Question

我正在处理的数据涉及30个人对60个案例的观察。我有4个类别的百分比列表作为我的起点。目标是向后工作并重新创建原始数据。

例如，案例33被30个观察者的13％，64％，23％和0％分类为＆＃39; 1＆＃39;＆＃39; 2＆＃39;，＆＃39; 3＆＃ 39;和＆＃39; 4＆＃39;分别。

      [1]  [2]  [3]  [4]
[33,]  13   64   23   0
[34,]   6   84   10   0
[35,]   7   55   38   0
[36,]   6   37   57   0
[37,]  44   34   21   0
[38,]   9   13   54  24

订单并不重要;事实上，随机观察者最好将案例33分类为＆＃39; 1＆＃39;＆＃39; 2＆＃39;重要的是，如上所述，它们应该大致相当于百分比。

我编写了一个可以为单个实例执行此操作的函数（请忽略可怕的质量）：

makeobs<-function (d){
  ncases<-round((d/100)*30)
  u<-1:30;u1<-1:30
  n1<-sample(u1, ncases[1]);u2<-u1[!u1 %in% n1]
  n2<-sample(u2, ncases[2]);u3<-u2[!u2 %in% n2]
  n3<-sample(u3, ncases[3]);u4<-u3[!u3 %in% n3]
  n4<-u4;
  u[n1]<-1;u[n2]<-2;u[n3]<-3;u[n4]<-4
  u
}

如果d为c(12, 64, 23, 0)，则makeobs会返回以下结果：

> d<-c(13, 64, 23, 0)
> makeobs(d)
 [1] 1 2 1 2 3 3 2 2 2 3 2 2 2 2 2 2 3 1 2 2 2 2 1 2 3 3 2 2 3 2
> table(makeobs(d))

 1  2  3 
 4 19  7

显然，该功能似乎适用于百分比向量。但是当我在60个案例的矩阵上使用apply时，它并没有。

这是错误消息：

sample.int中的错误（长度（x），大小，替换，概率）不能采取当“替换= FALSE＆＃39;
时，样本大于人口

我做错了什么？我希望能够最终解决这个问题，并了解我为什么错。任何帮助表示赞赏！

从百分比重新创建原始数据：如何随机分配类别以创建数据？

0 个答案: