R 从数据帧中按组随机抽取2个单独的100个模拟

这个问题不是关于采样数据，我知道样本，但这个问题是关于从数据帧模拟数据，比较模拟和实际数据的平均值（使用分组汇总）

我计算了以下两种方法的实际平均值差异

df %>% 
  group_by(allfour) %>% 
  summarise(hs_completion=mean(hsgrad),
            count=n())

然而，我正在努力从每组中抽取100个模拟样本，然后将每个向量除以相应的组大小，将其转化为模拟毕业率，并计算两组之间的毕业率差异。在此之后，我需要绘制这些模拟差异的柱状图&在观察数据中计算的均值差异值处，在柱状图上添加一条红色垂直线

我知道tidyverse&ggplot，所以绘图不是问题，只是在记录有限的情况下如何进行100次模拟

数据帧df示例如下：

    structure(list(hsgrad = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 0L, 1L, 1L, 0L, 0L, 1L, 1L, 1L, 1L, 0L, 1L, 0L, 0L, 
0L, 1L, 1L, 0L, 0L, 0L, 0L, 1L, 1L, 0L, 1L, 1L, 1L, 0L, 0L, 0L, 
1L, 1L, 0L, 0L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 0L, 1L, 0L, 0L, 
0L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 0L, 1L, 0L, 0L, 
1L, 1L, 0L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 1L, 1L, 0L, 0L, 1L, 1L, 
1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L), allfour = structure(c(1L, 
2L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 2L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 
1L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 2L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 2L, 1L), .Label = c("0", "1"), class = "factor")), row.names = c(NA, 
100L), class = "data.frame")

---

重要信息如下：

所以你需要用每组的成功概率来模拟伯努利。我们计算总体成功率（毕业率）：

1模拟的基本代码是这样的，您给出模拟的数量（1000）、试验的数量（即组的大小）和成功率（从上面）：

这为您提供了allfour==1组的模拟成功概率，前提是该比率为总体比率。现在，我们只需要为两个组执行此操作：

grp0_size = sum(df$allfour==0)
grp1_size = sum(df$allfour==1)
nsim = 1000
observed = diff(tapply(df$hsgrad,df$allfour,mean))

data.frame(
grp0_success = rbinom(nsim,grp0_size,rate)/grp0_size,
grp1_success = rbinom(nsim,grp1_size,rate)/grp1_size) %>%
mutate(diff=grp1_success-grp0_success) %>%
ggplot(aes(x=diff)) + geom_histogram() +
geom_vline(xintercept=observed)

---

你所说的绘制100个模拟图是什么意思？是次抽样，即从每组中选择20个，还是替换样本？替换样本通过100次模拟，我参考了每个样本的大小@StupidWolfso 1个替换样本？一旦你按（…）分组，你就只需采样n（），对不对，我知道采样n（），但它是从这个数据创建模拟的感谢@Stupidwolf，以不同的方式给出了它。这就是为什么如此才是最好的

sim_1 = rbinom(1000,sum(df$allfour==1),prob=rate)
hist(sim_1/sum(df$allfour==1),br=20)

grp0_size = sum(df$allfour==0)
grp1_size = sum(df$allfour==1)
nsim = 1000
observed = diff(tapply(df$hsgrad,df$allfour,mean))

data.frame(
grp0_success = rbinom(nsim,grp0_size,rate)/grp0_size,
grp1_success = rbinom(nsim,grp1_size,rate)/grp1_size) %>%
mutate(diff=grp1_success-grp0_success) %>%
ggplot(aes(x=diff)) + geom_histogram() +
geom_vline(xintercept=observed)