我需要完成以下任务:我需要从截断的正态分布中生成数据。样本均值和标准差应与总体中指定的值完全匹配。这是我到目前为止所拥有的:
mean <- 100
sd <- 5
lower <- 40
upper <- 120
n <- 100
library(msm)
data <- as.numeric(mean+sd*scale(rtnorm(n, lower=40, upper=120)))
创建的样本正好采用总体中指定的均值和sd。但是某些值超出了预期范围。任何想法如何解决这个问题?我本来只是想切断所有这些界限之外的价值,但然后,平均值和标准差就不再与人口中的那些相似了。
最佳答案
您可以使用迭代答案。在此,我仅将样本一个一个地添加到 vector 中,但前提是所生成的缩放比例数据集保持在您设置的边界内。它需要更长的时间,但是可以起作用:
n <- 10000
mean <- 100
sd <- 15
lower <- 40
upper <- 120
data <- rtnorm(1, lower=((lower - mean)/sd), upper=((upper - mean)/sd))
while (length(data) < n) {
sample <- rtnorm(1, lower=((lower - mean)/sd), upper=((upper - mean)/sd))
data_copy = c(data, sample)
data_copy_scaled = mean + sd * scale(data_copy)
if (min(data_copy_scaled) >= lower & max(data_copy_scaled) <= upper) {
data = c(data, sample)
}
}
scaled_data = as.numeric(mean + sd * scale(data))
summary(scaled_data)
Min. 1st Qu. Median Mean 3rd Qu. Max.
40.38 91.61 104.35 100.00 111.28 120.00
sd(scaled_data)
15
在我的旧答案下面,它不能正常工作
如何用所需的均值和sd缩放
rtnorm
的上下限?n <- 1000000
mean <- 100
sd <- 5
library(msm)
data <- as.numeric(mean+sd*scale(rtnorm(n, lower=((40 - mean)/sd), upper=((120 - mean)/sd))))
summary(data)
Min. 1st Qu. Median Mean 3rd Qu. Max.
76.91 96.63 100.00 100.00 103.37 120.00
sd(data)
5
在这种情况下,即使使用1000000的样本,您也可以获得准确的均值和sd,最大值和最小值仍在边界内。
关于r - 从具有R的精确均值和sd的截断正态分布生成数据,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/45389565/