3

植生指数 (VI) の観測を含む大規模なデータセットがあります。Rを使用して、分布（相対頻度）を均一に保ちながらデータをランダムにサブサンプリングしています（VI範囲全体で観測量が等しい）。私は完全に均等な分布を得ることができませんでした。

例：

norm<-rnorm(1000, mean = .5, sd = .25) # I have this 

hist(norm) #that is distributed like this

hist(unif<-runif(1000, min=0, max=1)) # but I want to resample the data to look like this
4

3 に答える 3

3

逆入力分布の重み付けを使用したサンプル

あはは！私は 2 番目の解決策を考えました。これはおそらく最初の解決策よりも優れていると思います。これは、以下の反復ターゲット分布の最も近い選択のセクションで保持しています。

このsample()関数にはprob、入力ベクトルの要素の確率の重みを指定できるパラメーターがあります。このパラメーターを使用して、入力分布のまばらなセグメント (つまり、テール) で発生する要素を選択する確率を増やし、より密なセグメント (つまり、中央) で発生する要素を選択する確率を減らすことができます。dnorm()密度関数の単純な算術反転で十分だと思います。

テストデータ

set.seed(1L);
normSize <- 1e4L; normMean <- 0.5; normSD <- 0.25;
norm <- rnorm(normSize,normMean,normSD);

解決

unifSize <- 1e3L; unifMin <- 0; unifMax <- 1;
normForUnif <- norm[norm>=unifMin & norm<=unifMax];
d <- dnorm(normForUnif,normMean,normSD);
unif <- sample(normForUnif,unifSize,prob=1/d);
hist(unif);

hist-unif-1

反復ターゲット分布の最近傍選択

ターゲット (一様) 分布から一連のランダム偏差を生成します。偏差ごとに、それに最も近い入力 (正規) 分布から要素を見つけます。その要素をサンプルに選択することを検討してください。

一意の選択の数がサンプルの必要なサイズに達するか超えるまで、上記を繰り返します。必要なサイズを超えた場合は、正確に必要なサイズに切り捨てます。

を使用findInterval()して、一様偏差ごとに最も近い正規偏差を見つけることができます。これを正しく行うには、いくつかの調停が必要です。ソートする必要があるため、正規分布ベクトルをソートするfindInterval()必要vecがあります。そして、ターゲット分布の真の最小値であるゼロを に渡す最小値として使用する代わりにrunif()、入力セットに存在するゼロ以上の最小値を渡す必要があります。それ以外の場合、その値を下回る一様偏差は、一様分布の許容最小値を下回る入力要素と一致します。また、効率のために、呼び出すループを実行する前にfindInterval()、ターゲット分布の許容範囲 (つまり、[0,1]) 内にないすべての値を正規分布ベクトルから削除して、マッチング アルゴリズムに参加しないようにすることをお勧めします。とにかく一致させることができなかったので、それらは必要ありません。

ターゲット サンプル サイズが入力分布ベクトルよりも十分に小さい場合、結果のサンプルから入力分布の痕跡が除去されます。

テストデータ

set.seed(1L);
normSize <- 1e6L; normMean <- 0.5; normSD <- 0.25;
norm <- rnorm(normSize,normMean,normSD);

解決

unifSize <- 200L; unifMin <- 0; unifMax <- 1;
normVec <- sort(norm[norm>=unifMin & norm<=unifMax]);
inds <- integer();
repeat {
    inds <- unique(c(inds,findInterval(runif(unifSize*2L,normVec[1L],unifMax),normVec)));
    if (length(inds)>=unifSize) break;
};
length(inds) <- unifSize;
unif <- normVec[inds];
hist(unif);

hist-unif

1 つの注意点は、findInterval()技術的に最も近い要素を見つけるのではなく、検索値以下の要素を見つけることです。これが結果に大きな影響を与えるとは思いません。せいぜい、より小さな値を優先して選択を無限にバイアスしますが、均一な方法です。本当に必要な場合は、存在するさまざまな find-nearest オプションを調べることができます。たとえば、R: findnearest indexを参照してください。

于 2016-07-02T03:56:31.067 に答える
3

これはどうでしょうか。VI の範囲を同じ幅のビンに分割し、データをこれらのビンに入れます。分布の終わりに向かってよりも途中で、より多くのデータがビンに存在します。ビンでランダムに (等しい確率で) 選択し、ビンから 1 つの項目を選択します。

その考え方の 1 つのバリエーションは、VI の範囲内のポイントをランダムに (等しい確率で) 選択し、(x - dx/2) から (x + dx/2) までの間隔内にあるデータを見つけることです。ここで、dx少なくともいくつかのデータをキャッチするのに十分な大きさです。次に、その間隔から 1 つのデータを選択します (等確率で)。おそらくもっと多くのバリエーションがあります。

このような不均一なサンプリングの結果の 1 つは、テールから同じアイテムを何度も選択する可能性があることです。それを回避する方法はありません。それは避けられない結果のようです。しかし、私はそれについて間違っている可能性があります。

于 2016-07-02T00:38:55.073 に答える