Cara Mengambil Sampel dari Data dalam R - dummies

Ahli statistik sering mengambil sampel data dan kemudian mengira statistik. Mengambil contoh adalah mudah dengan R kerana sampel benar-benar tidak lebih daripada subset data. Untuk berbuat demikian, anda menggunakan sampel (), yang mengambil vektor sebagai input; maka anda memberitahu berapa banyak sampel yang diambil dari senarai itu.

Katakan anda ingin mensimulasikan gulung mati, dan anda ingin mendapatkan sepuluh hasil. Kerana hasil satu roll mati adalah nombor antara satu dan enam, kod anda kelihatan seperti ini:

>> sampel (1: 6, 10, ganti = TRUE) [1] 2 2 3 4 5 6 3 5

Anda memberitahu sampel () untuk mengembalikan sepuluh nilai, julat 1: 6. Oleh kerana setiap roll die adalah bebas daripada setiap roll mati yang lain, anda mengambil sampel dengan penggantian. Ini bermakna anda mengambil satu sampel dari senarai dan menetapkan semula senarai itu kepada keadaan asalnya (dengan kata lain, anda meletakkan elemen yang baru saja anda masukkan ke dalam senarai).

Untuk melakukan ini, anda menambah argumen yang menggantikan = TRUE, seperti contohnya.

Oleh kerana nilai pulangan fungsi sampel () adalah nombor yang ditentukan secara rawak, jika anda mencuba fungsi ini berulang kali, anda akan mendapat hasil yang berbeza setiap kali. Inilah tingkah laku yang betul dalam kebanyakan kes, tetapi kadang-kadang anda mungkin ingin mendapatkan hasil berulang setiap kali anda menjalankan fungsi.

Biasanya, ini akan berlaku hanya apabila anda membangun dan menguji kod anda, atau jika anda ingin memastikan bahawa orang lain boleh menguji kod anda dan mendapatkan nilai yang sama yang anda lakukan. Dalam kes ini, adalah kebiasaan untuk menentukan nilai benih yang dipanggil

.

Jika anda memberikan nilai benih, urutan nombor rawak akan ditetapkan semula kepada keadaan yang diketahui. Ini kerana R tidak mencipta nombor rawak, tetapi hanya nombor pseudo-rawak. Urutan pseudo-random adalah satu set nombor yang, untuk semua tujuan praktikal, nampaknya secara rawak tetapi dihasilkan oleh algoritma. Apabila anda menetapkan benih permulaan untuk proses pseudo-rawak, R sentiasa mengembalikan urutan pseudo-random yang sama.

Tetapi jika anda tidak menetapkan benih, R menarik dari keadaan semasa penjana nombor rawak (RNG). Pada permulaan R boleh menetapkan biji rawak untuk memulakan RNG, tetapi setiap kali anda memanggilnya, R bermula dari nilai seterusnya dalam aliran RNG. Anda boleh membaca Bantuan untuk? RNG untuk mendapatkan lebih terperinci.

Di R, anda menggunakan set. benih () berfungsi untuk menentukan nilai permulaan benih anda. Hujah untuk ditetapkan. benih () adalah sebarang nilai bulat. Set >>. biji (1)> sampel (1: 6, 10, ganti = TRUE) [1] 2 3 4 6 2 6 6 4 4 1

Jika anda menarik sampel yang lain, tanpa menetapkan benih, hasilnya, seperti yang anda jangkakan: >> sample (1: 6, 10, replace = TRUE) [1] 2 2 5 3 5 3 5 6 3 5

Sekarang, untuk menunjukkan set itu.benih () sebenarnya menetapkan semula RNG, cuba lagi. Tetapi kali ini, tetapkan benih sekali lagi: >> set. biji (1)> sampel (1: 6, 10, gantikan = TRUE) [1] 2 3 4 6 2 6 6 4 4 1

Anda mendapat keputusan yang sama seperti yang pertama kali digunakan. benih (1).

Anda boleh menggunakan sampel () untuk mengambil sampel dari iris bingkai data. Dalam kes ini, anda mungkin mahu menggunakan hujah ganti = FALSE. Kerana ini adalah nilai lalai penggantian argumen, anda tidak perlu menulisnya dengan jelas: >> set. benih (123)> indeks indeks [1] 44 119 62 133 142> iris [indeks,] Sepal. Panjang Sepal. Lebar Petal. Panjang kelopak. Spesies Lebar 44 5. 0 3. 5 1. 6 0. 6 setosa 119 7. 7 2. 6 6. 9 2. 3 virginica 62 5. 9 3. 0 4. 2 1. 5 versicolor 133 6. 4 2. 8 5. 6 2. 2 virginica 142 6. 9 3. 1 5. 1 2. 3 virginica