如何生成准确的数据?
在 R 中,我们可以选择rnorm
从具有某些特征(例如,mean=0,sd=1)的总体中进行抽样,但是我们如何获得具有完全mean=0,sd=1 的数据呢?
这是一个简单的例子。我也会对应用获取精确数据的方法的更通用方法感兴趣(例如,精确相关性为 0.2 的多元数据)
简单地扩展您的结果。在单变量情况下:
set.seed(21)
x <- rnorm(1000)
mean(x)
sd(x)
y <- x-mean(x)
y <- y/sd(x)
mean(y) # within floating point precision of 0
sd(y)
多变量案例涉及更多,但可能。
听起来你想要 MASS 包中的 mvrnorm 。
sigma <- matrix(c(1.0, 0.0, -0.5,
0.0, 1.0, 0.5,
-0.5, 0.5, 1.0), 3, byrow = TRUE)
mat <- mvrnorm(10, c(0,0,0), sigma, empirical = TRUE)
cor(mat)
# [,1] [,2] [,3]
#[1,] 1.0 0.0 -0.5
#[2,] 0.0 1.0 0.5
#[3,] -0.5 0.5 1.0
请注意,通过为每个组选择 1 的 SD,我简化了事情,因为协方差将等于相关性,但您可以通过记住相关性是协方差除以 SD 的乘积来概括这一点。
(请注意,当您运行代码时,您可能无法获得准确的值,而是机器精度范围内的值......这是我们所希望的)
您可以简单地重新调整数据。
n <- 100
x <- rnorm(n)
x <- ( x - mean(x) ) / sd(x)
mean(x) # 0, up to machine precision
sd(x) # 1
您还可以使用ppoints
均匀分布的点(不过,您仍然需要重新缩放)。
x <- qnorm( ppoints(n) )
x <- ( x - mean(x) ) / sd(x)
mean(x)
sd(x)
在更高维度,转换有点棘手。如果x
是高斯向量,均值为 0,方差为单位矩阵,C %*% x
则为高斯向量,均值为 0,方差矩阵为V = CC'
。
C
是 的 Cholesky 变换V
;它可以看作是(对称,半正定)矩阵的平方根的类似物。
实际上需要其中两个转换:第一个将方差设置为恒等,第二个将其设置为所需值。
# Desired variance matrix
V <- matrix( c(1,.2,.2, .2,1,.2, .2,.2,1), 3, 3 )
# Random data
n <- 100
k <- 3
x <- matrix( rnorm(k*n), nc=3 )
# Set the mean to 0, and the variance to the identity
x <- t( t(x) - colMeans(x) )
colMeans(x) # 0
C1 <- chol(var(x))
x <- x %*% solve(C1)
var(x) # identity matrix
# Set the variance to the desired value
C2 <- chol(V)
x <- x %*% C2
var(x) - V # zero