如何在R中为交叉表应用类jitter扰动并保持总数恒定？

当然有办法实现这种操作——核心思路是在保持总频数不变的前提下，对各单元格的数值做随机调整，同时让新表格和原表格保持相似性。下面给你两种适合R环境的实现方案，对应你给出的示例数据：

方法一：基于多项分布的抽样（推荐） #

这种方法利用多项分布的特性：抽样结果的总和固定，且各单元格的取值概率和原频数成正比，生成的表格会和原表格自然相似，扰动幅度可灵活控制。

代码实现 #

# 原数据
twobytwo = data.frame(
    Test1 = c('T', 'T', 'F', 'F'),
    Test2 = c('T', 'F', 'T', 'F'),
    Frequency = c(42, 20, 17, 21)
)
tabdat <- xtabs(Frequency ~ Test1 + Test2, twobytwo)

# 定义扰动函数
jitter_freq_tab <- function(original_tab, noise_level = 0.1) {
    # 将表格转为向量
    counts_vec <- as.vector(original_tab)
    total <- sum(counts_vec)
    
    # 给原频数添加小幅度噪声，避免概率为0的情况
    adjusted_probs <- counts_vec + runif(length(counts_vec), 0, noise_level * max(counts_vec))
    adjusted_probs <- adjusted_probs / sum(adjusted_probs)  # 归一化概率
    
    # 按多项分布生成新频数
    new_counts <- rmultinom(1, size = total, prob = adjusted_probs)[, 1]
    
    # 恢复原表格的结构和维度名
    dim(new_counts) <- dim(original_tab)
    dimnames(new_counts) <- dimnames(original_tab)
    return(new_counts)
}

# 生成示例表格
tabdat2 <- jitter_freq_tab(tabdat, noise_level = 0.2)
tabdat2
tabdat3 <- jitter_freq_tab(tabdat, noise_level = 0.2)
tabdat3

参数说明 #

• noise_level：控制扰动幅度，值越大，新表格和原表格的差异越明显（比如0.1表示噪声最大为原最大频数的10%）。

方法二：手动添加抖动并调整平衡 #

如果你想更直观地控制每个单元格的最大抖动范围，可以手动生成抖动值，再调整数值确保无负数、总和恒定。

代码实现 #

# 定义手动扰动函数
jitter_freq_manual <- function(original_tab, max_jitter = 5) {
    counts_vec <- as.vector(original_tab)
    total <- sum(counts_vec)
    
    # 生成总和为0的抖动值（保证初始总和不变）
    jitters <- sample(-max_jitter:max_jitter, length(counts_vec), replace = TRUE)
    while(sum(jitters) != 0) {
        jitters <- sample(-max_jitter:max_jitter, length(counts_vec), replace = TRUE)
    }
    
    new_counts <- counts_vec + jitters
    
    # 处理可能出现的负数：将负数的量转移到正数单元格
    while(any(new_counts < 0)) {
        neg_idx <- which(new_counts < 0)[1]
        pos_idx <- which(new_counts > 0)[1]
        transfer_amount <- -new_counts[neg_idx]
        new_counts[pos_idx] <- new_counts[pos_idx] - transfer_amount
        new_counts[neg_idx] <- 0
    }
    
    # 恢复表格结构
    dim(new_counts) <- dim(original_tab)
    dimnames(new_counts) <- dimnames(original_tab)
    return(new_counts)
}

# 生成示例
tabdat4 <- jitter_freq_manual(tabdat, max_jitter = 6)
tabdat4

参数说明 #

• max_jitter：每个单元格允许的最大增减幅度（比如设为6，每个单元格最多±6）。

两种方法生成的表格都会保持总频数和原表格一致，且随机无规律，满足你的需求。

内容的提问来源于stack exchange，提问作者striatum