sample_n 命令（replace=TRUE）的逻辑是什么？

Question

我对dplyr包中的sample_n命令（对于 replace=TRUE 情况）的逻辑感到困惑。我正在使用sample_n但我无法弄清楚我的样本是如何复制的，它背后的逻辑是什么？

当我查看采样数据时，变量之间的分数或特定比率不守恒。

Answer 1

dplyr::sample_n调用sample.int，所以我们会研究一下。想象一下，你有一个装有 10 个乒乓球的麻袋，按顺序编号。

• sample(..., replace=FALSE)意味着你把手伸进袋子里拿出一个乒乓球，记下号码，然后把它放在一边。您可以放心，您刚刚选择的号码不会再次从麻袋中取出。使用这种方法，您最多可以随机选择 10 个球（最后一个拉出的球应该确定其即将发生的价值）。

• sample(..., replace=TRUE)意思是你把手伸进袋子里，拿出一个乒乓球，记录号码，然后把球放回袋子里。你下一次伸入麻袋可能会拉出同一个球是可行的。使用这种方法，您可以从袋子中拉出（许多）超过 10 个球，认识到当拉出 10 个或更少球时您可能会重复，并且当您拉出超过 10 个球时肯定会重复。