如何生成随机分类数据？

15

假设我有一个类别变量，该变量可以取值A，B，C和D。如何生成10000个随机数据点并控制每个数据点的频率？例如：

A = 10％B = 20％C = 65％D = 5％

有什么想法可以做到这一点吗？

random-variable

— 用户333
source

35

您是否希望样本中的比例与所述比例完全相同？还是代表从具有这些比例的非常大的人群中抽样的想法（因此抽样比例将接近但不精确）？

如果需要精确的比例，则可以遵循Brandon的建议，并使用R sample函数随机化具有精确比例的向量的顺序。

如果要从总体中采样，但不限制比例精确，则仍可以将sampleR中的函数与prob参数一起使用，如下所示：

> x <- sample( LETTERS[1:4], 10000, replace=TRUE, prob=c(0.1, 0.2, 0.65, 0.05) )
> prop.table(table(x))
x
     A      B      C      D 
0.0965 0.1972 0.6544 0.0519

— 格雷格·斯诺（Greg Snow）
source

6

使用R（http://cran.r-project.org/）。我在这里所做的只是创建一个具有指定比例的随机列表。

x <- c(rep("A",0.1*10000),rep("B",0.2*10000),rep("C",0.65*10000),rep("D",0.05*10000))
# cheating    
x <- sample(x, 10000) 


prop.table(summary(as.factor(x)))

/ me耐心等待有关这到底有多随机的争论

— 布兰登·贝特尔森（Brandon Bertelsen）
source

5

您可以缩短/简化第一行，x <- rep( c("A","B","C","D"), 10000*c(0.1,0.2,0.65,0.05) )并且不需要在样本调用中指定10000，这将是默认设置（尽管为清楚起见，指定它不会有任何伤害）。

— 格雷格·斯诺

3

    n <- 10000
    blah <- character(n)
    u <- runif(n)
    blah[u<=0.1] <- "A"
    blah[u>0.1 & u<=0.3] <- "B"
    blah[u>0.3 & u<=0.95] <- "C"
    blah[u>0.95] <- "D"
    table(blah)
    prop.table(summary(as.factor(blah)))

我毫不怀疑这确实是随机的。我的意思是，runif()就随机而言:)

— 斯塔克
source

4

如果期望的频率确实是概率，则将prob参数用于sample()以下情况会更容易：sample(LETTERS[1:4], 10000, replace=TRUE, prob=c(0.1, 0.2, 0.65, 0.05))

— caracal

是的，这很可爱。我的只是蛮力。

— StasK 2011年

我实际上对此表示赞同，因为它显示了 sample(,prob=)工作原理（至少在波兰语中它被称为轮盘赌算法）。

2

如果您是SAS用户，则最新版本提供了类似的功能，可以从其所谓的“表”分发中提取信息（这是您要查找的内容），作为Rand（）函数的一部分。请参阅http://support.sas.com/documentation/cdl/zh-CN/lrdict/64316/HTML/default/viewer.htm#a001466748.htm

— 方铁
source