如何在R或Python中模拟具有精确均值和标准差的1-5整数

问题背景 #

直接对正态分布的浮点数模拟结果取整后，得到的整数数据无法严格匹配预设的均值（mu）和标准差（sigma），比如执行以下R代码后，结果的统计量会偏离目标值：

mu <- 3
sigma <- 1.5
N <- 100
sims <- round(rnorm(N, mu, sigma), 0)

解决方案 #

可以通过迭代调整法修正数据，让最终的整数数据严格贴合目标均值和标准差，步骤如下：

• 先生成初始的整数模拟数据（比如用round(rnorm(N, mu, sigma),0)）
• 计算当前数据的均值和标准差，与目标值做对比
• 逐步调整数据中的个体值：先优先调整对标准差影响小的数值修正均值，再调整对标准差影响大的数值修正标准差，直到两个统计量都精确匹配目标值

以下是实现该逻辑的R代码：

generate_integer_data <- function(target_mu, target_sigma, N) {
  # 生成初始整数数据
  data <- round(rnorm(N, target_mu, target_sigma), 0)
  
  # 迭代修正均值
  current_mu <- mean(data)
  while (abs(current_mu - target_mu) > 1e-6) {
    diff <- target_mu - current_mu
    # 选与当前均值偏差最小的数调整，减少对标准差的影响
    adjust_idx <- which.min(abs(data - current_mu))
    data[adjust_idx] <- data[adjust_idx] + sign(diff)
    current_mu <- mean(data)
  }
  
  # 迭代修正标准差
  current_sigma <- sd(data)
  while (abs(current_sigma - target_sigma) > 1e-6) {
    diff <- target_sigma - current_sigma
    # 选与目标均值偏差最大的数调整，快速影响标准差
    devs <- abs(data - target_mu)
    adjust_idx <- which.max(devs)
    data[adjust_idx] <- data[adjust_idx] + sign(diff)
    current_sigma <- sd(data)
  }
  
  return(data)
}

# 测试示例
mu <- 3
sigma <- 1.5
N <- 100
result <- generate_integer_data(mu, sigma, N)
# 验证结果
mean(result)
sd(result)

注意事项 #

• 当样本量N较小时，受整数离散性限制，可能无法完全精确匹配标准差，建议适当增大样本量
• 调整时先保证均值达标，再修正标准差，能减少反复调整的次数

内容的提问来源于stack exchange，提问作者Sina Asadiyan