Question

我想从多项分布中抽样。我会通过使用示例并指定一些概率来做到这一点。例如：我有3个类别，我想抽样10次。

> my_prob = c(0.2, 0.3, 0.5)
> x = sample(c(0:2), 100, replace = T, prob = my_prob)
> head(x)
[1] 2 0 2 1 1 2

我的设置现在仅在以下方面有所不同：我想抽样很多（例如1e09）数字。实际上我只对每个类别的频率感兴趣。所以在上面提到的例子中，这意味着：

> table(x)
x
 0  1  2 
27 29 44

有人知道如何尽可能高效地计算它吗？

感谢，斯特芬

Answer 1

您需要rmultinom。

my_prob <- c(0.2,0.3,0.5)
number_of_experiments <- 10
number_of_samples <- 100
experiments <- rmultinom(n=number_of_experiments, size=number_of_samples, prob=my_prob)
experiments

     [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
     [1,]   14   18   15   19   14   17   23   18   24    15
     [2,]   33   34   36   30   40   30   27   38   24    30
     [3,]   53   48   49   51   46   53   50   44   52    55

Answer 2

如果问题是您无法将长度为1e9的向量拟合到RAM中，那么您可以重复计算表格以获得较少数量的样本并将总数加起来。

n_total <- 1e9
n_chunk <- 1e6
n_iter <- n_total / n_chunk
my_prob = c(0.2, 0.3, 0.5)
totals <- numeric(3)
for(i in seq_len(n_iter))
{
  totals <- totals + table(sample(0:2, n_chunk, replace = TRUE, prob = my_prob))
}
totals
stopifnot(sum(totals) == n_total)

与Max said一样，您可能更喜欢rmultinom超过样本。获取rowSums变量的experiments。

从带有样本的多项分布中抽取一个巨大的样本（1e09）

2 个答案: