Hvordan man tar prøver fra data i R-dummies

Statistikere må ofte ta prøver av data og deretter beregne statistikk. Å ta et eksempel er enkelt med R fordi en prøve er egentlig ikke noe mer enn en delmengde av data. For å gjøre det, bruker du prøve (), som tar en vektor som input; så fortell du hvor mange prøver du skal tegne fra den listen.

Si at du ønsket å simulere ruller av en dør, og du vil få ti resultater. Fordi utfallet av et enkelt rulle av en dør er et tall mellom ett og seks, ser koden ut slik:

>> prøve (1: 6, 10, erstatt = TRUE) [1] 2 2 5 3 5 3 5 6 3 5

Du forteller prøve () for å returnere ti verdier, hver i rekkevidde 1: 6. Fordi hver rulle av dysen er uavhengig av alle andre riller av dysen, er du prøvetaking med erstatning. Dette betyr at du tar en prøve fra listen og tilbakestiller listen til sin opprinnelige tilstand (med andre ord, legger du elementet du nettopp har trukket tilbake til listen).

For å gjøre dette legger du til argumentet erstatte = TRUE, som i eksempelet.

Fordi returverdien til samplingsfunksjonen () -funksjonen er et tilfeldig bestemt nummer, vil du få forskjellige resultater hver gang du prøver denne funksjonen gjentatte ganger. Dette er den riktige oppførselen i de fleste tilfeller, men noen ganger vil du kanskje få repeterbare resultater hver gang du kjører funksjonen.

Dette skjer vanligvis bare når du utvikler og tester koden din, eller hvis du vil være sikker på at noen andre kan teste koden din og få de samme verdiene du gjorde. I dette tilfellet er det vanlig å angi en såkalt

frøverdi.

Hvis du oppgir en frøverdi, vil tilfeldig rekkefølgen bli reset til en kjent tilstand. Dette skyldes at R ikke oppretter virkelig tilfeldige tall, men bare pseudo-tilfeldige tall. En pseudo-tilfeldig sekvens er et sett med tall som virker for alle praktiske formål som tilfeldig, men genereres av en algoritme. Når du setter et startfrø for en pseudo-tilfeldig prosess, returnerer R alltid den samme pseudo-tilfeldige sekvensen.

Men hvis du ikke angir frøet, tegner R fra nåværende tilstand for tilfeldig talgeneratoren (RNG). Ved oppstart kan R angi et tilfeldig frø for å initialisere RNG, men hver gang du ringer det, starter R fra neste verdi i RNG-strømmen. Du kan lese hjelpen for? RNG for å få flere detaljer.

I R bruker du settet. frø () -funksjonen for å angi startverdi for frø. Argumentet for å sette. frø () er noe heltall verdi. >> sett. frø (1)> prøve (1: 6, 10, erstatt = TRUE) [1] 2 3 4 6 2 6 6 4 4 1

Hvis du tegner en annen prøve uten å sette frø, får du et annet sett Resultater, som du ville forvente: >> prøve (1: 6, 10, erstatt = TRUE) [1] 2 2 5 3 5 3 5 6 3 5

Nå, for å demonstrere det settet.frø () faktisk nullstiller RNG, prøv det igjen. Men denne gangen, sette frøet en gang til: >> sett. frø (1)> prøve (1: 6, 10, erstatt = TRUE) [1] 2 3 4 6 2 6 6 4 4 1

Du får nøyaktig de samme resultatene som den første tiden du brukte. frø (1).

Du kan bruke sample () til å ta prøver fra datarammens iris. I dette tilfellet vil du kanskje bruke argumentet erstatt = FALSK. Fordi dette er standardverdien til erstattningsargumentet, trenger du ikke å skrive det eksplisitt: >> sett. frø (123)> indeksindeks [1] 44 119 62 133 142> iris [indeks,] Sepal. Lengde Sepal. Bredd Kronblad. Lengde kronblad. Bredde Arter 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