根据我在 R 中的数据分布生成新的随机分布

Question

我有一个包含 27 个观测值的数据集以及相关的观测概率（介于 0 和 1 之间），如下所示

数据Prob_1Prob_2
1 .1 1
2 0 1
3 0 1
4 0 .8
5 .3 .5
6 .6 .2
7 .9 .1
8 1 0
9 1 0
10 .6 0
11 .2 0
12 .2 .1
13 .6 .3
14 .4 .4
15 .1 .5
16 .1 .3
17 .4 0
18 .7 0
19 1 0
20 1 .1
21 1 .4
22 .8 .8
23 .4 1
24 .2 1
25 .1 1
26 0 1
27 0 1

我想从这些分布中为 prob_1 和 prob_2 生成 100-250 个随机样本。我还想将它们与方差带一起绘制以查看随机样本如何变化。到目前为止我已经试过了


test_dist = sample(1:27,150,
                   replace=TRUE,
                   prob=c(1,1,1,.8,.5,.2,.1,0,0,0,0,.1,.3,.4,.5,.3,0,0,0,.1,.4,.8,1,1,1,1,1)
                  )

一旦我有了 test_dist，我不确定如何绘制它来查看为点 1 到 27 生成的新数据的概率和方差带。

我什至不确定这是否是根据我的分布生成随机样本分布的最佳方式。

谢谢！

Answer 1

主要思想

要从现有数据生成分布，您需要计算它的 mean 和 sd，您可以按如下方式进行操作。

(d_summary <- d %>% select(-Data,) %>% summarise_all(.funs = lst(mean,sd)))
    # A tibble: 1 x 4
  Prob_1_mean Prob_2_mean Prob_1_sd Prob_2_sd
        <dbl>       <dbl>     <dbl>     <dbl>
1       0.433       0.463     0.376     0.419

然后使用这些使用 rnorm 生成新的 150 个样本，如下所示。

with(d_summary, tibble(Id = 1:150,
                       prob_1_generated = rnorm(n = 150, mean = Prob_1_mean, sd = Prob_1_sd),
                       prob_2_generated = rnorm(n = 150, mean = Prob_2_mean, sd = Prob_2_sd)
                      )
     )

输出

# A tibble: 6 x 3
     Id prob_1_generated prob_2_generated
  <int>            <dbl>            <dbl>
1     1           0.0283           0.999 
2     2           0.525            0.447 
3     3           0.247            0.617 
4     4           0.519           -0.0744
5     5           0.817            0.520 
6     6           0.375            0.678

Answer 2

希望这就是您要找的。

d_out <- tibble(
  Id = 1:500,
  prob_1_sample = sample(d$Prob_1, 500, replace = T),
  prob_2_sample = sample(d$Prob_2, 500, replace = T)
)

输出数据

# A tibble: 500 x 3
      Id prob_1_sample prob_2_sample
   <int>         <dbl>         <dbl>
 1     1           0.8           0  
 2     2           1             1  
 3     3           0.8           0.3
 4     4           0.1           0  
 5     5           0.8           0  
 6     6           0.1           0.8
 7     7           0             0  
 8     8           0.6           1  
 9     9           1             1  
10    10           0.6           0.4
# ... with 490 more rows

输入数据

structure(list(Prob_1 = c(0.1, 0, 0, 0, 0.3, 0.6, 0.9, 1, 1, 
0.6, 0.2, 0.2, 0.6, 0.4, 0.1, 0.1, 0.4, 0.7, 1, 1, 1, 0.8, 0.4, 
0.2, 0.1, 0, 0), Prob_2 = c(1, 1, 1, 0.8, 0.5, 0.2, 0.1, 0, 0, 
0, 0, 0.1, 0.3, 0.4, 0.5, 0.3, 0, 0, 0, 0.1, 0.4, 0.8, 1, 1, 
1, 1, 1)), row.names = c(NA, -27L), class = c("tbl_df", "tbl", 
"data.frame")) ->d

注意：总是使用dput(your_data_frame)到post你的输入数据。

整洁的格式 使用 ggplot

可以轻松绘制

d_tidy <- d_out %>% pivot_longer(cols = -Id, names_to = "hist_name",values_to = "sample_values")

密度图

d_tidy %>% 
  ggplot(aes(x = sample_values, group = hist_name, color = hist_name))+
  geom_density()

输出

点范围图用于mean和sd比较。

d_tidy %>% 
  group_by(hist_name) %>% 
  summarise(Mean = mean(sample_values), SD = sd(sample_values)) %>% 
  ggplot(aes(x = factor(hist_name), y = Mean)) + 
  geom_pointrange(aes(ymax = Mean + SD, 
                      ymin = Mean - SD))

输出

根据我在 R 中的数据分布生成新的随机分布

Generate new random distributions based on distribution of my data in R

random

r

distribution