使用SQL通过任意百分位数集进行人口统计模拟

正如标题所示，我想获取一些测试数据并将其塑造成一个令人信服的

人口统计样本。

在

百分位数排名表中

我有一个任意的分布模式，21行描述百分位数，间隔5，描述排名的

频率分布

通过这种方式，可以根据口味对人口统计特征进行建模，但这种技术可以应用于任何类型的模拟，具有任何数量的分层频率分布。如果生成的数据过于细粒度&需要更多的原子性，则可以创建适合每个百分位数范围的随机值

百分位频率
-------- -----------
0        0
5        1
10       2
/~~~~~~~~~~~/
40       7
45       8
50       8
55       9
60       8
/~~~~~~~~~~~/
90       3
95       2
100      1

作为最简单的例子，我想将此分布填充到一组预先存在的测试数据（“学生记录”）中，随机将每个百分位数分组（第80、85、90……）分配给相应的学生记录（10名学生、5名学生、3名学生……）

id lname fname dob centile
----------- ---------- ---------- ---------- --------
1本德布鲁克2016-10-07 5
2陈瑞亚2016-07-27 10
3 Acosta Jared 2017-02-15 10
/~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~/  
98 Maddox Cassady 2016-09-01 95
99麦当劳希瑟2018-02-20 95
100托德悉尼2017-03-12 100

在实践中，我希望以任意数量的学生记录为目标，并按比例分配百分位数。每组21个频率分布将显示不同的模式，甚至是高度倾斜的分布（指数分布、威布尔分布、拉普拉斯分布），每个都定制为预定义的用户集模式

DDL：

创建表格百分位数
(
频率整数
，百分位数
) ;
创建表格学生（
id整数标识（1,1）
，lastname varchar（255）
，名为varchar（255）
，出生日期）；
插入百分位
（百分位数，频率）
价值观
(    0           ,    0           )
,(    5           ,    1           )
,(    10          ,    2           )
,(    15          ,    3           )
,(    20          ,    3           )
,(    25          ,    4           )
,(    30          ,    5           )
,(    35          ,    6           )
,(    40          ,    7           )
,(    45          ,    8           )
,(    50          ,    8           )
,(    55          ,    9           )
,(    60          ,    8           )
,(    65          ,    8           )
,(    70          ,    7           )
,(    75          ,    6           )
,(    80          ,    5           )
,(    85          ,    4           )
,(    90          ,    3           )
,(    95          ,    2           )
,(    100         ,    1           );
插入到学生中
（[LastName]、[FirstName]、[dob]）
价值观
（“本德”、“布鲁克”、“2016-10-07”）
，（“Chan”、“Raya”、“2016-07-27”）
，（“Acosta”、“Jared”、“2017-02-15”）
，（‘蔡斯’、‘利亚’、‘2017-09-05’）
，（“杰斐逊”、“吉赛尔”、“2016-09-15”）
，（“保罗”、“圣人”、“2017-04-02”）
，（'Mckinney'、'Shaine'、'2018-02-15'）
，（“钥匙”、“伯莎”、“2016-05-12”）
（“多诺万”、“摩根”、“2016-10-25”）
，（“格雷夫斯”、“吉尔”、“2016-07-14”）
，（‘Chan’、‘Hille’、‘2016-08-02’）
，（‘达文波特’、‘莫莉’、‘2017-04-08’）
，（'Mccoy'、'Ayanna'、'2016-07-18'）
，（“头部”、“卡姆登”、“2016-06-25”）
，（“希克曼”、“里萨”、“2016-05-23”）
，（“萨拉扎”、“常春藤”、“2017-05-22”）
，（‘海德’、‘凯恩’、‘2017-06-12’）
，（“艾伦”、“卡罗尔”、“2018-01-09”）
，（“奎因”、“菲利普”、“2016-12-21”）
，（《波拉德》，《亚里士多德》，《2017-06-16》）
，（‘辛顿’、‘科罗拉多’、‘2017-02-09’）
，（“霍华德”、“尼赫鲁”、“2018-02-03”）
，（“钱伯斯”、“希拉里”、“2016-09-08”）
，（“帕迪拉”、“沃伦”、“2017-05-29”）
，（《拉特利奇》，《柏拉图》，《2016-07-31》）
，（‘古德曼’、‘塞琳娜’、‘2017-12-07’）
，（‘Bean’、‘Stewart’、‘2017-04-10’）
，（“Tran”、“Sacha”、“2016-10-15”）
，（‘施罗德’、‘凯’、‘2017-10-04’）
，（“库珀”、“菲利斯”、“2016-11-27”）
，（‘皮尔斯’、‘玛德琳’、‘2018-02-16’）
，（‘李’、‘基博’、‘2018-03-22’）
，（‘罗伯斯’、‘利比’、‘2016-09-03’）
，（“Riley”、“Veronica”、“2018-03-03”）
，（“展位”、“温特”、“2018-04-09”）
，（‘鸟’、‘优生尼亚’、‘2017-04-06’）
（“莫顿”、“莱德”、“2016-10-14”）
，（“Tanner”、“Paloma”、“2017-08-25”）
，（“鲍尔斯”、“科尔顿”、“2018-03-05”）
，（“麦卡锡”、“罗斯”、“2017-04-17”）
，（‘弗洛伊德’、‘内韦’、‘2017-08-15’）
（“麦克尼尔”、“Ria”、“2017-11-18”）
，（“霍夫曼”、“敖德萨”、“2018-03-26”）
，（'Christian'、'Vanna'、'2016-05-16'）
，（“美世”、“麦迪逊”、“2017-01-31”）
，（“弗兰克斯”、“安吉拉”、“2016-07-31”）
，（“Obrien”、“Desirae”、“2016-08-03”）
，（‘墙’、‘埃尔莫’、‘2017-02-25’）
，（‘弗洛雷斯’、‘哈基姆’、‘2016-09-12’）
，（“沃勒”、“德米特里厄斯”、“2018-02-28”）
，（‘萨维奇’、‘玛拉’、‘2018-02-02’）
，（“威尔克森”、“日尔曼”、“2018-01-23”）
，（'Ramirez'，'Aphrodite'，'2017-05-31'）
，（'Fischer'，'Amery'，'2017-07-19'）
，（‘斯威尼’、‘厄普顿’、‘2017-01-18’）
，（‘乔伊纳’、‘西蒙’、‘2017-11-18’）
，（“邓恩”、“洛根”、“2017-04-14”）
，（‘泰勒’、‘香农’、‘2017-05-27’）
（“迪拉德”、“弗里茨”、“2016-12-28”）
，（‘莫兰’、‘鲁尼’、‘2017-12-08’）
，（‘洛根’、‘亨特’、‘2016-11-06’）
，（《赌博》，《泰龙》，《2017-04-08》）
，（'Mckay'、'Quon'、'2017-08-22'）
，（“利文斯顿”、“怀利”、“2017-02-21”）
，（‘亨斯利’、‘昆西’、‘2018-01-08’）
（“麦克马洪”、“梅雷迪斯”、“2018-04-26”）
，（“花卉”、“扎奇里”、“2018-01-29”）
，（《牧羊人》，《开罗》，《2017-01-25》）
，（《甜蜜》、《莎拉》、《2017-10-30》）
，（“牛顿”、“卡尔文”、“2017-07-22”）
，（“Cameron”、“Paloma”、“2016-09-07”）
，（“库姆斯”、“沃伦”、“2017-01-14”）
，（‘阿亚拉’、‘加里’、‘2018-04-16’）
，（“胡子”、“雪莉”、“2018-01-02”）
，（“威特”、“安东尼”、“2017-09-14”）
，（‘加纳’、‘库恩’、‘2016-06-12’）
，（‘彼得森’、‘马里斯’、‘2017-11-20’）
，（'Noble'、'Igor'、'2018-03-18'）
，（《阿德金斯》，《以赛亚》，《2017-03-20》）
，（'Mcclain'、'Gillian'、'2016-09-01'）
，（‘亨森’、‘伯特’、‘2016-06-30’）
,
with c as (
      select c.*,
             ((sum(frequency) over (order by centile) - frequency) / sum(frequency * 1.0) over ()) as lb,
             (sum(frequency) over (order by centile) / sum(frequency * 1.0) over ()) as ub
      from centiles c
     )
select s.*, c.centile
from (select s.*,
             rand(checksum(newid())) as randish
      from students s
     ) s join
     c
     on s.randish >= c.lb and s.randish < s.ub;