根据我之前的问题:“Random sampling from a dataset, while preserving original probability distribution”，我想从测量中收集的一组 >2000 个数字中进行采样。我想执行多项测试(每次测试中最多抽取 10 个样本)，同时保留整个测试过程和每次测试中的概率分布(尽可能多)。现在，我不再是完全随机采样，而是将数据划分为 5 个分位数，并在 10 次测试中，从每个分位数中采样 2 个数据元素，对每个分位数中的数据数组使用均匀随机分布。
完全随机抽样的问题是，由于数据分布是长尾的，我在每次测试中得到几乎相同的值。我想要在每次测试中使用一些小值样本、一些中值样本和一些大值样本。所以我按照描述进行了采样。
图 1. 约 2k 个数据元素的密度图。
这是计算分位数的 R 代码:
q=quantile(data, probs = seq(0, 1, by= 0.1))
然后我将数据划分为 5 个分位数(每个分位数作为一个数组)并从每个分区中进行采样。例如，我在 Java 中执行此操作:
public int getRandomData(int quantile) {
int data[][] = {1,2,3,4,5}
,{6,7,8,9,10}
,{11,12,13,14,15}
,{16,17,18,19,20}
,{21,22,23,24,25}};
length=data[quantile][].length;
Random r=new Random();
int randomInt = r.nextInt(length);
return data[quantile][randomInt];
}
那么，每个测试和所有测试的样本是否保留了原始分布的特征，例如均值和方差？如果不是，如何安排抽样来达到这个目标？
最佳答案
preserve the characteristics of the original distribution, for example mean and variance?
这将具有类似的分布。您可能需要进行额外的检查以确保它满足您的要求，也许再试一次，但这将使您接近。
If not, how to arrange sampling to achieve this goal?
除非您有所有数据的重复，即所有数据都加倍，否则您需要每个样本值之一。这是获得完全相同的分布的唯一方法。
关于java - 从数据分位数中随机采样，同时保留原始概率分布，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/32550059/