使用R语言生成和为1的三个比例样本的优化方法咨询

你的核心问题是单独采样前两个比例时，可能出现两者之和超过1，导致第三个比例为负，同时还得保证三个比例都落在各自的置信区间内。这里给你两个实用的改进方案：

方案1：接受-拒绝采样法 #

思路很直接：每次生成前两个比例后，检查两个条件——pro1_prop + pro2_prop ≤ 1，且计算出的pro3_prop落在它的置信区间[0.06, 0.15]里。如果不满足，就重新生成，直到符合要求为止。

代码示例：

# 定义一个函数来生成符合要求的比例
generate_proportions <- function() {
  repeat {
    pro1_prop <- rpert(1, 0.4, 0.478, 0.56)
    pro2_prop <- rpert(1, 0.34, 0.415, 0.49)
    pro3_prop <- 1 - (pro1_prop + pro2_prop)
    # 检查所有条件：三个比例都在各自的置信区间内，且和为1
    if (pro1_prop >= 0.4 & pro1_prop <= 0.56 &
        pro2_prop >= 0.34 & pro2_prop <= 0.49 &
        pro3_prop >= 0.06 & pro3_prop <= 0.15) {
      return(c(pro1 = pro1_prop, pro2 = pro2_prop, pro3 = pro3_prop))
    }
  }
}

# 调用函数生成一组比例
sample_props <- generate_proportions()
sample_props

这种方法严格保证每个比例都在指定区间内，且和为1，缺点是如果三个区间的约束比较紧，可能需要多次重试，但你的案例里区间设计合理，重试次数不会太多。

方案2：带约束的顺序采样法 #

这个方法更高效，不用反复重试。先采样第一个比例pro1_prop，然后根据pro1_prop和第三个比例的区间约束，动态调整第二个比例pro2_prop的采样范围：

• 因为pro3_prop = 1 - pro1_prop - pro2_prop必须在[0.06, 0.15]，所以可以推导出pro2_prop的范围是[1 - pro1_prop - 0.15, 1 - pro1_prop - 0.06]
• 再把这个范围和pro2_prop自身的置信区间[0.34, 0.49]取交集，作为pro2_prop的最终采样范围
• 如果交集有效（下限≤上限），就用这个范围做PERT采样；如果无效，说明当前pro1_prop不符合约束，重新采样pro1_prop

代码示例：

generate_proportions_constrained <- function() {
  repeat {
    pro1_prop <- rpert(1, 0.4, 0.478, 0.56)
    # 计算pro2的约束范围（由pro3的区间推导）
    pro2_min_constraint <- 1 - pro1_prop - 0.15
    pro2_max_constraint <- 1 - pro1_prop - 0.06
    # 结合pro2自身的置信区间，取交集
    pro2_low <- max(0.34, pro2_min_constraint)
    pro2_high <- min(0.49, pro2_max_constraint)
    
    # 检查交集是否有效
    if (pro2_low <= pro2_high) {
      pro2_prop <- rpert(1, pro2_low, 0.415, pro2_high)
      pro3_prop <- 1 - pro1_prop - pro2_prop
      return(c(pro1 = pro1_prop, pro2 = pro2_prop, pro3 = pro3_prop))
    }
  }
}

# 调用函数
sample_props_constrained <- generate_proportions_constrained()
sample_props_constrained

这个方法减少了无效采样的次数，效率更高，同时同样保证所有比例都在各自的置信区间内且和为1。

内容的提问来源于stack exchange，提问作者pcompston