Échantillon stochastique utilisant l'échantillon randsample?

Question

Je voudrais faire une simulation d'étape stochastique pour P et I avec randsample comme celle-ci simple ci-dessous.

P=zeros(1,5); I=zeros(1,5) 

% moyen facile

for i=1:5 
X=rand; dt=0.01; 

a=randi(50,1); 
b=randi(50,1); 
c=randi(50,1); 
d=randi(50,1); 



if X<=a*dt, 
    P(i+1)=P(i+1)+1; 
elseif X>a*dt && X<=(a+b)*dt 
    P(i+1)=P(i)-1; 
elseif X>(a+b)*dt && X<=(a+b+c)*dt 
    I(i+1)=I(i)-1; 
elseif X>(a+b+c)*dt && X<=(a+b+c+d)*dt 
    I(i+1)=I(i)+1;  
else %do nothing 
    P(i+1)=P(i); 
    I(i+1)=P(i); 
end 

% En utilisant randsample

Pvec=[a b c d (some value for doing nothing)]*dt; 
    Pvec=Pvec./sum(Pvec); 
    s=randsample(1:5,1,'true',Pvec); 

Ce n'est pas correct. Comment le feriez-vous efficacement?

C'est ce que je suis en train de faire, mais je ne pense pas que ce soit tout à fait raison ...

Mise à jour avec les populations concurrentes I et code P Sur la base de cet ensemble d'équations.

theta_P=0.15;delta_P=0.01;alpha_I=0.4;gamma_I=0.01;delta_I=0.005;lambda_I=0.05; 
m=100; % # runs 
time=10; % # Total time of simulation 
dt=0.01; % # Time step 
D=6000; T=10/dt; 

P=zeros(m,time/dt); I=zeros(m,time/dt); 

for i=1:m 
for j=1:time/dt   
    arrivalI=alpha_I+P(i,j)*lambda_I; 
    lossI=I(i,j)*gamma_I+P(i,j)*I(i,j)*delta_I; 

    if j<=T 
     alpha_P=D/T; 
    else 
     alpha_P=0; 
    end 

    arrivalP=alpha_P+P(i,j)*theta_P; 
    lossP=P(i,j)*I(i,j)*delta_P; 


    X=rand; 

Pvec=[arrivalI lossI arrivalP lossP]*dt;% 
Pvec=Pvec./sum(Pvec); 

s=randsample(1:4,1,'true',Pvec); 


if s==1 
    I(i,j+1)=I(i,j)+1;%; 
    P(i,j+1)=P(i,j); 
elseif s==2 
    I(i,j+1)=I(i,j)-1;% 
    P(i,j+1)=P(i,j); 
elseif s==3 

    P(i,j+1)=P(i,j)+1;% 
    I(i,j+1)=I(i,j); 
elseif s==4 

    P(i,j+1)=P(i,j)-1;%; 
    I(i,j+1)=I(i,j); 
else 

    P(i,j+1)=P(i,j); %check 
    I(i,j+1)=I(i,j); 
end 


end 

    subplot(2,2,1:2) 
%  
    if P(i,j)>5 
    loglog(abs(P(i,:)),'-r') 
%  
    else 
    loglog(abs(P(i,:)),'-b') 
%   
    end 
    hold on 
    axis([1 1e3 1 1e4]) 
end 

Answer 1

Je ne pense pas que vous pouvez reproduire votre premier bloc de code « le moyen facile » avec un appel à randsample. Le premier bloc de code génère P et I récursivement. Alors que randsample génère des échantillons avec ou sans remplacement de la population: 1:5 dans ce cas.

Vous pouvez essayer randseq (nécessite la boîte à outils Bioinformatics). En termes d'efficacité, il n'y a généralement aucun moyen de vectoriser une opération récursive.