多次使用set.seed的怪异行为
我在R做作业的时候想出了一个奇怪的结果，有人能告诉我发生了什么事吗？
指令告诉我要设置种子1以保持一致性。
一开始，我种了两次种子
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")我得到了这样的散点图：有两粒种子的情节
在我只使用一个set种子之后，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")情节变得合理了：一粒种子的情节
有人能向我解释为什么两个结果是不同的增加一个额外的"set.seed(1)“吗？
回答 2
Stack Overflow用户
发布于 2017-07-26 02:27:09
Set.seed()确定随后生成的随机数。通常，它用于创建可重复的示例，因此，如果我们运行相同的代码，则得到相同的结果。为了说明：
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，正如您所看到的，当set.seed(x)用相同的数字两次时，从那个点开始生成相同的随机数。(用于具有相同分布的变量。关于其他问题，见下文的阐述)。所以，在第一个情节中，你得到一条直线，是因为
y <- 0.5 * x + epsilon -1实际上成了
y <- 0.5 * x + x -1因为你使用的是相同的随机数序列两次。那就减少到
y <- 1.5 * x -1这是一个简单的线性方程。
因此，一般来说，您应该只在脚本开始时执行一次set.seed(x)。
阐述了这样的评论：“但是我用不同的sd生成了Epsilon，为什么它仍然是相同的x，虽然情节似乎与解释一致？”。
这其实是个很有趣的问题。具有分布~N(mean,sd)的随机数通常如下所示：
- 产生随机一致数。
- 对这些数字(通常是盒子-穆勒变换。 )进行转换，让我们将这些数字称为X。
- 通过应用转换
sd * X + mean再次转换这些数字
如果您使用相同的种子运行两次，但是使用不同的平均值和sd，则前两个步骤将产生完全相同的结果，因为生成的随机数是相同的，而且还没有使用平均值和sd。只有在第三步，平均值和sd才会发挥作用。我们可以很容易地证实这一点：
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实际上，第二次产生的随机数正好是第一次产生的数的0.25倍。
所以在我上面的解释中，epsilon实际上是0.25*x，你得到的函数是y <- 0.75 * x - 1，它仍然是一个线性函数。
Stack Overflow用户
发布于 2018-11-01 04:08:24
为什么结果是不同的-当set.seed设置一次并运行两次时-
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，结果是-
set.seed(123)
runif(6)
[1] 0.2875775 0.7883051 0.4089769 0.8830174 0.9404673 0.0455565因此，当种子只设置一次时，程序使用下一组可用的数字来生成下一组随机数。
https://stackoverflow.com/questions/45324208
复制
腾讯云开发者
