按不同分组均值标准差模拟符合取值限制的整数测试分数方法咨询

你的初始思路用正态分布模拟是可行的，仅需补充截断、取整/步长匹配的处理即可满足要求，以下是完整实现逻辑：

基础场景（整数分数、400-800区间、按分组参数模拟） #

实现逻辑 #

• 按分组对应的均值、标准差生成正态分布随机数
• 对生成值做截断处理，超出400-800区间的数值重新采样，避免直接截断导致的分布偏移
• 对符合区间的数值取整得到整数分数

代码示例 #

假设你的数据表存储为score_df，可通过dplyr实现分组模拟：

library(dplyr)

# 自定义组内模拟函数，保证数值落在要求区间内
sim_group_score <- function(n, mean_val, sd_val, min_score = 400, max_score = 800) {
  scores <- c()
  while(length(scores) < n) {
    # 补采还缺的样本量
    samp <- rnorm(n = n - length(scores), mean = mean_val, sd = sd_val)
    # 取整为整数
    samp <- round(samp)
    # 筛选符合区间的样本
    samp <- samp[samp >= min_score & samp <= max_score]
    scores <- c(scores, samp)
  }
  return(scores)
}

# 分组生成模拟分数
score_df <- score_df %>%
  group_by(Race) %>%
  mutate(Sim_Score = sim_group_score(
    n = n(), 
    mean_val = first(Group_Mean_Score), 
    sd_val = first(Group_SD_Score)
  )) %>%
  ungroup()

效率优化提示：大样本量场景下可安装truncnorm包，使用rtruncnorm()函数直接生成400-800区间内的正态分布值，省去循环筛选步骤。

额外场景（分数为10的增量） #

实现逻辑 #

仅需要修改取整规则：将生成的正态分布值舍入到最接近的10的倍数即可，其余截断、分组逻辑保持不变

代码示例 #

修改自定义函数的取整部分即可：

sim_group_score_10step <- function(n, mean_val, sd_val, min_score = 400, max_score = 800, step = 10) {
  scores <- c()
  while(length(scores) < n) {
    samp <- rnorm(n = n - length(scores), mean = mean_val, sd = sd_val)
    # 舍入到最近的10的倍数
    samp <- round(samp / step) * step
    samp <- samp[samp >= min_score & samp <= max_score]
    scores <- c(scores, samp)
  }
  return(scores)
}

# 调用方法和基础场景一致，替换函数名即可
score_df <- score_df %>%
  group_by(Race) %>%
  mutate(Sim_Score = sim_group_score_10step(
    n = n(), 
    mean_val = first(Group_Mean_Score), 
    sd_val = first(Group_SD_Score)
  )) %>%
  ungroup()

注意事项 #

• 如果分组标准差过大，导致大量生成值超出400-800区间，建议优先校验历史分组标准差的合理性，避免重采样次数过多影响效率
• 如果需要严格匹配组均值/标准差，可以在生成后对组内数值做二次缩放调整，再重复取整、截断步骤

内容的提问来源于stack exchange，提问作者Jeffrey Harding