Question

我有一个像这样创建的密度对象dd：

x1 <- rnorm(1000) 
x2 <- rnorm(1000, 3, 2) 
x <- rbind(x1, x2)
dd <- density(x) 
plot(dd)

产生这种非高斯分布：

alt text http://www.cerebralmastication.com/wp-content/uploads/2009/09/nongaus.png

我最终希望得到这种分布的随机偏差，类似于rnorm如何偏离正态分布。

我试图解决这个问题的方法是获取我的内核的CDF，然后让它告诉我variate，如果我传递它的累积概率（反向CDF）。这样我可以将均匀随机变量的矢量转换为密度的绘制。

似乎我想要做的事情应该是别人在我之前所做的基本事情。这样做有简单的方法或简单的功能吗？我讨厌重新发明轮子。

FWIW我发现this R Help article但是我无法理解他们正在做什么，最终输出似乎没有产生我所追求的。但它可能是我不明白的一步。

我考虑过跟Johnson distribution from the suppdists package一起去，但约翰逊不会给我一个我的数据所具有的漂亮的双峰驼峰。

Answer 1

替代方法：

sample(x, n, replace = TRUE)

Answer 2

这只是法线的混合物。那么为什么不能这样：

rmnorm <- function(n,mean, sd,prob) {
    nmix <- length(mean)
    if (length(sd)!=nmix) stop("lengths should be the same.")
    y <- sample(1:nmix,n,prob=prob, replace=TRUE)
    mean.mix <- mean[y]
    sd.mix <- sd[y]
    rnorm(n,mean.mix,sd.mix)
}
plot(density(rmnorm(10000,mean=c(0,3), sd=c(1,2), prob=c(.5,.5))))

如果你需要的只是来自这种混合物分布的样品，这应该没问题。

使用R生成具有密度对象的随机随机偏差

2 个答案: