimate, extract and add to the data frame the values of the density function for a conditional normal distribution evaluated at the observed level of the variable dollar.wage_1 using standard deviation sd2.

Используя приведенный ниже код, я могу успешно вычислить один столбец средних значений, но не вижу, как указать функцию для одновременного вычисления для каждого столбца средних значений.

#Пример данных

sampleDT<-structure(list(id = 1:10, N = c(10L, 10L, 10L, 10L, 10L, 10L, 
10L, 10L, 10L, 10L), A = c(62L, 96L, 17L, 41L, 212L, 143L, 143L, 
143L, 73L, 73L), B = c(3L, 1L, 0L, 2L, 170L, 21L, 0L, 33L, 62L, 
17L), C = c(0.05, 0.01, 0, 0.05, 0.8, 0.15, 0, 0.23, 0.85, 0.23
), employer = c(1L, 1L, 0L, 1L, 0L, 1L, 1L, 0L, 0L, 0L), F = c(0L, 
0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L), G = c(1.94, 1.19, 1.16, 
1.16, 1.13, 1.13, 1.13, 1.13, 1.12, 1.12), H = c(0.14, 0.24, 
0.28, 0.28, 0.21, 0.12, 0.17, 0.07, 0.14, 0.12), dollar.wage_1 = c(1.94, 
1.19, 3.16, 3.16, 1.13, 1.13, 2.13, 1.13, 1.12, 1.12), mean1 = c(1.936652081, 
3.688171386, 3.160993574, 3.768485048, 1.311370546, 0.313760016, 
-1.621000294, 1.13182676, 1.114458025, 1.119315775), mean2 = c(1.946806222, 
3.688885811, 3.15903495, 3.767778705, 1.309663497, 0.316394741, 
-1.618552806, 1.134088181, 1.117600968, 1.120688482), mean3 = c(1.893627954, 
3.689341572, 3.157622975, 3.771231512, 1.324985578, 0.318026311, 
-1.620565712, 1.13301769, 1.120760085, 1.119426932), mean4 = c(1.887509366, 
3.660243949, 3.160911994, 3.738992465, 1.331637143, 0.284716279, 
-1.655368774, 1.137338962, 1.122096234, 1.120837428), mean5 = c(7.071170501, 
3.458558276, 3.156676637, 3.160692822, 1.131841192, 1.126997224, 
1.028924299, 1.219378155, 0.118097115, 1.118108075), mean6 = c(7.010141264, 
3.434098438, 3.160978044, 3.161388054, 1.131706507, 1.131073576, 
1.044957033, 1.202376831, 0.088502176, 1.120101488), mean7 = c(6.918631396, 
3.455412441, 3.064840549, 3.158657611, 1.134281965, 1.131677907, 
1.035688483, 1.181551066, 0.542276222, 1.121549931), mean8 = c(6.980214117, 
3.513440689, 3.175191087, 3.158919334, 1.130088008, 1.131692248, 
1.12222788, 1.235102249, 0.281700405, 1.118473791), mean9 = c(6.708505027, 
3.504542699, 3.173629275, 3.158457814, 1.134560107, 1.129357587, 
1.151489857, 1.219991269, 0.364343124, 1.120228667), mean10 = c(6.883206883, 
3.467216323, 3.174805298, 3.160917024, 1.128835398, 1.128265912, 
1.084046983, 1.214981489, 0.160046133, 1.118496504), sd1 = c(2.6334129999306, 
2.6334129999306, 2.6334129999306, 2.6334129999306, 2.6334129999306, 
2.6334129999306, 2.6334129999306, 2.6334129999306, 2.6334129999306, 
2.6334129999306), sd2 = c(514.02608349227, 101.976862386691, 
8.70627514696715, 4.79710442214283, 2.45930925299156e+49, 2.01406038865916e+30, 
1.8980055884822e+34, 1.65244344266379e+28, 26.9398910547703, 
1.74978644797635)), row.names = c(NA, -10L), spec = structure(list(
    cols = list(id = structure(list(), class = c("collector_integer", 
    "collector")), N = structure(list(), class = c("collector_integer", 
    "collector")), A = structure(list(), class = c("collector_integer", 
    "collector")), B = structure(list(), class = c("collector_integer", 
    "collector")), C = structure(list(), class = c("collector_double", 
    "collector")), employer = structure(list(), class = c("collector_integer", 
    "collector")), F = structure(list(), class = c("collector_integer", 
    "collector")), G = structure(list(), class = c("collector_double", 
    "collector")), H = structure(list(), class = c("collector_double", 
    "collector")), dollar.wage_1 = structure(list(), class = c("collector_double", 
    "collector")), mean1 = structure(list(), class = c("collector_double", 
    "collector")), mean2 = structure(list(), class = c("collector_double", 
    "collector")), mean3 = structure(list(), class = c("collector_double", 
    "collector")), mean4 = structure(list(), class = c("collector_double", 
    "collector")), mean5 = structure(list(), class = c("collector_double", 
    "collector")), mean6 = structure(list(), class = c("collector_double", 
    "collector")), mean7 = structure(list(), class = c("collector_double", 
    "collector")), mean8 = structure(list(), class = c("collector_double", 
    "collector")), mean9 = structure(list(), class = c("collector_double", 
    "collector")), mean10 = structure(list(), class = c("collector_double", 
    "collector"))), default = structure(list(), class = c("collector_guess", 
    "collector"))), class = "col_spec"), class = c("tbl_df", 
"tbl", "data.frame"))

#мой подход

sampleDT$dens_test <- dnorm(sampleDT$dollar.wage_1, 
                      mean = sampleDT$mean1,sd = sampleDT$sd2)

Заранее благодарю за любую помощь.

r function data.table tidyverse probability-density

10.02.2019 17:49

Стоит ли изучать PHP в 2023-2024 годах?

Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...

Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией

В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.

Приемы CSS-макетирования - floats и Flexbox

Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...

Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest

В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...

Концепция локализации и ее применение в приложениях React ⚡️

Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...

Пользовательский скаляр GraphQL

Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...

260

Перейти к ответу Данный вопрос помечен как решенный

Ответы 4

Мы можем пойти дальше с вашим подходом:

means <- as.matrix(sampleDT[, grep("mean", names(sampleDT))])
dnorm(sampleDT$dollar.wage_1, mean = means, sd = sampleDT$sd2)

Таким образом мы передаем матрицу средств, при этом dollar.wage_1 и sd2 также правильно используются за счет рециркуляции.

Затем вы можете добавить этот результат к sampleDT просто с помощью cbind.

10.02.2019 17:58

это мой подход с использованием data.table:

sampleDT <- as.data.table(sampleDT) 

for(i in c(1:10)){   
 sampleDT[, eval(paste0("dnorm",i)):=mapply(dnorm,dollar.wage_1,get(paste0("mean",i)),sd2)] }

10.02.2019 17:59

Или положить в sapply().

sapply(grep("^mean", names(sampleDT)), function(x) 
  dnorm(sampleDT$dollar.wage_1, sampleDT[[x]], sampleDT$sd2))

10.02.2019 18:01

Ответ принят как подходящий

Это типичный случай dplyr::mutate_at():

df %>% mutate_at(vars(matches("mean")),
                 funs(dens = dnorm(dollar.wage_1, mean = ., sd = sd2)))

На выходе будет полный набор данных, и вам не нужно ничего привязывать.

10.02.2019 18:04

Другие вопросы по теме

Установка неустановленных свойств в качестве свойств по умолчанию в функции?

MongoDB — присвоить значение из $where

Цикл Javascript в асинхронной функции не является асинхронным?

Невозможно импортировать функцию из модуля

Количество столбцов не соответствует количеству значений в строке 1_ошибка вставки базы данных

R: функция с задержкой, работающая по строкам, а не по столбцам

Постепенно печатать элементы массива, используя цикл for

Bash: функция с двумя параметрами массива? как звонить и как разбирать?

Javascript и пустая веб-страница

Arduino C++: имеет ли смысл макрос F() внутри функции?

Вычислите значения функции плотности вероятности для нескольких столбцов средних значений и одного столбца сигмы

Ответы 4

Другие вопросы по теме

Похожие вопросы