如何用R生成变量各区间等量随机样本及问题求助

• 随机变量X取值范围为0到1，可服从均匀分布或偏态分布
• 将X划分为5个等距区间：[0,0.2]、[0.2,0.4]、[0.4,0.6]、[0.6,0.8]、[0.8,1]，需要生成100个样本，要求每个区间恰好包含20个样本
• 尝试采用计数法实现，但编写的R代码无法保证每个区间样本数完全一致

原代码的核心逻辑错误在于先赋值样本再判断计数器是否超限：当某个区间的计数器已经达到20时，若生成该区间的随机值，代码会先将值存入数组，再判断计数器是否超过20（此时计数器仍为20，会错误地接受该样本），随后计数器加1变为21，导致该区间样本数超标，同时其他区间可能无法凑够20个样本。

方法1：均匀分布下的高效实现 #

如果X服从均匀分布，无需循环过滤，直接在每个区间内生成20个均匀样本即可，效率更高且完全符合要求：

# 定义区间边界
breaks <- seq(0, 1, by = 0.2)
x <- numeric(100)

# 为每个区间生成20个均匀分布样本
for (i in 1:5) {
  start <- breaks[i]
  end <- breaks[i + 1]
  # 给对应位置赋值
  x[(20*(i-1)+1):(20*i)] <- runif(20, min = start, max = end)
}

# 验证各区间样本数
sim.cut <- cut(x, breaks = breaks, include.lowest = TRUE)
table(sim.cut)

方法2：适配偏态分布的通用计数法 #

如果需要生成偏态分布（如Beta分布）的样本，且严格控制每个区间样本数，修正原代码的逻辑：先判断计数器是否未满，再决定是否接受样本：

x <- numeric(100)
# 用向量管理5个区间的计数器，更简洁
cnt <- rep(0, 5)
breaks <- seq(0, 1, by = 0.2)

for (i in 1:100) {
  check <- 0
  while (check == 0) {
    # 替换为目标偏态分布，例如rbeta(1, shape1=2, shape2=5)
    rv <- runif(1)  
    # 确定当前随机值所属区间
    interval <- findInterval(rv, breaks)
    # 修正边界值0的区间归属（findInterval返回0，对应第一个区间）
    interval <- ifelse(rv == 0, 1, interval)
    # 只有当该区间样本数不足20时，才接受这个样本
    if (cnt[interval] < 20) {
      x[i] <- rv
      cnt[interval] <- cnt[interval] + 1
      check <- 1
    }
  }
}

# 验证样本分布
sim.cut <- cut(x, breaks = breaks, include.lowest = TRUE)
table(sim.cut)

关键修正说明： #

• 使用向量cnt替代单独的计数器变量，代码更简洁易维护
• 调整逻辑顺序：先检查区间样本数是否未满，再接受样本并更新计数器
• 用findInterval简化区间判断，避免多层嵌套if语句
• 处理边界值（如rv=0）的区间归属问题，确保分类准确

内容的提问来源于stack exchange，提问作者Vincent