Question

我有一个包含11个变量的数据集。在这些变量中，有六个是数字变量，另外五个是基于数字变量值的有序因子（即有人得到62，然后他们得到了D，75等于，C等）。

现在，我知道我可以使用rnorm创建一个数据集，并为其提供每个变量的均值和标准差；但是，我的问题是rnorm是正态分布的（因此得名），而我的数据却存在负偏斜。

因此，有人可以告诉我如何创建一个保持原始分布的模拟数据集吗？换句话说，如何创建具有预定义的均值，最大值，最小值和标准偏差的偏态正态分布？

Answer 1

带有mtcars的小例子：

假设我们要生成cyl的随机样本，其值是4，6或8，但我们要匹配mtcars

首先，我们需要计算数据中每个值的概率：

set.seed(2)
library(tidyverse)

cyl_pct <- mtcars %>% group_by(cyl) %>% 
  summarize(count = n()) %>% 
  mutate(pct = count/sum(count)) %>% 
  select(pct) %>%
  unlist()

然后，我们使用实际数据中的概率进行采样：

mtcars2 <- data.frame(cyl = sample(c(4,6,8), 10000, replace = TRUE, prob = cyl_pct))

现在让我们检查一下：

mtcars2 %>% group_by(cyl) %>% 
      summarize(count = n()) %>% 
      mutate(pct = count/sum(count)) %>% 
      select(pct) %>%
      unlist()

  pct1   pct2   pct3 
0.3495 0.2193 0.4312

与mtcars

中的概率相比

   pct1    pct2    pct3 
0.34375 0.21875 0.43750

对于n中较大的sample，这些百分比将收敛到提供的值。

创建一个模拟数据集以保留数据的原始形状

1 个答案: