我有一组数据，我希望通过非参数方式的随机采样来近似，例如：
eventl=
4
5
6
8
10
11
12
24
32
为了实现这一目标，我最初将数据分类到某个值：
binsize = 5;
nbins = 20;
[bincounts,ind] = histc(eventl,1:binsize:binsize*nbins);
然后填充一个矩阵，其中包含所有可能的数字，这些数字由近似值可以选择：
sizes = transpose(1:binsize*nbins);
使用bin计数作为选择的权重，即bincount（1-5）= 2，因此选择1,2,3,4或5 = 2的权重，而（16-20）= 0所以16,17 ，18,19或20永远不会被选中，我只需要拿入bincounts并将它们复制到bin大小：
w = repelem(bincounts,binsize);
然后执行加权数字选择，我使用：
[~,R] = histc(rand(1,1),cumsum([0;w(:)./sum(w)]));
R = sizes(R);
由于某种原因，这种方法无法逼近数据。我的理解是，足够的采样深度，R的分箱版本与eventl的分箱版本相同，但是存在显着变化，并且通常在重量为0的箱中找到数据。
有人可以建议更好的方法来指出错误吗？