R: select 基于概率的子集

Question

我是 R 的新手。我服从正态分布。

n <- rnorm(1000, mean=10, sd=2)

作为练习，我想根据从值导出的概率曲线创建一个子集。例如，对于 <5 的值，我想保留 25% 的随机条目，对于 >15 的值，我想保留 75% 的随机条目，对于 5 到 15 之间的值，我想线性插值概率选择范围在 25% 到 75% 之间。似乎我想要的是 "sample" 命令及其 "prob" 选项，但我不清楚语法。

Answer 1

sample() 中的 prob 选项给出了要采样的向量的概率权重。

https://www.rdocumentation.org/packages/base/versions/3.5.2/topics/sample

因此，如果我正确理解问题，您想要的是仅对小于 5 的值的 25% 和大于 75 的值的 75% 进行采样，依此类推。

那你就得用n参数

如文档所述

n 一个正数，可供选择的项目数。请参阅“详细信息”。

在那里你可以输入你想要的样本百分比乘以样本向量的长度。

对于您的最后一个示例，您可以将统一变量添加到运行从 .25 到 .75 runif()

希望对您有所帮助！

Answer 2

对于前两个子集，我们可以使用

idx1 <- n < 5
ss1 <- n[idx1][sample(sum(idx1), sum(idx1) * 0.25)]
idx2 <- n > 15
ss2 <- n[idx2][sample(sum(idx2), sum(idx2) * 0.75)]

而对于第三个，

idx3 <- !idx1 & !idx2
probs <- (n[idx3] - 5) / 10 * (0.75 - 0.25) + 0.25
ss3 <- n[idx3][sapply(probs, function(p) sample(c(TRUE, FALSE), 1, prob = c(p, 1 - p)))]

其中 probs 是 n[idx3] 的每个元素的线性插值概率。然后使用 sapply 我们为每个元素绘制 TRUE（取）或 FALSE（不取）。

R: select 基于概率的子集

R: select a subset based on probability

r

sample

probability