0
我有数据集概率优化
d<-data.frame(id=1:100, pr.a=runif(100,min=0, max=0.40))
d$pr.b=d$pr.a+runif(100,min=0, max=0.1))
d$pr.c=d$pr.b+runif(100,min=0, max=0.1)
pr.a < pr.b < pr.c是一个二项式试验的试验A成功的概率,B,C对个人(ID的)
另外
cost.a<-80; cost.b=200; cost.c=600;
试验A,B,C可在每个受试者被执行多次。例如,如果IDx的pr.a = 0.2,那么如果我进行这个测试2次,我认为成功概率为1-pbinom(0,2,0.2)
= 0.36,代价为2*cost.a
= 160
对于每个模态A,B ,C,在所有ID中,我想找到给定目标成功率所需成本的分布(可以说target=0.9
)
起初我想看看成本的分布,如果只有一个测试类型(仅A或仅C)应用于每个主题(尽管它可以在同一主题上多次执行)。
此外,我想找到如果组合的类型可以最小化目标成功率的成本。
这在我看来是一个优化问题。我没有经验优化。请有任何想法吗?