除了傑克關於p值的實用建議之外,函數還有很好的定義(如果不實用),所以我將給出有限精度的數學原因,這是行不通的。
.Machine$double.eps
是2.220446e-16
,這是您可以添加到1並獲得不同的最小數字。因此,從1差異,這是你得到的最小值。
> pf(80:90,1,200)
[1] 1 1 1 1 1 1 1 1 1 1 1
> sprintf("%.17f",pf(80:90,1,200))
[1] "0.99999999999999978" "0.99999999999999978" "0.99999999999999989"
[4] "0.99999999999999989" "1.00000000000000000" "1.00000000000000000"
[7] "1.00000000000000000" "1.00000000000000000" "1.00000000000000000"
[10] "1.00000000000000000" "1.00000000000000000"
> sprintf("%a", pf(80:90,1,200))
[1] "0x1.ffffffffffffep-1" "0x1.ffffffffffffep-1" "0x1.fffffffffffffp-1"
[4] "0x1.fffffffffffffp-1" "0x1p+0" "0x1p+0"
[7] "0x1p+0" "0x1p+0" "0x1p+0"
[10] "0x1p+0" "0x1p+0"
但是你可以使用近似$ 1-P = - \ LN(P)$,事實上,你可以得到日誌的p值更精確地
> -pf(80:90,1,200,log.p=TRUE)
[1] 2.540347e-16 1.770938e-16 1.236211e-16 8.640846e-17 6.047690e-17
[6] 4.238264e-17 2.974043e-17 2.089598e-17 1.470045e-17 1.035491e-17
[11] 7.303070e-18
你的意思是你想更多數字顯示?試試:options(digits = 15) 或者您需要知道R使用有限精度算術,您的答案在15或16位小數後不準確 – ThiS
這個練習的實際目的是什麼?如果概率非常低,那麼它的「確切」值應該不重要。然而,也許'pf(80:90,1,200,log.p = TRUE)'很有意思。 – Roland
閱讀http://stackoverflow.com/q/11328784/1412059 – Roland