R 来自未知概率分布的样本

我有一个约100k长的向量，其值介于0和1之间，表示地理位置的栖息地适宜性。虽然有些值非常小，但许多值都是0.9等，因此总和远大于1

我想生成1000个位置的随机样本，每个样本长度为6（无替换），选择位置的概率由该位置的向量值加权

下面是虚拟数据。有什么想法吗

mylocs = letters[1:10]
myprobs = c(0.1,NA,0.01,0.2,0.6,NA,0.001,0.03,0.9,NA)
mydata = data.frame(mylocs,myprobs)

---

我对你的问题有点困惑，所以这里有两个可能的答案

如果要对1000组六个值进行采样，其中组可以共享值，则：

locs = letters[1:15]
probs = c(0.1,NA,0.01,0.2,0.6,NA,0.001,0.03,0.9,NA, 0.1, 0.1, 0.1, 0.1, 0.1)
mydata = data.frame(locs,probs)

d = na.omit(mydata)
replicate(1000, sample(d$locs, size=6, prob=d$probs, replace=F))

如果组不应该共享值，那么只需执行以下操作：

## Change the "2" to 1000 in the real data set
s = sample(d$locs, size=6*2, prob=d$probs, replace=F)
matrix(s, ncol=6)

---

如果我理解正确，OP的意思是“每个六个样本中没有重复”，但两个不同的六个样本可以共享值。就是这样，我不知道

sample

中的“prob”参数。我会拟合一个贝叶斯层次模型，然后从预测分布中采样。