我正在尝试执行分层引导,以从具有嵌套数据结构的大型数据集中获取一些样本均值。
我有一个与此类似的数据集:
ball <- c(1:13)
box <- c('1', '1', '1', '1', '2', '2', '2',
'3', '3', '3', '3', '3', '3')
triangles <- c(1,0,1,3,1,1,2,2,0,1,1,0,4)
df <- data.frame(cbind(ball, box, triangles))
df
--
ball box triangles
1 1 1
2 1 0
3 1 1
4 1 3
5 2 1
6 2 1
7 2 2
8 3 2
9 3 0
10 3 1
11 3 1
12 3 0
13 3 4
这个想法是有三个盒子,每个盒子里都有许多球。每个球上都有许多三角形,因此看起来像这样:
我在这里的目标是使用自举法来估计每个球上三角形的平均数量,同时控制球位于哪个盒子中。
我希望模拟从盒子中替换10,000次,每次随机拉出一个盒子,然后随机替换n次,对球进行采样,其中n是盒子中的球数(即,如果盒子1是选中后,仿真将随机对这四个球进行四次采样,最终得到任意数量的响应,例如,球1,球1,球3,球4)。
我希望它然后计算它采样的球上的三角形数量的平均值,存储该值,然后对一个新的盒子进行采样,从而重复该过程。
到目前为止,我已经尝试过使用rsample方法(在此描述:https://www.r-bloggers.com/bootstrapping-clustered-data/),如下所示:
#we need to sample groups aka boxes from
#the dataframe so use list-columns in
#tibbles
library(tidyverse)
library(tibble)
library(rsample)
Test <- df %>% nest(-box)
head(Test)
#now use bootstraps on this new tibble to
#sample by ID
set.seed(002)
testbs <- bootstraps(Test, times = 10)
testbs
#let's look at one of the bootstrap
#samples
as_tibble(testbs$splits[[1]]) %>% head()
#we can unnest the tibble and assess the
#averages by box
bs_avgtri<- map(testbs$splits,
~as_tibble(.) %>% unnest() %>%
group_by(box) %>%
summarize(mean_tri =
mean(triangles))) %>%
bind_rows(.id = 'boots')
bs_avgtri
但是,我认为这是有缺陷的,因为我是如何嵌套数据的。而且我得到的输出没有意义,经常显示多个引导程序级别。因此,我倾向于认为它出了问题,但是我也不确定如何真正解析出不同功能的作用。
我也知道我所借鉴的方法并不是真正意义上的我正在做的事情,我正在尝试用杰瑞钻机做这件事的一种方式,但我认为它并没有满足我的需求。要做。
我能想到的唯一另一种方法是编写一对嵌套的for循环,但是我对R中的for循环并不满意,我相当确定有更好的方法。
如果有人对此有任何见解,我将非常感谢!!!!
答案 0 :(得分:1)
我对rsample
不太了解。
但是根据您的描述,我认为基本函数sample
就足够了。
我写了一个简单的版本来达到平均值(基于我的理解)。看看那是否是您想要的。
set.seed(100)
ball <- c(1:13)
box <- c('1', '1', '1', '1', '2', '2', '2',
'3', '3', '3', '3', '3', '3')
triangles <- c(1,0,1,3,1,1,2,2,0,1,1,0,4)
names(ball) = box
names(triangles) = ball
sample_balls = function(input_ball){
chosen_box = sample(names(input_ball), 1, replace = T)
chosen_balls = ball[which(names(input_ball) == chosen_box)]
sampled_balls = sample(chosen_balls, length(chosen_balls), replace = T)
return(sampled_balls)
}
nTriangles = unlist(lapply(1:100, function(x){
nTriangle = triangles[sample_balls(ball)]
}))
mean(nTriangles)
#> [1] 1.331237
答案 1 :(得分:1)
tidyr::crossing
对于仿真非常方便。
library("tidyverse")
ball <- c(1:13)
box <- c('1', '1', '1', '1', '2', '2', '2',
'3', '3', '3', '3', '3', '3')
triangles <- c(1,0,1,3,1,1,2,2,0,1,1,0,4)
df <- tibble(ball, box, triangles)
df %>%
# How many times do you want to run the simulation?
crossing(rep = seq(3)) %>%
# Next describe the sampling.
# For each simulation and for each box...
group_by(rep, box) %>%
# randomly sample n() balls with replacement,
# where n() is the number of balls in the box.
sample_n(n(), ball, replace = TRUE) %>%
# Compute the mean number of triangles (for each replicate, for each box)
summarise(triangles = mean(triangles))
#> # A tibble: 9 x 3
#> # Groups: rep [3]
#> rep box triangles
#> <int> <chr> <dbl>
#> 1 1 1 1.5
#> 2 1 2 1.67
#> 3 1 3 2
#> 4 2 1 2
#> 5 2 2 1.33
#> 6 2 3 1.33
#> 7 3 1 2
#> 8 3 2 1.67
#> 9 3 3 1.5
由reprex package(v0.2.1)于2019-03-04创建