R语言入门第十讲：使用函数sample进行抽样

> x=1:10> sample(x,20,T) [1] 1 2 2 1 5 5 5 9 9 5 2 9 8

3 4 8 8 8 1 1

在上述代码中我们省略了参数

x

，

size

和

repalce

，

但是仍然可以运算并且表示对

x

向量有放回随机抽取

20

次。

我们之所以尽量在每次编写代码时带上参数是因为我觉得

这个习惯比较好，而且看起来 清楚明白。另外，省略参数的

前提是你非常熟悉某个函数参数的位置，否则一旦没有“对

位”,那么结果肯定是错误的。而且很多函数有较多的参数，

想 记住它们的位置是困难的。而如果带上参数，那么即使位

置不对应，也一样可以运算：< /p>

> x=1:10>

sample(size=20,replace=T,x=x) [1]

4

9

2

6

4

5

4

7 10

5

2

2

3

4

2

4

6

8

7

8

这种 优点显

而易见，不仅清楚，而且无需对应。另外我们也可以看出，

有放回抽样的话

size

可以无穷大，而无放回抽样

size

的大

小就取决于总体的容量了。对于掷 骰子，投硬币（这可能是

介绍抽样必介绍的内容）

，

这里要说明，

对于

函数，参数

x

可以是数值，也可以是字符，实

际上参数

x

< br>代表任意一个向量：

> a=c(

sample(x=a,size=10,replace=T) [1] < /p>

上述代码可以理解为掷硬币，抛了

10< /p>

次，其

中正面（

A

）与反面（

B

）出现的次数。

上述抽样过程，每一个元素被抽取的概率相等，称为随机抽

样。有时 候我们的抽取元素的概率未必相等（如常见的二项

分布概率问题）

，此时我们需要添加一个参数

prob

，也就是

“probability”（概率）的缩写。假设一名医生给患者做某手术

成功的概率是

80%

，那么现在他给

2 0

例病人做手术，可能

有哪几次是成功的呢？代码如下：

> x=c(

sample(x,size=20,repla ce=T,prob=c(0.8,0.2)) [1]

其中“S”代表成功，“F”代表失败。

>

x=c(1,3,5,7)

> sample(x,s ize=20,replace=T,prob=c(0.1,0.2,0.3,0.9))

[1] 3 5 7 3 7 3 7 5 3 7 7 7 1 5 7 5 7 7 3 7

这些代码告诉我们，

对每一个元素都可以给定一个概率， 且每个概率是独立的，

即在参数

prob

中，

不一定所有元素的概率加起来等于

1

，

它

只代表某元素被抽取的概率而已。

对于

sample

函数，其参数

x

可以是

R

中 任意一个对象（如