基于Matlab的不同大小的多重采样

我正在尝试实现这段代码，以便它能尽快工作

假设我有100个不同的值，你可以把它看作是

pop=1:100

或

pop=randn（1100）

，以保持简单。我有一个向量

n

，它给出了我想要得到的样本的大小。比如说，

n=[1 3 10 6 2]

。我想做的是取5个不同的

pop

样本（实际上是

length（n）

），每个样本由

n（I）

元素组成，不需要替换。这意味着对于我的第一个示例，我希望从

pop

中得到1个元素，对于第二个示例，我希望得到3个，对于第三个示例，我希望得到10个，依此类推

老实说，我对采样的元素并不感兴趣。我想要得到的是第I个样本中存在的元素的总和。如果我用循环实现它，这将是微不足道的，但我试图避免使用它们来尽可能快地保存代码。我必须为许多不同的人群做这项工作，

length（n）

非常大

如果我必须用一个循环来完成，这将是：

pop = randn(1,100);
n = [1 3 10 6 2];
sum_sample = zeros(length(n),1);
for i = 1:length(n)
  sum_sample(i,1) = sum(randsample(pop,n(i)));
end

---

有办法做到这一点吗？

您可以创建一个函数句柄，用于选择随机样本并将其相加。然后，您可以使用arrayfun对n的所有值执行此函数：

pop = randn(1,100);
n = [1 3 10 6 2];
sr = @(n) sum(randsample(pop,n));
sum_sample = arrayfun(sr,n);

---

您可以这样做：

pop = randn(1,100);
n = [1 3 10 6 2];
sampled_data_index = randi(length(pop),1,sum(n));
sampled_data = pop(sampled_data_index);

randi

函数随机选择指定范围内适合索引的整数值。获得索引后，您可以立即使用这些索引从

pop

数据库中对数据进行采样

如果您想拥有唯一的索引，可以将

randi

函数替换为

randperm

：

sampled_data_index = randperm(length(pop),sum(n));

最后：

可以使用以下代码将所有采样值作为单元变量：

pop = randn(1,100);
n = [1 3 10 6 2];
fun = @(m) pop(randperm(length(pop),m));
C = arrayfun(fun,n,'UniformOutput',0)

还具有采样数据的总和：

funs = @(m) sum(pop(randperm(length(pop),m)));
sumC = arrayfun(funs,n)

---

找出最快的方法是比较不同的方法

事实上，在这种情况下，循环似乎非常快

pop = randn(1,100);
n = [1 3 10 6 2];

tic
sr = @(n) sum(randsample(pop,n));
sum_sample = arrayfun(sr,n);
toc %% Returns about 0.004

clear su
tic
for t=numel(n):-1:1
    su(t)=sum(randsample(pop,n(t)));
end
toc %% Returns about 0.003

---

不要做假设。用一个真实的例子、真实的值和一个你想做的最少的代码例子来更新你的文章。因此，以

pop=randn（1:100）

和

n=[1 3 10 6 2]

为例。我刚刚编辑了我的问题，介绍了我将如何在循环中执行此操作。请记住，矢量化或使用arrayfun之类的工具通常会产生开销。因此，向量化这样一个微小的计算实际上可能会减慢速度。我也在考虑你的第一种方法，但如果你想在每个样本中都有唯一性，但不一定要在所有样本的并集中都有唯一性，那么它会变得有点混乱（我相信这就是asker循环目前的工作方式）。如果这不是一个问题，这应该是相当快的。如果您使用最后2行代码，对于每个函数执行，样本将是唯一的。如果我没有弄错你说的话。要做性能分析，我会建议更大的维度。我用

pop=randn（1100000）

和

n=randi（100000,110000）

尝试了这两种情况，得到了几乎相同的运行时间。由此，我假设MATLAB通过在for循环中遍历数组，在内部实现了

arrayfun

。