使用 Rcpp Sugar 将平均值和标准差传递到 dnorm()

我正在将一些 R 代码转换为 Rcpp 代码，并且需要计算给定均值向量和标准差向量的观察向量的可能性。如果我假设平均值为 0，标准差为 1，我可以编写这个函数（运行这个函数需要加载“inline”和“Rcpp”包），

dtest1 = cxxfunction(signature( x = "numeric"),
                      'Rcpp::NumericVector xx(x);
                       return::wrap(dnorm(xx, 0.0, 1.0));', 
                       plugin='Rcpp')

结果正如预期的那样。

> dtest1(1:3) 
[1] 0.241970725 0.053990967 0.004431848

但是，如果我尝试创建一个函数

dtest2 = cxxfunction(signature( x = "numeric", y="numeric", z="numeric" ),
                  'Rcpp::NumericVector xx(x);
                   Rcpp::NumericVector yy(y);
                   Rcpp::NumericVector zz(z);
                   return::wrap(dnorm(xx, yy, zz));',
                   plugin='Rcpp')

这将允许我以不同的方式传递，标准差会导致错误，如下所示。有没有办法实现我想要实现的功能，或者我确实需要手动编程正常密度？

Error

Error in compileCode(f, code, language = language, verbose = verbose) :   
    Compilation ERROR, function(s)/method(s) not created! file31c82bff9d7c.cpp: In function ‘SEXPREC* file31c82bff9d7c(SEXP, SEXP, SEXP)’:
file31c82bff9d7c.cpp:33:53: error: no matching function for call to 
     ‘dnorm4(Rcpp::NumericVector&, Rcpp::NumericVector&, Rcpp::NumericVector&)’
file31c82bff9d7c.cpp:33:53: note: candidates are:
/home/chris/R/x86_64-pc-linux-gnu-library/3.0/Rcpp/include/Rcpp/stats/norm.h:106:1: 
     note: template<int RTYPE, bool NA, class T> Rcpp::stats::D0<RTYPE, NA, T> Rcpp::dnorm4(const Rcpp::VectorBase<RTYPE, NA, VECTOR>&, bool)
/home/chris/R/x86_64-pc-linux-gnu-library/3.0/Rcpp/include/Rcpp/stats/norm.h:107:1: 
     note: template<int RTYPE, bool NA, class T> Rcpp::stats::D1<RTYPE, NA, T> Rcpp::dnorm4(const Rcpp::VectorBase<RTYPE, NA, VECTOR>&, double, bool)
/home/chris/R/x86_64-pc-linux-gnu-library/3.0/Rcpp/include/Rcpp/stats/norm.h:108:1: 
     note: template<int RTYPE, bool NA, class T> Rcpp::stats::D2<RTYPE, NA, T> Rcpp::dnorm4(const Rcpp::VectorBase<RTYPE, NA,
In addition: Warning message:
running command '/usr/lib/R/bin/R CMD SHLIB file31c82bff9d7c.cpp 2> file31c82bff9d7c.cpp.err.txt' had status 1

糖dnorm仅根据第一个参数进行向量化。

为了简化（它稍微复杂一些，但我们不需要在这里关心这个），调用

dnorm(xx, 0.0, 1.0)

使用过载

NumericVector dnorm( NumericVector, double, double )

第二个电话尝试使用类似的东西

NumericVector dnorm( NumericVector, NumericVector, NumericVector )

尚未实施。我们可以实现它，但它必须在我们的优先级列表中占据足够高的位置。

与此同时，编写一个小包装器很容易，例如（这不处理参数长度等......）：

NumericVector my_dnorm( NumericVector x, NumericVector means, NumericVector sds){
    int n = x.size() ;
    NumericVector res(n) ;
    for( int i=0; i<n; i++) res[i] = R::dnorm( x[i], means[i], sds[i] ) ;
    return res ;
}