在R中创建指定概率及观测数的二元变量的实现方法咨询

嘿，当然可以用ifelse来实现你的需求！不过还有更简洁高效的方法，我两种都给你说明白：

方法一：结合runif和ifelse（匹配你的思路） #

你可以先生成一组均匀分布的随机数，再用ifelse根据概率阈值来赋值：

# 设置随机种子（可选，保证结果可重复）
set.seed(123)
# 生成50000个0-1之间的均匀分布随机数
uniform_samples <- runif(n = 50000)
# 用ifelse判断：60%概率取0，剩余40%取1
Var <- ifelse(uniform_samples <= 0.6, 0, 1)

原理很简单：runif(n)生成的数值在0到1之间均匀分布，所以有60%的概率落在[0, 0.6]区间内，这时候我们让它取0，剩下的区间取1，完美匹配你的概率要求。

方法二：用rbinom直接生成（更高效） #

其实R里有专门生成二分类变量的函数rbinom，它是生成二项分布的随机数，当size=1时就是伯努利分布，刚好对应你的需求：

set.seed(123)
# n是观测数，size=1表示每个观测是一次伯努利试验，prob是取1的概率
Var <- rbinom(n = 50000, size = 1, prob = 0.4)

这里prob=0.4代表取1的概率是40%，自然取0的概率就是60%，这个方法比ifelse更简洁，处理大数据量时效率也更高。

验证概率是否符合预期 #

你可以用下面的代码检查生成的变量比例：

table(Var) / length(Var)

运行后会输出类似下面的结果，比例会非常接近你设定的60%和40%：

0        1 
0.59872 0.40128 

内容的提问来源于stack exchange，提问作者MGaius