5

我正在尝试创建一个随机生成具有某些特定属性的值的数据集：

  • 所有大于 0 的正整数
  • 在具有相等总和的两列 (x, y) 中 (sum(x) == sum(y))
  • 具有近似正态分布

我已经成功地生成了接近我想要的数据，但它非常慢。我怀疑它很慢，因为 while 循环。 

simSession <- function(sessionid = 1) {
    s <- data.frame(sessionid = sessionid, userid = seq(1:12))
    total <- sample(48:72, 1)

    mu = total / 4
    sigma = 3

    s$x <- as.integer(rnorm(mean=mu, sd=sigma, n=nrow(s)))
    while(sum(s$x) > total) {
        # i <- sample(nrow(s), 1)
        i <- sample(rep(s$userid, s$x), 1)
        if(s[i, ]$x > 1) {
            s[i, ]$x <- s[i, ]$x - 1
        } else {
            s[i, ]$x = 1
        }
    }

    s$y <- as.integer(rnorm(mean=mu, sd=sigma, n=nrow(s)))
    while(sum(s$y) > sum(s$x)) {
        # i <- sample(nrow(s), 1)
        i <- sample(rep(s$userid, s$y), 1)
        if(s[i, ]$y > 1) {
            s[i, ]$y <- s[i, ]$y - 1
        } else {
            s[i, ]$y = 1
        }
    }

    s$xyr <- s$x / s$y

    return(s)
}

是否有明显的我遗漏的东西可以使这个问题更容易或更快的替代功能？

此外，能够指定使模式向左或向右倾斜的参数的奖励积分。

4

1 回答 1

0

如果您不介意期望值和方差相等，则可以使用泊松分布：

randgen <- function(n,mu) {
  x <- rpois(n,mu)
  y <- rpois(n,mu)

  d <- sum(y)-sum(x)

  if (d<0) {
    ind <- sample(seq_along(y),-d)
    y[ind] <- y[ind]+1
  } else {
    ind <- sample(seq_along(x),d)
    x[ind] <- x[ind]+1
  }

 cbind(x=as.integer(x),y=as.integer(y))
}

set.seed(42)
rand <- randgen(1000,15)

layout(c(1,2))    
qqnorm(rand[,1]); qqline(rand[,1])
qqnorm(rand[,2]); qqline(rand[,2])

在此处输入图像描述

is.integer(rand)
#[1] TRUE

sum(rand<0)
#[1] 0

colSums(rand)
#x     y 
#15084 15084

mean(rand[,1])
#[1] 15.084
mean(rand[,2])
#[1] 15.084

sd(rand[,1])
#[1] 4.086275
sd(rand[,2])
#[1] 3.741249
于 2013-04-26T17:06:25.547 回答