从数据集中随机抽样，同时保留原始概率分布

Question

我有一组 >2000 个数字，是从测量中收集的。我想从这个数据集中抽样，每次测试约 10 次，同时保留总体概率分布，并在每次测试中（在大约可能的范围内）。例如，在每个测试中，我想要一些小值，一些中间 class 值，一些大值，均值和方差近似接近原始分布。结合所有的测试，我还想要所有样本的总均值和方差，近似接近原始分布。

由于我的数据集是long-tail probability distribution，每个分位数的数据量不一样：

图 1. ~2k 数据元素的密度图。

我正在使用 Java，现在我正在使用 uniform distribution，并使用数据集中的随机整数，以及 return 该位置的数据元素：

public int getRandomData() {
    int data[] ={1231,414,222,4211,,41,203,123,432,...};
    length=data.length;
    Random r=new Random();
    int randomInt = r.nextInt(length);
    return data[randomInt];
}

我不知道它是否如我所愿，因为我使用的数据是按测量的顺序使用的，具有很大的序列相关性。

Answer 1

如你所愿。数据的顺序无关紧要。

Answer 2

随机抽样保留概率分布。

从数据集中随机抽样，同时保留原始概率分布

Random sampling from a dataset, while preserving original probability distribution

java

sampling

probability-density