基于指数分布生成故障答案

【问题标题】：Generating a failure based on the exponential distribution基于指数分布生成故障
【发布时间】：2020-08-20 19:42:42
【问题描述】：

我需要根据其他 3 个参数（A、B 和 C）的行为生成故障数据。例如：如果 A > 10、B > 10 和 C > 10，则失败的概率为 0.99。否则，如果 A 10 和 C > 10，则概率为 0.30。如何在知道它们遵循指数分布的情况下生成这些故障？

我想生成 100 个周期的数据，即，对于每个周期，我都想获得有关是否存在故障的信息。

任何帮助将不胜感激。

【问题讨论】：

您的问题未定义各种状态，例如A > 10 & B > 10 & C < 10 呢？指数分布从何而来？ @Jakob 在其中进行了函数调用以引用指数分布，但这些仅相当于使用具有给定成功概率的伯努利试验（例如，rexp(n, rate=0.99) 只是成功概率约为 0.63）并且可能会得到更好的解释并这样编码

【解决方案1】：

您需要指定在其他情况下会发生什么，但您想使用 rexp() 函数，然后编写一个函数或使用 if else 语句，如下所示：

if (A>10 & B>10 & C>10) {
  rexp(100, rate=0.99)
} else {
  rexp(100, rate=0.30)
}

更新： 听起来你想要这样的东西：

if (A>10 & B>10 & C>10) {
  p = rpois(100, rate=0.99)
} else {
  p = rpois(100, rate=0.30)
}
p[p>0]=1

if-else 创建一个向量p，其中包含每个周期的估计故障数。最后一行将所有失败的期间编码为1，否则将0。

【讨论】：

函数 rexp 将生成连续值。但是，我需要指定期间是否有失败（1）或没有（0）。
您想知道每个周期的失败次数还是仅仅知道是否有任何失败？对于前者，只需将上面的rexp 替换为rpois。否则做类似p = rpois(100, 0.99); p[p>0]=1
如果有任何失败。
更新了我的答案
尝试一个一个地运行这些并查看每个之后的输出：p = rpois(100, 0.99) 将从 lambda=0.99 的泊松分布中抽取 100 个随机变量。这将创建一个包含 100 个条目的向量 p，每个条目都会告诉您该时间段内的失败次数。然后p[p>0]=1 选择该向量中大于零的值并为其分配 1。假设在一个周期内有 2 次失败，这将被编码为 1。