矩阵概率在随机样本分布函数中起什么作用

Question

嗨，我正在寻找一些帮助来尝试理解采样时概率矩阵的作用，我很难理解 prob[a, b] 的作用，老实说，这里的语法似乎与其他语言有点不同，首先是因为我们将索引传递给一个矩阵，它构造了一个更大的矩阵（这有点酷）但我离题了，我目前有以下伯努利抽样：

N <- 8
prob <- matrix(c(0.1,0.1,0.5,0.8), nrow=2)
a <- sample(1:2, size=N, replace=TRUE)
b <- rbern(N, ifelse(l==1, 0.5, .1)) + 1
rbern(N, prob = prob[a, b])

我无法很好理解的是，在采样时我给出了一个 8x8 的矩阵，如果我只要求 8 个观察值，则不确定将使用哪个概率进行采样。

Answer 1

它只会从 prob 参数中使用的矩阵中获取第一个 N 值（从第一列开始）。

考虑以下代码。

N <- 8
m <- matrix(sample(0:1, N^2, 1), N, N)
m
#>      [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
#> [1,]    0    1    0    1    1    0    0    1
#> [2,]    1    1    1    0    0    0    1    1
#> [3,]    0    1    0    1    0    1    1    1
#> [4,]    1    0    0    1    0    0    0    1
#> [5,]    0    1    0    0    0    0    1    0
#> [6,]    0    1    1    1    0    1    1    0
#> [7,]    1    0    0    0    0    1    1    0
#> [8,]    0    0    1    1    1    1    0    0
rbinom(N, 1, prob = m)
#> [1] 0 1 0 1 0 0 1 0

只有 m 的前 N 值用于概率，因此 rbinom(N, 1, prob = m) 的结果与 m 的第一列相同（因为所有概率都为 0 或 1）。