我们知道prob参数 insample用于分配权重的概率。
例如，
table(sample(1:4, 1e6, replace = TRUE, prob = c(0.2, 0.4, 0.3, 0.1)))/1e6
# 1 2 3 4
#0.2 0.4 0.3 0.1
table(sample(1:4, 1e6, replace = TRUE, prob = c(0.2, 0.4, 0.3, 0.1)))/1e6
# 1 2 3 4
#0.200 0.400 0.299 0.100
在这个例子中，概率之和正好是 1 (0.2 + 0.4 + 0.3 + 0.1)，因此它给出了预期的比率，但如果概率之和不为 1 呢？它会给出什么输出？我认为这会导致错误，但它提供了一些价值。
当概率总和大于 1 时。
table(sample(1:4, 1e6, replace = TRUE, prob = c(0.2, 0.5, 0.5, 0.1)))/1e6
# 1 2 3 4
#0.1544 0.3839 0.3848 0.0768
table(sample(1:4, 1e6, replace = TRUE, prob = c(0.2, 0.5, 0.5, 0.1)))/1e6
# 1 2 3 4
#0.1544 0.3842 0.3848 0.0767
当概率总和小于 1 时
table(sample(1:4, 1e6, replace = TRUE, prob = c(0.1, 0.1, 0.5, 0.1)))/1e6
# 1 2 3 4
#0.124 0.125 0.625 0.125
table(sample(1:4, 1e6, replace = TRUE, prob = c(0.1, 0.1, 0.5, 0.1)))/1e6
# 1 2 3 4
#0.125 0.125 0.625 0.125
正如我们所看到的，多次运行会给出不等于的输出，prob但结果也不是随机的。在这种情况下，数字是如何分布的？它在哪里记录？
我尝试在互联网上搜索，但没有找到任何相关信息。我查看了文档，?sample其中有
可选的 prob 参数可用于给出权重向量，以获取被采样向量的元素。它们的总和不必为 1，但它们应该是非负数且不能全为零。如果 replace 为真，则当存在超过 200 个合理可能的值时使用 Walker 的别名方法 (Ripley, 1987)：这会产生与来自 R < 2.2.0 的结果不兼容的结果。
所以它说这个prob论点不需要总和为 1，但没有说明当它总和不为 1 时预期是什么？我不确定我是否遗漏了文档的任何部分。有人有任何想法吗？
All*_*ron 11
好问题。文档对此不清楚，但可以通过查看源代码来回答这个问题。
如果您查看 R 代码，sample总是调用另一个 R 函数，sample.int如果您将单个数字传递x给sample，它将sample.int用于创建小于或等于该数字的整数向量，而如果x是向量，则用于sample.int生成小于或等于 的整数样本length(x)，然后使用它对 x 进行子集化。
现在，如果您检查函数sample.int，它看起来像这样：
function (n, size = n, replace = FALSE, prob = NULL, useHash = (!replace &&
is.null(prob) && size <= n/2 && n > 1e+07))
{
if (useHash)
.Internal(sample2(n, size))
else .Internal(sample(n, size, replace, prob))
}
这.Internal意味着任何采样都是通过调用用 C 编写的编译代码完成的：在这种情况下，它是函数do_sample，在 src/main/random.c 中定义。
如果您查看此 C 代码，请do_sample检查它是否已传递prob向量。如果不是，则在相等权重的假设下进行采样。如果prob存在，该函数确保它是数字而不是 NA。如果prob通过这些检查，则会生成一个指向底层双精度数组的指针，并将其传递给 random.c 中另一个名为 的函数，在此处FixUpProbs定义。
此函数检查 的每个成员prob并在 的任何元素prob不是正有限双精度时抛出错误。然后它通过将每个数字除以所有数字的总和来标准化这些数字。因此prob，对于代码中固有的总和为 1，根本没有偏好。也就是说，即使prob输入中的总和为 1，该函数仍会计算总和并将每个数字除以它。
因此，该参数命名不当。正如这里的其他人指出的那样，它应该是“权重”。公平地说，文档只说prob应该是权重向量，而不是绝对概率。
所以prob我阅读代码的参数的行为应该是：
prob 可以完全不存在，在这种情况下，采样默认为相等的权重。prob数字小于零，或者是无限的，或者 NA，函数将抛出。prob值是非数字的，则应该抛出错误，因为它们将被解释为NA传递给 C 代码的 SEXP。prob必须x与 C 代码抛出的长度相同prob如果您指定了replace=T，您可以将零概率作为 的一个或多个元素传递，只要您至少有一个非零概率。replace=F，则请求的样本数必须小于或等于 中的非零元素数prob。本质上，FixUpProbs如果您要求它以零概率进行采样，则会抛出。prob向量将归一化为总和为 1 并用作采样权重。作为这种行为的一个有趣的副作用，如果您通过设置 probs = 在 2 个备选方案之间进行选择，则这允许您使用赔率而不是概率 c(1, odds)
如前所述，权重被归一化为总和为 1，可以证明：
> x/sum(x)
[1] 0.15384615 0.38461538 0.38461538 0.07692308
这与您的模拟表格数据相匹配：
# 1 2 3 4
#0.1544 0.3839 0.3848 0.0768