使用set.seed多次会出现奇怪的行为

Question

使用set.seed多次会出现奇怪的行为

4

在使用R做作业时，我得到了一个奇怪的结果，请问有人能够解释一下发生了什么吗？

指导书告诉我要设置种子1以保持一致性。

起初，我设置了两次seed(1)。

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：带有两组种子的图只使用一组种子后的代码如下：

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")

剧情变得合理了：只设置一个种子的剧情为什么添加一行额外的 "set.seed(1)" 就会使得两个结果不同，有人能解释一下吗？

- SamCXLG

2个回答

1

为什么结果不同 - 当设置 set.seed 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

当再次设置set.seed时，结果为-

set.seed(123)
runif(6)
[1] 0.2875775 0.7883051 0.4089769 0.8830174 0.9404673 0.0455565

所以，当种子仅设置一次时，程序将使用下一个可用数字集来生成下一组随机数。

- vinay

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Florian · Accepted Answer

Set.seed() 函数决定了之后生成的随机数。一般来说，它用于创建可再现的示例，这样如果我们都运行相同的代码，就可以得到相同的结果。举个例子：

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

正如你所看到的，当你使用相同的数字两次进行set.seed(x)时，从那一点开始，你会生成相同的随机数。(对于具有相同分布的变量而言。对于其他情况，请参见下面的说明)。

因此，在第一个图中得到一条直线的原因是

y <- 0.5 * x + epsilon -1

实际上变成了

y <- 0.5 * x + x -1

因为您使用了相同的随机数序列两次。这会降低

y <- 1.5 * x -1

这是一个简单的线性方程。

因此，通常情况下，您应该只在脚本开头执行一次 set.seed(x)。

对评论的详细说明：“但我使用不同的sd生成了ε，为什么仍然是相同的x，尽管图表似乎支持解释？”

这实际上是一个非常有趣的问题。具有分布~N(mean,sd)的随机数通常按照以下方式生成：

生成随机均匀数。
应用一个变换，通常是Box-Muller变换，我们称这些数字为X。
再次通过应用变换sd * X + mean将这些数字转换

当您使用相同的种子但不同的平均值和sd运行两次时，前两个步骤将创建完全相同的结果，因为生成的随机数相同，而平均值和sd尚未使用。只有在第三步中，平均值和sd才会发挥作用。我们可以轻松验证这一点：

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，第二次生成的随机数确实是第一次生成的数字的0.25倍。

因此，在我上面的解释中，epsilon实际上是0.25*x，并且您得到的函数是y < -0.75 * x - 1，仍然只是一个线性函数。