“如何使用函数”；“卡拉洛克”；（在R软件包Sekalloc中）将人们随机分为三种情况？

我想使用sequaloc包中的函数“caralloc”将人们随机分成三个条件，而不是默认的两个条件

function (xmat, carwt, p, tol) 
{
  if (!is.matrix(xmat)) 
  xmat = as.matrix(xmat)
  n = nrow(xmat)
  result = rbinom(n, 1, 0.5)
 if (n > 1) {
for (j in 2:n) {
  matchx = apply(xmat[1:(j - 1), , drop = FALSE], 
    1, function(x, xrow) {
      as.numeric(x == xrow)
    }, xmat[j, ])
  sumsofar = matchx %*% (2 * result[1:(j - 1)] - 1)
  imbalance1 = crossprod(abs(sumsofar + 1), carwt)
  imbalance0 = crossprod(abs(sumsofar - 1), carwt)
  if (imbalance1 < imbalance0 & imbalance0 >= tol) 
    result[j] = rbinom(1, 1, p)
  if (imbalance0 < imbalance1 & imbalance1 >= tol) 
    result[j] = rbinom(1, 1, 1 - p)
 }
}
result
}

函数（xmat、carwt、p、tol）
{
如果（！is.矩阵（xmat））
xmat=as.matrix（xmat）
n=nrow（xmat）
结果=rbinom（n，1，0.5）
如果（n>1）{
对于（2:n中的j）{
matchx=apply（xmat[1:（j-1），drop=FALSE]，
1、功能（x、xrow）{
as.numeric（x==xrow）
}，xmat[j，]
sumsofar=matchx%*%（2*结果[1：（j-1）]-1）
不平衡1=交叉生产（abs（sumsofar+1），carwt）
不平衡0=交叉生产（abs（sumsofar-1），carwt）
如果（不平衡1<不平衡0&不平衡0>=tol）
结果[j]=rbinom（1，1，p）
如果（不平衡0<不平衡1&不平衡1>=tol）
结果[j]=rbinom（1,1,1-p）
}
}
结果
}

使用包示例：

sampsize <- 200
percent <- c(0.5,0.8,0.2,0.4)
carwt <- c(.4,.3,.2,.1)

set.seed(5798)

xmat <- matrix(rbinom(sampsize*length(percent),1,rep(percent,sampsize)),
          nrow=sampsize,ncol=length(percent),byrow=TRUE)
colnames(xmat) = c("C1","C2","C3","C4")
strat_factor = xmat[,1]*4 + xmat[,2]*2 + xmat[,4] + 1

caralloc(xmat,carwt,1,3)

---

sampsize这听起来很难让你的团队随机化

您不能只使用
sample（）
函数吗

df <- data.frame(
  # some 1000 test patients:  
  patient = paste0(letters, round(runif(1000, 100, 999))), 
  # assigning a group: 0, 1 or 2:
  group = sample(c(0:2), 1000, replace = TRUE))

head(df)
#>   patient group
#> 1    a729     1
#> 2    b633     2
#> 3    c831     2
#> 4    d111     2
#> 5    e406     1
#> 6    f491     0

# evenly distributed?
hist(df$group)

不幸的是，没有。该函数用于协变量自适应随机化，这意味着我们根据一些协变量对人进行随机化。我可以尝试将
result=rbinom（n，1，0.5）
更改为
result=rbinom（n，2，1/3）
？如果是，如何相应调整以下代码？
df <- data.frame(
  # some 1000 test patients:  
  patient = paste0(letters, round(runif(1000, 100, 999))), 
  # assigning a group: 0, 1 or 2:
  group = sample(c(0:2), 1000, replace = TRUE, prob = c(0.1, 0.4, 0.5)))

hist(df$group)