我想知道如何实现一种方法来获取R中较大样本中的随机子样本,使用大量真正的随机数(使用量子生成器获得),这些样本是可以有多个整数的整数发生。随机抽样
__
编辑:解决方案。
由于我需要一个出让和我的生成的数字中一个float64最终被唯一的(由于高的精度),我已经使用了下列溶液:
1)生成尽可能多的数字作为长度(数据)
2)
temp<-cbind(data,randomnb)
randomizeddata<-res[order(res[,2])]
3)拆分数据集
我想知道如何实现一种方法来获取R中较大样本中的随机子样本,使用大量真正的随机数(使用量子生成器获得),这些样本是可以有多个整数的整数发生。随机抽样
__
编辑:解决方案。
由于我需要一个出让和我的生成的数字中一个float64最终被唯一的(由于高的精度),我已经使用了下列溶液:
1)生成尽可能多的数字作为长度(数据)
2)
temp<-cbind(data,randomnb)
randomizeddata<-res[order(res[,2])]
3)拆分数据集
假设v
是您的数据和r
是真正的随机数(缩放,使得它们的范围从0
到1
):
> v <- runif(100)
> r <- runif(10) # using psedo-random numbers for demo purposes
> v[r * length(v) + 1]
这将选择从v
10个随机元(带替换) 。
我不知道你的意思是说R的内部随机数发生器不符合你的标准,所以用它来随机选择一个你想象中的伪随机数字的子集会破坏它们的目的。所以,也许你的意思是你想用你预先生成的随机#来生成它自己的一个子集?或者我对此太可爱了? ;) – joran
@delphine:知道为什么伪随机数在这种情况下不好,这将是有趣的。 (R使用Mersenne Twister,这对于大多数用途来说已经足够了;还有其他通过'randtoolbox'软件包提供的出血边缘算法。) –