我正在研究关于收入分配的项目......我想生成用于测试理论的随机数据 . 假设我有N = 5个国家，每个国家有n = 1000人口，我想为每个人口中的每个人产生随机收入（正态分布），收入的约束在0到1之间，并且在相同的平均值和不同的标准所有国家的偏差 . 我使用函数rnorm（n，meanx，sd）来完成它 . 我知道UNIFORM DISTRIBUTION（runif（n，min，max）有一些设置min，max但没有rnorm的参数 . 因为rnorm没有提供设置min和max值的参数 . 我必须编写一段代码检查随机数据集，看它们是否满足我的[0,1]约束 .
我成功生成了n = 100的收入数据 . 但是，如果我增加n = k次100，例如 . n = 200,300 ...... 1000 . 我的节目挂了 . 我可以看到为什么程序挂起，因为它只是随机生成数据而没有min，max的约束 . 因此，当我使用较大的n时，我将成功生成的概率小于n = 100 . 并且循环再次运行：生成数据，检查失败 .
从技术上讲，为了解决这个问题，我想把n = 1000分成小批量，比方说b = 100 . 由于rnorm在范围[0,1]中成功生成100个样本并且它是正态分布，如果我为每批100个样本分别运行10次100个样本的循环，它将很好地工作 . 然后，我会将10 * 100个样本的所有数据收集到一个1000的数据中，供以后分析 . 但是，在数学上说话，我不确定n = 1000的正态分布约束是否仍然通过这种方式得到满足 . 我附上了我的代码 . 希望我的解释对你很清楚 . 你的所有意见对我的工作都非常有用 . 非常感谢 .
# Update:
# plot histogram
# create the random data with same mean, different standard deviation and x in range [0,1]
# Generate the output file
# Generate data for K countries
#---------------------------------------------
# Configurable variables
number_of_populations = 5
n=100 #number of residents (*** input the number whish is k times of 100)
meanx = 0.7
sd_constant = 0.1 # sd = sd_constant + j/50
min=0 #min income
max=1 #max income
#---------------------------------------------
batch =100 # divide the large number of residents into small batch of 100
x= matrix(
0, # the data elements
nrow=n, # number of rows
ncol=number_of_populations, # number of columns
byrow = TRUE) # fill matrix by rows
x_temp = rep(0,n)
# generate income data randomly for each country
for (j in 1:number_of_populations){
# 1. Generate uniform distribution
#x[,j] <- runif(n,min, max)
# 2. Generate Normal distribution
sd = sd_constant+j/50
repeat
{
{
x_temp <- rnorm(n, meanx, sd)
is_inside = TRUE
for (i in 1:n){
if (x_temp[i]<min || x_temp[i] >max) {
is_inside = FALSE
break
}
}
}
if(is_inside==TRUE) {break}
} #end repeat
x[,j] <- x_temp
}
# write in csv
# each column stores different income of its residents
working_dir= "D:\\dataset\\"
setwd(working_dir)
file_output = "random_income.csv"
sink(file_output)
write.table(x,file=file_output,sep=",", col.names = F, row.names = F)
sink()
file.show(file_output) #show the file in directory
#plot histogram of x for each population
#par(mfrow=c(3,3), oma=c(0,0,0,0,0))
attach(mtcars)
par(mfrow=c(1,5))
for (j in 1:number_of_populations)
{
#plot(X[,i],y,'xlab'=i)
hist(x[,j],main="Normal",'xlab'=j)
}
3 回答
您可以规范化数据：
这是一个明智的简单方法......
测试出来：
感谢@PatrickPerry，这里是一个广义截断法线，再次使用逆CDF方法 . 它允许在正常和不同截断边界上使用不同的参数 .
测试出来：
这是我的看法 .
首先将数据标准化（在哪个阶段标准偏差丢失） . 之后，它适合
lower和upper参数指定的范围 .例：