匹配建模数据集的分布与观察数据集的分布？

Question

我有两个数据集。让我们假设它们看起来像这样简单：

observed <- data.frame(name = c("Jenny", "Mark", "James", "Amber", "Jamie"),
                   height = c(68, 69, 72, 63, 77), 
                   mood = c("content", "content", "melancholy", "happy", "melancholy"))
modeled <- data.frame(name = c("Alex", "Jimmy", "Sal", "Evelyn", "Maria", "George", "Hilary", "Donny", "Jose", "Luke", "Leia"),
                  height = c(74, 71, 68, 66, 80, 59, 67, 67, 69, 65, 72), 
                  mood = c("content", "content", "melancholy", "happy", "melancholy","content", "content", "melancholy", "happy", "melancholy", "happy"))

我想从建模中选择行，使得建模的$高度的分布尽可能接近观察到的$高度的分布。我需要保持行完整，而不是简单地匹配高度整数的分布。任何见解都会非常感激。

Answer 1

这是非常特别的，肯定有更好的方法，但这里有一个：

viewer.setLightPreset(4);
viewer.setQualityLevel(false, false);
viewer.setGhosting(true);
viewer.setGroundShadow(true);
viewer.setGroundReflection(true);
viewer.setEnvMapBackground(false);
viewer.setProgressiveRendering(true);

在我们做任何事之前，这是他们的样子：

my_sample <- dplyr::sample_n(modeled, nrow(observed))

然后我们选择一个更相似的样本：

plot(density(observed$height))
lines(density(my_sample$height), col = "red")

然后这是它的样子：

while(cor(observed$height, my_sample$height) < .99){
  my_sample <- dplyr::sample_n(modeled, nrow(observed))
}

随着更大的数据集，它们应该更加相似，其他条件不变。

你甚至可以稍微进一步（或者至少尝试一下，看看建模数据是否有足够的变化来解决这个问题）：

plot(density(observed$height))
lines(density(my_sample$height), col = "red")

现在，您可能遇到的一个问题是，您想要的建模样本是否必须包含比原始数据集更多的行。解决这个问题的一种方法是使用不需要样本长度的均值和/或其他汇总统计数据。另一种方法是使用样本的样本，或者从建模数据集的块中获取多个相关性。