我试图从R中的一个小人群中模拟更广泛的人口,如下所示:
idata <- subset(data, select=c(WT, AGE, HT, BFP, SEX) )
M= cor(idata)
mu <- sapply(idata, mean)
sd <- sapply(idata, stdev)
sigma=cor2cov(M, sd)
simulation <- as.data.frame(mvrnorm(1000, mu, sigma))
但问题是,对于SEX,代码将考虑连续分布,而它必须是二元的,并且必须充分考虑性别的影响(SEX == 1),或者根本不考虑(SEX = = 0)。我很欣赏这方面的任何帮助。 感谢
答案 0 :(得分:1)
您应该做的是考虑您的数据包含两个子群体,然后根据它们的比例从中抽取数据。
所以,首先估算比例,pi_m
和pi_f (= 1 - pi_m)
,它们是SEX == 0和SEX == 1的比例。这应该是类似的
pi_m = sum(idata$SEX == 1)/ nrow(idata)
然后估算两个种群的参数mu_f
,mu_m
,sigma_f
和sigma_m
,它们是两个性别群体的均值和协方差参数(现在没有SEX变量)。
首先绘制一个随机数r <- runif(1)
,如果它小于等于pi_m,则从N(mu_m, sigma_s)
生成来自N(mu_f, sigma_f)
的样本。
您可以执行此步骤1000次以从您的发行版中获取1000个样本。
当然,您可以通过首先从runif
生成1000个样本来对此进行矢量化。例如
n_m <- sum(runif(1000) <= pi_m)
n_f <- 1000 - n_m
X_m <- rmvnorm(n_m, mu_m, sigma_m)
X_f <- rmvnorm(n_f, mu_f, sigma_f)
X <- rbind(X_m, X_f)