标签: random-sample

我想用预定义的最小值、最大值、平均值和 sd 值生成 10,000 个数字的随机分布。我已经按照此链接在 rnorm 中设置上限和下限以获得具有固定最小值和最大值的随机分布。但是，这样做时，平均值会发生变化。

例如，

#Function to generate values between a lower limit and an upper limit.
mysamp <- function(n, m, s, lwr, upr, nnorm) {
set.seed(1)
samp <- rnorm(nnorm, m, s)
samp <- samp[samp >= lwr & samp <= upr]
if (length(samp) >= n) {
return(sample(samp, n))
}  
stop(simpleError("Not enough values to sample from. Try increasing nnorm."))
} 
Account_Value <- mysamp(n=10000, m=1250000, s=4500000, lwr=50000, upr=5000000, nnorm=1000000)
summary(Account_Value)

# Min. 1st Qu.  Median    Mean 3rd …

这是一个有趣的问题:我需要生成随机x/y对,它们与Pearson积矩相关系数或Pearson r的给定值相关.您可以将其想象为两个数组,即数组X和数组Y,其中必须重新生成,重新排序或转换数组X和数组Y的值,直到它们在给定的Pearson r级别彼此相关.这是踢球者:数组X和数组Y必须是统一的分布.

我可以用正态分布做到这一点,但转换值而不会扭曲分布让我感到难过.我尝试重新排序数组中的值以增加相关性,但我永远不会通过排序使数组在1.00或-1.00处相关.

有任何想法吗？

-

这是随机相关高斯人的AS3代码,让车轮转动:

public static function nextCorrelatedGaussians(r:Number):Array{             
         var d1:Number;
         var d2:Number;
         var n1:Number;
         var n2:Number;
         var lambda:Number;
         var r:Number;
         var arr:Array = new Array();
         var isNeg:Boolean; 

        if (r<0){
            r *= -1;
              isNeg=true;
        }            
        lambda= (   (r*r)  -  Math.sqrt(  (r*r) - (r*r*r*r)  )     )   /   ((  2*r*r ) - 1  );

        n1 = nextGaussian();
        n2 = nextGaussian();           
        d1 = n1;            
        d2 = ((lambda*n1) + ((1-lambda)*n2)) / Math.sqrt( (lambda*lambda) + (1-lambda)*(1-lambda));

        if (isNeg) {d2*= …

我想编写一个map/reduce作业,根据行级条件从大型数据集中选择一些随机样本.我想最小化中间键的数量.

伪代码:

for each row 
  if row matches condition
    put the row.id in the bucket if the bucket is not already large enough

你做过这样的事吗？有没有众所周知的算法？

包含连续行的样本也足够好.

谢谢.

我想从正态分布中采样50,000个值,其中mean = 0和sd -1.但我想将值限制为[-3,3].我已编写代码来执行此操作,但不确定它是否最有效？希望得到一些建议.

lower <- -3 
upper <- 3
x_norm<-rnorm(75000,0,1)
x_norm<-x_norm[which(x_norm >=lower & x_norm<=upper)]
repeat{
    x_norm<-c(x_norm, rnorm(10000,0,1))
    x_norm<-x_norm[which(x_norm >=lower & x_norm<=upper)]
    if(length(x_norm) >= 50000){break}
}
x_norm<-x_norm[1:50000]

是否可以使用Jodatime生成随机日期时间,使得日期时间的格式为yyyy-MM-dd HH:MM:SS并且它应该能够生成两个随机日期时间,其中Date2减去Date1将大于2分钟但小于60分钟.请提出一些方法.

我正在尝试创建一个pandas系列.

该系列的一列应包含n个连续数字. [1, 2, 3, ..., n]

一列应包含k和之间的随机数k+100.

一列应包含列表中字符串之间的随机选择. ['A', 'B', 'C', ... 'Z']

我需要从ElasticSearch指数获得了随机抽样,即发出检索来自加权概率给定索引一些文档的查询Wj/?Wi(这里Wj是行的权重j,并Wj/?Wi在此查询所有文件的权重的总和).

目前,我有以下查询:

GET products/_search?pretty=true

{"size":5,
  "query": {
    "function_score": {
      "query": {
        "bool":{
          "must": {
            "term":
              {"category_id": "5df3ab90-6e93-0133-7197-04383561729e"}
          }
        }
      },
      "functions":
        [{"random_score":{}}]
    }
  },
  "sort": [{"_score":{"order":"desc"}}]
}

它随机返回所选类别中的5个项目.每个项目都有一个字段weight.所以,我可能不得不使用

"script_score": {
  "script": "weight = data['weight'].value / SUM; if (_score.doubleValue() > weight) {return 1;} else {return 0;}"
}

作为描述在这里.

我有以下问题:

• 这样做的正确方法是什么？
• 我是否需要启用Dynamic Sc​​ripting？
• 如何计算查询的总和？

非常感谢你的帮助!

我试图矢量化以下代码:

for i in xrange(s.shape[0]):
            a[i] = np.argmax(np.random.multinomial(1,s[i,:]))

s.shape = 400 x 100 [给定].

a.shape = 400 [预期].

s是2D矩阵,包含对的概率.期望多项式从s矩阵的每一行中抽取随机样本并将结果存储在向量a中.

以下帖子已经解决,问题是由于http://www.cplusplus.com/reference/random/piecewise_constant_distribution/上对公式的解释错误而引起的. 强烈建议读者考虑以下页面:http://en.cppreference .COM/W/CPP /数字/随机/ piecewise_constant_distribution

我有以下奇怪的现象让我感到困惑!:

给定的分段常数概率密度为

using RandomGenType = std::mt19937_64;
RandomGenType gen(51651651651);

using PREC = long double;
std::array<PREC,5> intervals {0.59, 0.7, 0.85, 1, 1.18};
std::array<PREC,4> weights {1.36814, 1.99139, 0.29116, 0.039562};

 // integral over the pdf to normalize:
PREC normalization =0;
for(unsigned int i=0;i<4;i++){
    normalization += weights[i]*(intervals[i+1]-intervals[i]);
}
std::cout << std::setprecision(30) << "Normalization: " << normalization << std::endl;
// normalize all weights (such that the integral gives 1)!
for(auto & w : weights){
    w /= …

我有一个大学毕业生数据库,想要提取大约1000条记录的随机数据样本.

我想确保样本代表人口,所以希望包括相同比例的课程,例如

我可以使用以下方法执行此操作:

select top 500 id from degree where coursecode = 1 order by newid()
union
select top 300 id from degree where coursecode = 2 order by newid()
union
select top 200 id from degree where coursecode = 3 order by newid()

但是我们有数百个课程代码,所以这将耗费时间,我希望能够将这些代码重用于不同的样本大小,并且不特别想要通过查询和硬编码样本大小.

任何帮助将不胜感激