如何生成含条件随机变量的DataFrame：按运动状态设置患病概率

以下是直接可行的解决方案，核心是根据运动状态分组匹配患病概率，再用rbinom生成对应结果：

1. 先设定样本量（可自行调整），生成运动状态变量：

   # 设定样本数量
   n <- 1000
   # 生成运动状态：active/non-active，这里按1:1比例生成，可修改prob参数调整比例
   activity_status <- sample(c("active", "non-active"), size = n, replace = TRUE, prob = c(0.5, 0.5))
   

2. 根据运动状态匹配对应的患病概率：

   # 创建概率向量：active对应0.5，non-active对应0.6
   disease_prob <- ifelse(activity_status == "active", 0.5, 0.6)
   

3. 用rbinom生成心血管疾病患病情况（1=患病，0=未患病）：

   # 生成患病变量，每个样本对应各自的概率
   heart_disease <- rbinom(n = n, size = 1, prob = disease_prob)
   

4. 合并为DataFrame：

   # 组合成最终数据框
   df <- data.frame(activity_status, heart_disease)
   

验证结果 #

可以用表格统计验证概率是否符合要求：

# 按运动状态分组统计患病比例
table(df$activity_status, df$heart_disease) |> prop.table(margin = 1)

运行后会看到active组的患病比例接近0.5，non-active组接近0.6。

内容的提问来源于stack exchange，提问作者OS_name