R：我如何通过泊松观察来汇总损失？

Question

我是 R 新手，但我正在尝试使用它来汇总从严重性分布中观察到的损失，这些损失是通过从频率分布中观察到的 - 基本上是 rcompound 所做的。但是，我需要一种更精细的方法，因为我需要在“聚合”之前操纵严重性分布。

让我们举个例子。假设你有：

rpois(10,lambda=3)

因此，给你类似的东西：

[1] 2 2 3 5 2 5 6 4 3 1

此外，假设我们的损失严重程度由以下因素决定：

rgamma(20,shape=1,scale=10000)

这样我们也有如下输出：

 [1]   233.0257   849.5771  7760.4402   731.5646  8982.7640 24172.2369 30824.8424 22622.8826 27646.5168  1638.2333  6770.9010  2459.3722   782.0580 16956.1417  1145.4368  5029.0473  3485.6412  4668.1921  5637.8359 18672.0568

我的问题是：让 R 依次进行每个泊松观察，然后从我的严重性分布中汇总损失的有效方法是什么？例如，第一个泊松观测值是 2。因此，从我的 Gamma 分布中添加两个观测值（前两个）得到 1082.61。

我说这需要“高效”（运行时间），因为： - 泊松参数可能非常大，即高达 1000 左右。 - 实现可能多达 1,000,000 个，即多达 100 万个泊松和 Gamma 观测值需要整理。

任何帮助将不胜感激。

谢谢，戴夫。

Answer 1

您似乎想在泊松向量的累积指示的位置拆分伽马向量。

以下函数 (from here) 进行拆分：

splitAt <- function(x, pos) unname(split(x, cumsum(seq_along(x) %in% pos)))

pois <- c(2, 2, 3, 5, 2, 5, 6, 4, 3, 1)
gam <- c(233.0257, 849.5771, 7760.4402, 731.5646, 8982.7640, 24172.2369, 30824.8424, 22622.8826, 27646.5168, 1638.2333, 6770.9010, 2459.3722, 782.0580, 16956.1417, 1145.4368, 5029.0473, 3485.6412, 4668.1921, 5637.8359, 18672.0568)
posits <- cumsum(pois)

然后执行以下操作：

sapply(splitAt(gam, posits + 1), sum)
[1]  1082.603  8492.005 63979.843 61137.906 17738.200 19966.153 18672.057

根据我链接到上面的帖子，splitAt() 函数对于大型数组会变慢，因此您可以（如有必要）考虑该帖子中提出的替代方案。就我而言，我生成了 1e6 泊松和 1e6 伽马，上面的函数在我的机器上运行了 0.78 秒。