R将数据重新采样为对数正态分布

我有一组大致均匀分布的模拟数据。我想对这些数据的一个子集进行采样，并使该子集具有我指定的（log）平均值和（log）标准偏差的对数正态分布

我可以想出一些缓慢的暴力方法来实现这一点，但我觉得应该有一种方法可以在几行中使用

plnorm

函数和带有“prob”变量集的

sample

函数来实现这一点。不过，我似乎无法得到我想要的行为。我的第一次尝试是：

probs <- plnorm(orig_data, meanlog = mu, sdlog = sigma)
new_data <- sample(orig_data, replace = FALSE, prob = probs)

---

probs如果您的
orig_数据
均匀分布在0和1之间，则

new_data = qlnorm(orig_data, meanlog = mu, sdlog = sigma)

将给出日志采样数据。如果您的数据不在0和1之间，而是说
a
和
b
，那么首先：

orig_data = (orig_data-a)/(b-a)

一般来说，0和1之间的均匀RV被视为概率，因此如果你想用它从给定的分布中取样，你必须使用
q…
ie取相应的分位数谢谢大家的建议。当他们接近我的时候，我决定用一种稍微不同的方法来解决我的问题，我把它作为一种解决方案，以防它对其他人有用

我在原始问题中遗漏的一个具体问题是，我有一个完整的数据集（存储为数据帧），我想对该数据集中的行重新采样，以使其中一个变量（列）是对数正态分布的。下面是我编写的函数，它依赖于
dlnorm
计算概率和
sample
对数据帧重新采样：

resample_lognorm <- function(origdataframe,origvals,meanlog,sdlog,n) {
  prob <- dlnorm(origvals,meanlog=log(10)*meanlog,sdlog=log(10)*sdlog)
  newsamp <- origdataframe[sample(nrow(origdataframe),
                                  size=n,replace=FALSE,prob=prob),]
  return(newsamp)
}

resample\u lognorm Try
qlnorm
not
plnorm
。当从均匀分布映射到另一个分布时，应该只使用反向cdf或分位数函数。所有R分布函数都使用相同的前缀（q、p等）来标识哪个是哪个。