r - 有没有办法在 R 中生成数据，其中观察的总和等于特定值？

Question

我正在寻找一种方法来生成不同的数据帧，其中变量随机分布在一组观察值中，但这些值的总和加起来是预定的总数。更具体地说，我正在寻找一种在 15 个政党之间随机分配 20.000.000 张选票的方法。我在论坛上看了一会儿，但似乎找不到答案，在尝试自己生成数据时，我一无所获；我什至不知道从哪里开始。分配本身并不重要，尽管我希望能够影响它分配选票的方式。

谢谢 ：）

标签： rdata-generation

Answer 1

您可以制作一个包含 20,000,000 个数字 1 到 15 样本的向量，然后从中制作一个表格，但这似乎在计算上相当昂贵，并且会导致不切实际地平均分配选票。相反，您可以对从均匀分布中抽取的 15 个数字的累积总和进行归一化，然后乘以 2000 万。这将使选票分布更加现实，一些政党的选票比其他政党多得多。

my_sample <- cumsum(runif(15))
my_sample <- c(0, my_sample/max(my_sample))
votes <- round(diff(my_sample) * 20000000)
votes
#>  [1]  725623 2052337 1753844   61946 1173750 1984897
#>  [7]  554969 1280220 1381259 1311762  766969 2055094
#> [13] 1779572 2293662  824096

这些加起来将达到 20,000,000：

sum(votes)
#> [1] 2e+07

我们可以看到相当“自然”的选票分布。

barplot(setNames(votes, letters[1:15]), xlab = "party")

我猜如果您在上述解决方案中替换rexp，runif这将更接近现实生活中的实际投票数，少数高票方和大量低票方。