आर में रैखिक बैलिस्टिक संचायक (एलबीए) सिमुलेशन को संशोधित करना

Question

"लीनियर बैलिस्टिक एक्यूमुलेटर" मॉडल (एलबीए) गतिमान सरल निर्णय कार्यों में मानव व्यवहार के लिए एक सफल मॉडल है। डोनकिन एट अल (2009, पीडीएफ ) कोड प्रदान करते हैं जो मानव व्यवहार डेटा को दिए गए मॉडल के मापदंडों का अनुमान लगाने की अनुमति देता है, और मैंने इस कोड को यहां एक गिस्ट के साथ (कुछ मामूली स्वरूपण परिवर्तनों के साथ) कॉपी किया है । हालाँकि, मैं मॉडल को मामूली रूप से संशोधित करना चाहता हूं, लेकिन मुझे यकीन नहीं है कि कोड में इस संशोधन को कैसे प्राप्त किया जाए।

विहित मॉडल के साथ शुरू करने के लिए, एलबीए एक अजीब दौड़ में एक प्रतियोगी के रूप में प्रत्येक प्रतिक्रिया विकल्प का प्रतिनिधित्व करता है जैसे कि प्रतियोगी निम्नलिखित विशेषताओं में भिन्न हो सकते हैं:

• प्रारंभिक स्थिति: यह यू (0, एक्स 1) द्वारा बाध्य एक समान वितरण के अनुसार दौड़ से भिन्न होता है।
• गति: इसे किसी दिए गए दौड़ (कोई त्वरण) के भीतर स्थिर रखा जाता है, लेकिन एन (एक्स 2, एक्स 3) द्वारा परिभाषित गौसियन वितरण के अनुसार दौड़ से दौड़ में भिन्न होता है
• लाइन की स्थिति समाप्त करें (X4)

इस प्रकार, प्रत्येक प्रतियोगी के पास X1, X2, X3 और X4 के लिए मूल्यों का अपना सेट है।

दौड़ को कई बार दोहराया जाता है, प्रत्येक दौड़ के बाद विजेता और उनके समय को रिकॉर्ड किया जाता है। हर जीतने के समय में X5 का एक कंटेंट जोड़ा जाता है।

अब, मैं जो संशोधन करना चाहता हूं, वह है कि शुरुआती बिंदु से फिनिश लाइन तक परिवर्तनशीलता को स्वैप करना। यही है, मैं चाहता हूं कि प्रारंभ बिंदु सभी प्रतियोगियों और सभी दौड़ के लिए शून्य हो, जिससे एक्स 1 को समाप्त कर दिया जाए, लेकिन मैं एक पैरामीटर, एक्स 6 जोड़ना चाहता हूं, जो एक्स 4 पर केंद्रित एक समान वितरण की सीमा का आकार निर्दिष्ट करता है जिसमें से प्रत्येक प्रतियोगी का फिनिश लाइन प्रत्येक दौड़ के लिए नमूना है। इस मॉडल में, तब, प्रत्येक प्रतियोगी के पास X2, X3, X4 और X6 के लिए मान होंगे, और हमारे पास अभी भी X5 के लिए समग्र-प्रतियोगी मूल्य है।

अगर किसी को भी इस के साथ मदद करने को तैयार है मैं बहुत आभारी होंगे।

ओह, और LBA कोड I द्वारा लिंक किए गए चर नामों के लिए ऊपर वर्णित "X" नामित मापदंडों से एक मानचित्रण प्रदान करने के लिए: X1 = x0max; एक्स 2 = बहाव; X3 = sddrift; एक्स 4 = ची; X5 = टेर।

Comments

उपलब्ध कराए गए कोड में त्रुटियां हैं। आपके द्वारा तार्किक संचालकों के बीच में एक स्थान रखा जाता है, जैसे <=>, = =, ==, और! =।

— रुसैलपिएरेस

आप जो संशोधन सुझाते हैं, वह तुच्छ लगता है, समस्या यह है कि यह / बहुत / कोड में दफन है। फिट बनाने के लिए, इसे फिटर कहते हैं। फिटर स्पष्ट रूप से मॉडल को अपने मापदंडों को देता है और फिर वास्तविक फिट फ़ंक्शन को आशा में लपेटता है। अनुकूलित किया जा रहा कार्य obj है।

— रुसैलपिएरेस

Answer 1

यह पूर्ण उत्तर नहीं है। यह केवल एक संकेत देने का प्रयास है। मुझे LBA के बारे में कुछ नहीं पता, मुझे सिर्फ R कोड पसंद है, इसलिए आपकी मिल भिन्न हो सकती है।

कोड के उपयुक्त खंड को खोजने की कुंजी यह जान रही थी कि मूल्य टेर बस मॉडल गणनाओं के अंतिम परिणाम में जोड़ा गया था (और ओबज फ़ंक्शन से बैकट्रैकिंग जो कि आशा और पैरामीटर के रैपर 'फिटर' में है)। यही कारण है कि मुझे pqlba और lbameans तक ले जाना है। Lbameans में, t1 $ माध्य के अंत में Ter जोड़ा जाता है, बदले में n1mean फ़ंक्शन से व्युत्पन्न होता है, जो x0max, chi, drift और sdI के मापदंडों के रूप में स्वीकार करता है, जो कि अपने X1, X4 नामों के लिए उचित मिलान जैसा लगता था। लेकिन, कुछ भी नहीं lbameans, मुझे वापस pqlba के लिए अग्रणी। उस के माध्यम से खुदाई मैं उस pqlba (टेर को जोड़ने से पहले) को एक जोड़े के कार्यों के माध्यम से देख सकता है - और fppdf पर समाप्त होता है। इस बिंदु पर मैं स्तब्ध हूं।

अच्छी बात यह है कि, अगर मैं सही हूं, तो fptpdf में सभी प्रमुख खिलाड़ी मौजूद हैं। बुरा हिस्सा यह है कि, 1) यह देखने के लिए अधिक समय लगेगा कि क्या पैरामीटर अन्य चीजों को कर रहे हैं और fptpdf (शायद) से पहले नियंत्रित करने की आवश्यकता है, और 2) एक्स 1 (उर्फ x0max) को खत्म करना समस्याग्रस्त है क्योंकि फ़ंक्शन विभाजित है x0max द्वारा। इसे 0 पर सेट करना स्पष्ट समस्याओं का कारण बनता है (0 से विभाजित करना बुरा mkay है?)। इस प्रकार आपके द्वारा अपने लक्ष्यों को प्राप्त करने से पहले मॉडल कैसे काम कर रहा है, इसकी अधिक समझ आवश्यक है।

सौभाग्य।