如何为 R 中的功率分析生成具有不同样本大小的负二项分布？

PNP95 发表于 Dev

PNP95

我尝试使用零膨胀的结果变量进行功率模拟。所以我使用负二项分布。我需要的是以下分布：

library(tidyverse)
set.seed(123)
rt_random <- 
rnbinom(n = 2000, mu = 25, size = .9) 
qplot(rt_random)

期望的分布

现在，我尝试创建一个函数，可以在其中使用不同的样本大小进行功率模拟。我为此使用该pmap功能。但是，这似乎不起作用。最终分布根本不是零膨胀的，并且平均值不接近定义的平均值：

generate_distribution <- function(n, mus, sizes){
  tibble(n = n, 
       t_mu = mus, 
       t_size = sizes)%>% 
  mutate(rt = pmap(list(n, t_mu, t_size),
                     ~rnbinom(..1, ..2, ..3))) %>% 
  unnest(rt) 
  
}
set.seed(123)
rt_df <- 
  generate_distribution(n = 2000,
                        mus = 25,
                        sizes = .9)
qplot(rt_df$rt)

错误分配

有没有一种简单的方法可以更改我的代码，以便获得所需的分布？

艾伦·卡梅伦

问题是在您的 lambda 函数中，您没有使用rnbinom. 如果您不命名参数，则参数的默认顺序是n, size, prob, mu，因此您将 2000 传递给n、 25 传递给size和 0.9 传递给prob. 只需像您在第一个示例中所做的那样明确命名参数，您的代码就可以工作。

generate_distribution <- function(n, mus, sizes){
  tibble(n = n, 
       t_mu = mus, 
       t_size = sizes)%>% 
  mutate(rt = pmap(list(n, t_mu, t_size),
                     ~rnbinom(n = ..1, mu = ..2, size = ..3))) %>% 
  unnest(rt) 
}

set.seed(123)
rt_df <- 
  generate_distribution(n = 2000,
                        mus = 25,
                        sizes = .9)
qplot(rt_df$rt)