从以从标准正态分布中提取的向量为条件的二项式分布中提取
Drawing from a binomial distribution conditional on a vector drawn from standard normal distribution
我正在尝试模拟数据，其中数据生成过程是 p(X, Y) = p(X)p(Z|X)，其中二进制 Z 的分布取决于 X 的值，即从标准正态分布生成。
X 由下面的代码生成。
X <- rnorm(100, 0, 1)
我如何生成以 X 为条件的向量 Y？
我最初的想法是以某种方式使用 X 生成概率向量 P，然后 运行 下面的代码，但没有成功。
sapply(P,function(Y){rbinom(1,1,Y)})
X 会在 -Inf 到 +Inf 之间变化，因此这不能作为二项分布所需的概率，但 pnorm(X) 会给你 0 到 1 的值，然后使用 ifelse() 语句将低于 .05 的值转换为 .05，将高于 .95 的值转换为 .95：
X <- rnorm(100) # 0, 1 are the default values
Xp <- pnorm(X) # transform to probabilities
Xp <- ifelse(Xp < .05, .05, ifelse(Xp > .95, .95, Xp)) # Bound the results
vals <- rbinom(length(Xp), 1, Xp) # Your binary values
我正在尝试模拟数据，其中数据生成过程是 p(X, Y) = p(X)p(Z|X)，其中二进制 Z 的分布取决于 X 的值，即从标准正态分布生成。
X 由下面的代码生成。
X <- rnorm(100, 0, 1)
我如何生成以 X 为条件的向量 Y？ 我最初的想法是以某种方式使用 X 生成概率向量 P，然后 运行 下面的代码，但没有成功。
sapply(P,function(Y){rbinom(1,1,Y)})
X 会在 -Inf 到 +Inf 之间变化，因此这不能作为二项分布所需的概率，但 pnorm(X) 会给你 0 到 1 的值，然后使用 ifelse() 语句将低于 .05 的值转换为 .05，将高于 .95 的值转换为 .95：
X <- rnorm(100) # 0, 1 are the default values
Xp <- pnorm(X) # transform to probabilities
Xp <- ifelse(Xp < .05, .05, ifelse(Xp > .95, .95, Xp)) # Bound the results
vals <- rbinom(length(Xp), 1, Xp) # Your binary values