使用r中的集合概率从数据集中进行选择

我正在为我正在做的选择实验进行一些模拟。 作为其中的一部分，我想从我已经使用概率模拟选择的数据集中进行选择

首先，我使用起始频率来创建一个初始总体，其中得到1的概率为0.25，得到2的概率为0.5，得到3的概率为0.25。1、2和3代表3种不同的基因型

N <- 400
my_prob = c(0.25,0.5,0.25)
N1=sample(c(1:3), N, replace= TRUE, prob=my_prob)
P1 <-data.frame(N1)

现在我想在我的群体中模拟选择，其中一个纯合子被选择，而杂合子被部分选择，所以在这个例子中概率为1-s^2，1-s，1，其中s=0.2。 最初，我使用sample_frac函数分别对每组进行采样，然后重新编译数据集

s <- 0.2
S1homo<- filter(P1, N1==1) %>%
  sample_frac((1-s)^2, replace= FALSE)
S1hetero <-filter(P1, N1==2) %>%
  sample_frac((1-s), replace= FALSE)
S1others <-filter(P1, N1==3)
S1 <- rbind(S1homo, S1hetero, S1others)

问题是它返回的数字没有任何变化，这是不现实的，例如，当我设置s=0.2时，S1homo总是返回1值的64%，而在我的初始总体中，每个值的数字都有一些变化

所以我想知道是否有一种方法可以从我的P1群体中选择，使用不同基因型的1-s^2,1-s，1的集合概率，这样我就不会总是得到每个被选择的群体返回的完全相同的数字。 我尝试使用我以前使用的示例函数来实现这一点，但无法使其正常工作

# sel is done to give the total number of values there will be in the new population when times by N
sel <-((1-s)^2 + 2*(1-s)+1)/4 
S1 <-sample(P1, N*sel, replace=FALSE, prob=c((1-s)^2,(1-s),1))

sample.intlengthx、大小、替换、问题中出错： 当“replace=FALSE”时，无法获取大于总体的样本

---

我不能100%确定您想做什么，但如果您希望1-s^2是随机选择的元素包含在样本中的概率，而不是选择的确切百分比，您可以使用样本n而不是样本frac，随机选择n来反映该比率：

S1homo<- filter(P1, N1==1) %>%
    sample_n(rbinom(1,sum(N1==1),(1-s)^2))

---

像这样使用rbinom可能有点间接，但我看不到另一种方法可以轻松地使用%>%。

如果不先放回任何一个球，就无法从5个球中抽取6个球的样本。选择replace=TRUE可在采样后替换对象，从而允许采样对象比正在采样的对象多。不过，你好，Renu，我不想采样的对象比初始对象大。我用N*sel做的是得到一个函数的数值，这个数值要小于初始值，所以在这篇文章中，我试图让它从400个群体中选择324个个体，如果这有意义的话，那么长度p1是1，小于N*sel。也许你想取样N1或P1$N1？啊，我明白了。是的，这两种方法都可以用样本长度来解决问题，但现在我有一个问题，我提供的不正确概率的数量。Hi John，每次我这样做时，它都会给我一个不同的数字，这很好。我能问一下这个函数是怎么做到的吗？只是为了让我知道未来reference@SamFenton如果选择项目的概率为p，则选择的项目数量为二项随机变量，参数为n和p，其中n=试验次数=从中选择的集合大小。函数rbinom模拟此随机变量，以确定要选择的项目数，然后采样进行实际采样。如果答案对您有效，您可以随时将其标记为已接受