对于一个科学项目,我正在寻找一种方法来生成一定范围内的随机数据(例如min = 0,max = 100000)与另一个已经存在的在R 。目标是稍微丰富数据集,这样我就可以生成一些更有意义的图形(不用担心,我正在使用虚构数据)。
例如,我想使用以下数据生成与r = - .78相关的随机值:
var1 <- rnorm(100, 50, 10)
我已经遇到了一些非常好的解决方案(即https://stats.stackexchange.com/questions/15011/generate-a-random-variable-with-a-defined-correlation-to-an-existing-variable),但只得到非常小的值,我无法转换,因此在其他原始值的上下文中有意义。
以下示例:
var1 <- rnorm(100, 50, 10)
n <- length(var1)
rho <- -0.78
theta <- acos(rho)
x1 <- var1
x2 <- rnorm(n, 50, 50)
X <- cbind(x1, x2)
Xctr <- scale(X, center=TRUE, scale=FALSE)
Id <- diag(n)
Q <- qr.Q(qr(Xctr[ , 1, drop=FALSE]))
P <- tcrossprod(Q) # = Q Q'
x2o <- (Id-P) %*% Xctr[ , 2]
Xc2 <- cbind(Xctr[ , 1], x2o)
Y <- Xc2 %*% diag(1/sqrt(colSums(Xc2^2)))
var2 <- Y[ , 2] + (1 / tan(theta)) * Y[ , 1]
cor(var1, var2)
我得到的var2值是介于-0.5和0.5之间的值。平均值为0.我希望有更多的分布式数据,所以我可以通过添加50来简单地对其进行转换,并且与我的第一个变量相比具有非常相似的范围。
你们中是否有人知道如何产生这种或多或少的数据?
提前多多感谢!
答案 0 :(得分:0)
如果您对所生成值的相关性和边际分布(即形状)感到满意,请将这些值(介于(-.5,+ 5)之间乘以100,000并添加50,000。
> c(-0.5, 0.5) * 100000 + 50000
[1] 0e+00 1e+05
编辑:这种做法,或任何其他10万&amp; 50,000个交换不同的数字,将是@ gregor-de-cillia推荐的“线性转换”的一个例子。
答案 1 :(得分:0)
从var1
开始,重命名为A
,并使用10,000点:
set.seed(1)
A <- rnorm(10000,50,10) # Mean of 50
首先将A
中的值转换为具有新的所需平均值50,000
并具有反比关系(即减去):
B <- 1e5 - (A*1e3) # Note that { mean(A) * 1000 = 50,000 }
这只会产生r = -1
。添加一些噪音以达到所需的r
:
B <- B + rnorm(10000,0,8.15e3) # Note this noise has mean = 0
# the amount of noise, 8.15e3, was found through parameter-search
这有你想要的相关性:
cor(A,B)
[1] -0.7805972
查看方式:
plot(A,B)
<强>注意强>
您的B
值可能会超出范围0 100,000
。如果您使用其他种子或生成更多数字,则可能需要过滤范围之外的值。
那就是说,目前的范围很好:
range(B)
[1] 1668.733 95604.457