如何在R语言中基于输入向量的分布进行随机抽样？

我有一个名为data的数值向量，长度为3205，其前20个元素如下：

head(data,20)
 [1]  225.43200   29.20875  329.46792   22.70996
 [5]   80.84970  374.23959  343.11610  319.04798
 [9] 2477.73200   72.79434   30.53376   92.39412
[13]   47.70744   52.30388  339.59634 1177.00448
[17]   48.27329  541.80997   38.45772 1568.93400

该数据的密度图可通过代码plot(density(data))生成，对应密度图：

需求：基于该向量的分布进行随机抽样，要求抽样结果大部分数值在1000以下，小部分在1000-3000之间，且抽样得到的向量的密度图与原数据密度图一致，求最优实现方法。

直接从原数据中进行随机抽样即可，因为原数据本身就符合你要求的分布特征，抽样会完整保留原分布的形态，是最直接高效的方案。

1. 有放回抽样（推荐，支持任意样本量） #

使用R内置的sample()函数，设置replace = TRUE，可指定任意抽样数量（比如和原数据长度一致）：

# 设定抽样数量，可根据需求调整
sample_size <- 3205
# 执行有放回抽样
sampled_data <- sample(data, size = sample_size, replace = TRUE)

2. 无放回抽样（适用于样本量小于原数据的场景） #

如果不需要重复元素，设置replace = FALSE：

# 抽取1000个不重复样本
sampled_data <- sample(data, size = 1000, replace = FALSE)

验证抽样效果 #

可以通过绘图对比原数据与抽样数据的密度分布，确认一致性：

# 绘制原数据密度图
plot(density(data), col = "darkblue", main = "原数据与抽样数据密度对比")
# 叠加抽样数据的密度曲线
lines(density(sampled_data), col = "darkred", lty = 2, lwd = 1.5)
# 添加图例
legend("topright", 
       legend = c("原数据", "抽样数据"), 
       col = c("darkblue", "darkred"), 
       lty = c(1, 2))

方案优势 #

• 完全保留原数据的分布特征，自然满足“大部分值<1000、小部分值在1000-3000”的要求
• 无需拟合复杂概率模型，计算效率极高
• 样本量足够时，抽样数据的密度图与原数据几乎完全重合

内容的提问来源于stack exchange，提问作者locket