0

多項分布からサンプリングしたいと思います。サンプルを使用していくつかの確率を指定することでこれを行います。例: 3 つのカテゴリがあり、10 回サンプリングしたいと考えています。

> 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

私の設定は、次の点でのみ異なります: 多くの (1e09 など) の数値をサンプリングしたい。実際、私は各カテゴリの頻度にのみ関心があります。したがって、上記の例では、これは次のことを意味します。

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

これをできるだけ効率的に計算する方法を知っている人はいますか?

ありがとう、ステフィ

4

2 に答える 2

6

必要rmultinomです。

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
于 2011-10-27T12:28:06.917 に答える
1

長さ 1e9 のベクトルを RAM に収めることができないという問題がある場合は、より少ない数のサンプルについてテーブルを繰り返し計算し、合計を加算することができます。

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)

マックスが言ったように、あなたはrmultinomサンプルよりも好むかもしれません。rowSums彼のexperiments変数の を取ります。

于 2011-10-27T12:39:10.610 に答える