我正在尝试从数字矩阵中进行下采样。每个数字都是我们看到某个特定事件的次数。通过下采样，我的意思是我想从每一行中伪随机地选择值，以便它们等于当前值的1/30。
附件大致是我想离开的。这几乎是精确的减少，而不是我可能想要的稍微随机的东西，但这只是一个粗略的指导。
An example before and after table
Col 1 Col 2
Frank 930 900
David 10000 12000
Rosa 7500 6900
Simone 500 460
Col 1 Col 2
Frank 30 28
David 300 250
Rosa 210 310
Simone 18 40
目标是模拟我们是否进行了更少的实验。矩阵中的所有值都在0到200k之间。当前，每列大约有4.5万行，总和为30到4000万。目标是将下采样降低约30倍，因此我最终得到的每一列总计为1-150万。如有必要，它可以增加到大约200万，但不能真正低于100万。我不想将每个单元格除以30或随机抽样。
我最初的计划是填充一个列表，使每个行名称等于其出现的次数，而不是从该列表中随机选择一定的次数。有人建议我尝试使用rbinom函数，但无法弄清楚如何正确使用它。我已经介绍了我对rbinom的每个变体所做的工作，以及我从下面的每个变体中大致了解的内容。如果有人可以用正确的方向指出我，那就太好了。
我想得出一个矩阵，该矩阵具有与开始时相同的行数，其中每一列的总和在1到150万之间。只要保留行名，行的顺序就无关紧要。
我正在R中工作。
#Produces a list that's all 0s.
dbinom(foo$col1,1500000, 0.03)
#Produces a list that's all 0s
pbinom(foo$col1,1500000, 0.03)
#Produces a list that's mostly NAs
qbinom(foo$col1,1500000, 1/30)
#Gives insanely high numbers (~150000) on every row
rbinom(foo$col1,1500000, 0.03)
我尝试将其发布在Cross Validated上，但它更多是编程问题，而不是我认为的统计信息。