蒙特卡洛检验R

问题描述

我有以下数据：

[链接到数据]（https://www.dropbox.com/s/29zgm8nm39qyh7m/data_rainfall.csv?dl=0）

抱歉，但这是我可以为此提供的最小数据。 此数据集中有四列（年，月，日，阶段和降雨）。

我想以这种方式执行蒙特卡洛测试：

（1）至少连续3天降雨少于5毫米/天，该阶段为阶段1。

（2）在降雨列保持不变的情况下置换降雨列。

（3）获得1000次重复后计数大于观察到的计数的概率。

到目前为止，我有以下脚本：

dat2<-dat[,c("phase","Rainfall")]


countruns = function(x){
RLE = rle(x$Rainfall<5)   
sum(RLE$lengths==1)
}

sim.test <- function (x){
x$Rainfall <- sample(x$Rainfall)
countruns(x)
}

runs <- 1000
pval<-(sum(sim>=countruns(dat2))+1)/(runs+1)

上面的脚本是错误的。

1. 如何基于RLE过滤数据，以使阶段为阶段1？ 在上面的代码中，此部分缺少某些内容：

   sum（RLE $ lengths == 1）

应该是这样的：

sum(RLE$lengths==1 & phase == 1)

1. 更重要的是，我不确定这是否正确。我只想测试观察到的计数在第1阶段是否偶然发生。

关于如何在R中正确执行此操作的任何建议？ 非常感谢您提供的任何帮助。

Lyndz

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）