R-来自数据集的自定义概率分布的随机图

我有一个R数据框

my_measurements

（这是一个更大的10k+行数据框的子样本），看起来像这样：

> glimpse(my_measurements)
Observations: 300
Variables: 2
$ measurement_id <int> 2, 27, 36, 39, 41, 44, 118, 121, 125, 127, 132, 134, 148...
$ value          <dbl> 0.9746835, 1.0000000, 1.0000000, 1.0000000, 1.0000000, 0...

ggplot(data = my_measurements) + 
    geom_density(mapping = aes(x = value, ..density..))

其中，

measurement\u id

只是每个度量的唯一标识符，

value

是度量本身（正好介于0和1之间，但并不意味着概率意义，在其他情况下可以是任何数字）

我对

值的密度分布做了
ggplot（）
，如下所示：

> glimpse(my_measurements)
Observations: 300
Variables: 2
$ measurement_id <int> 2, 27, 36, 39, 41, 44, 118, 121, 125, 127, 132, 134, 148...
$ value          <dbl> 0.9746835, 1.0000000, 1.0000000, 1.0000000, 1.0000000, 0...

ggplot(data = my_measurements) + 
    geom_density(mapping = aes(x = value, ..density..))

看起来是这样的：

> glimpse(my_measurements)
Observations: 300
Variables: 2
$ measurement_id <int> 2, 27, 36, 39, 41, 44, 118, 121, 125, 127, 132, 134, 148...
$ value          <dbl> 0.9746835, 1.0000000, 1.0000000, 1.0000000, 1.0000000, 0...

ggplot(data = my_measurements) + 
    geom_density(mapping = aes(x = value, ..density..))


正如您所看到的，
value
s的范围从0到1，但很多值都接近1

我的问题是：如何使用绘图中的曲线作为概率密度函数（我希望我使用的是正确的术语，如果不是，请纠正我！）从中抽取随机样本

理想情况下，我想创建一个函数，它给我一个介于0到1之间的随机数，概率是曲线的函数。在一个可能的实施例中，该函数将采用两个参数：一个是向量，在这种情况下，包含来自
my_测量值的所有
值；第二个是要选择的随机数。返回值将是从该分布中提取的数字向量

因此，当我针对
my_measurements
dataset运行此函数时，它返回接近1的数字的可能性很高，返回0.25（曲线中的最低点）的可能性很低

希望这有意义，非常感谢您的帮助。
我想知道您为什么需要这个。也许你可以用引导法代替

您可以使用：

mysampler非常感谢@Roland，这太棒了！我也能在我这边运行它，它应该足以满足我的需要。快速提问：（1）我不熟悉你最后一句话中的“内核密度”和“带宽”这两个术语，它们是重要的考虑因素吗？（2） 您的评论是什么意思？可能应该使用不同的分位数类型？很抱歉，我第一次没有看到它，但是我如何按照您在回答中的建议引导它？你的意思是仅仅从
我的测量值$value
中取样吗？对不起，我不能在评论线程中进行统计学讲座。关于分位数类型的评论与R的
分位数
函数有关，该函数实现了七种不同类型的分位数，我不知道哪一种最适合此目的。我必须做一些阅读或模拟，但没有时间。