2

最近我一直在研究统计模拟，在生成随机数据以匹配相关矩阵的规格后，我想将每一列转换为具有特定的均值和标准差。我在下面的代码中成功地做到了这一点，但它非常混乱，我想知道是否有更有效的方法来做到这一点。

    #Input Correlation Matrix
    sigma <- matrix(c(1.00, -0.03, 0.39, -0.05, -0.08,
                      -0.03, 1.00, 0.07, -0.23, -0.16,
                       0.39, 0.07, 1.00, -0.13, -0.29,
                      -0.05, -0.23, -0.13, 1.00, 0.34,
                      -0.08, -0.16 ,-0.29, 0.34, 1.00), nr=5, byrow=TRUE)
    rownames(sigma) <-c("Exercise", "Hardiness", "Fitness", "Stress", "Illness")
    colnames(sigma) <-c("Exercise", "Hardiness", "Fitness", "Stress", "Illness")

    #The Choleski Decomposition Random Data Generator
    N <- 373
    L = chol(sigma)
    nvars = dim(L)[1]

    # Random variables that follow the sigma correlation matrix
    r = t(L) %*% matrix(rnorm(nvars*N), nrow=nvars, ncol=N)
    r = t(r)

    sample = as.data.frame(r)

    #Transform to appropriate means and standard deviations
    sample$Exercise <- c(((sample$Exercise - mean(sample$Exercise))/sd(sample$Exercise))*66.5+40.9)
    sample$Hardiness <- c(((sample$Hardiness - mean(sample$Hardiness))/sd(sample$Hardiness))*3.8+0)
    sample$Fitness <- c(((sample$Fitness - mean(sample$Fitness))/sd(sample$Fitness))*18.4+67.1)
    sample$Stress <- c(((sample$Stress - mean(sample$Stress))/sd(sample$Stress))*6.7+4.8)
    sample$Illness <- c(((sample$Illness - mean(sample$Illness))/sd(sample$Illness))*624.8+716.7)
    sample <- as.data.frame(sample)

这是我希望简化的最后一段标记为“转换为适当的平均值和标准差”的代码。以下是每个列变量的均值和标准差（按顺序）：

    means <-c(40.9, 0, 67.1, 4.8, 716.7)
    sdevs <-c(66.5, 3.8, 18.4, 6.7, 624.8)

感谢您的帮助和愿意分享您的知识！我期待听到您的意见！

4

2 回答 2

5

您可以使用scale和sweep：

sample <- scale(as.matrix(sample),TRUE,TRUE)
sample <- sweep(sample,2,sdevs,"*")
sample <- sweep(sample,2,means,"+")
于 2013-06-16T11:57:26.523 回答
1

使用sapply你可以像这样循环你的列：

means <-c(40.9, 0, 67.1, 4.8, 716.7)
sdevs <-c(66.5, 3.8, 18.4, 6.7, 624.8)
mm <- colMeans(sample)
sapply(seq_along(mm),function(i){
   c(sample[,i] -mm[i]/sd((sample[,i])))*sdevs[i]+means[i]
})
于 2013-06-16T11:58:21.080 回答