每次一行取一个样本，计算均值，循环

Question

在R中，我有一个47行和30列的矩阵。每个单元格包含一个数值（从0.0到1.0不等）。有些细胞有＆＃34; NA＆＃34;而不是数值。

这就是我想做的事情：

1. 对于每一行，采样一个随机值，直到所有47行都被采样一次。只能采样数值（NA应该被忽略）。
2. 取这47个值，计算均值，然后存储均值。
3. 重复此过程10,000次。
4. 确定这10,000个手段的95％间隔（2.5％-97.5％）。
5. 绘制10,000个直方图，表示边界为2.5％和97.5％。
6. 确定观察值是否落在边界内部或外部。
7. 计算观察到的平均值的P值。

非常重要的是，每行（随机）只抽取一个样本，并且每次迭代都会对每一行进行一次采样。

我希望我不要求太多:-) 我感谢任何帮助！

Answer 1

首先让数据进行试验

set.seed(100)
example <- matrix(runif(47*30), nrow = 47)
example[sample(length(example), 250)] <- NA

现在我们可以计算出手段。 apply函数会对每行中的随机值进行采样（!is.na排除NA值），mean获取均值，replicate重复此次10000次。< / p>

exmeans <- replicate(10000, mean(apply(example, 1, 
                                 function(x) sample(x[!is.na(x)], 1))))

置信区间可以通过两种不同的方式计算。第一个使用示例均值作为经验分布并从中计算均值，第二个使用正态分布来计算概率。

confint <- quantile(exmeans, c(0.025, 0.975))
confint <- qnorm(c(0.025, 0.975), mean = mean(exmeans), sd = sd(exmeans))

接下来你想要的地块

hist(exmeans)
abline(v = confint, col = "red")

最后是p值信息。我们再一次可以使用经验分布或正态分布。这些为分布的下尾提供p值，对上尾使用1 - result。

newvalue > confint[1] & newvalue < confint[2]
ecdf(exmeans)(newvalue)
pnorm(newvalue, mean = mean(exmeans), sd = sd(exmeans))