R语言 样本随机抽样

在R语言中，可以使用`sample()`函数来进行样本的随机抽样。`sample()`函数有三个主要的参数：

1. `x`：表示待抽样的数据集，可以是一个向量或者一个数据框。
2. `size`：表示需要抽取的样本大小，可以是一个整数或者一个比例。
3. `replace`：表示是否进行有放回的抽样，如果为TRUE，则表示有放回抽样；如果为FALSE，则表示无放回抽样。

以下是一个使用`sample()`函数进行随机抽样的示例：

# 创建一个向量
data <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)

# 从data中随机抽取3个样本（无放回抽样）
sample_data <- sample(data, size = 3, replace = FALSE)
print(sample_data)

上述代码将从`data`向量中随机抽取3个样本，并将结果存储在`sample_data`中。注意，这是一个无放回抽样的示例，即每次抽取后，被抽到的元素将不再被重复抽取。

相关问题

R语言随机抽样，分层抽样和整群抽样的例子

在R语言中，随机抽样、分层抽样和整群抽样都是常用的数据收集方法，它们可以帮助从大数据集中获取有代表性的样本。

1. **随机抽样**:
例如，你可以使用`sample()`函数来进行简单随机抽样。假设有一个名为`data`的数据框，你想从中抽取10个观测值作为样本，可以这样做：

   random_sample <- sample(data$your_variable, size = 10)

2. **分层抽样**:
如果数据集按某种类别分为几个层次（如年龄、性别），你需要根据每层的比例来抽取样本。首先计算各层的样本数，然后分别抽取：

   layer_1 <- data[data$layer == "layer1",]$your_variable
   layer_2 <- data[data$layer == "layer2",]$your_variable
   stratified_sample <- c(sample(layer_1, prop = proportion_in_layer1), sample(layer_2, prop = proportion_in_layer2))

3. **整群抽样**:
整群抽样是将整个群体视为一个抽样单位。比如研究所有学校，你可能会选择某些学校进行调查：

   cluster_sample <- schools[sample(1:nrow(schools), size = number_of_clusters, replace = FALSE), ]

这里`schools`是一个包含学校信息的数据框，`number_of_clusters`是你想调查的学校数量。

用r语言对一个数据集进行随机抽样，并对比100、500个样本量下的样本质量，写出r代码

可以使用`sample()`函数对数据集进行随机抽样，下面是一个简单的示例代码：

# 读取数据集
data <- read.csv("data.csv")

# 随机抽样100个样本
set.seed(123) # 设置随机种子，保证结果可重复
sample_100 <- data[sample(nrow(data), 100), ]

# 随机抽样500个样本
set.seed(123)
sample_500 <- data[sample(nrow(data), 500), ]

# 对比两个样本的质量
summary(sample_100)
summary(sample_500)

在上面的代码中，首先使用`read.csv()`函数读取数据集，然后使用`sample()`函数对数据集进行随机抽样，并分别抽取了100个样本和500个样本。最后使用`summary()`函数对两个样本的质量进行对比，可以得到各个变量的均值、中位数、最大值、最小值等统计信息。