如何按行ID进行分析，其中每一行将被重新采样（重新分析）10次，然后再进入R中的下一行？

Question

我是R方面的初学者，正在处理数据，我需要从von Mises分布中随机抽样每行10次。我已经计算了数据的浓度参数(kappa)，并且正在使用包CircStats中的rvm（）生成随机样本。对于每一个真实的观察，我有一个冯·米塞斯的平均值（以度数为单位，下面的“示例”栏）：

Obs例1 1 69.43064 2 2-41.80749 3 3 133.83900 4 4-12.82486 5 5-137.57358 6 6-19.27882

因此，如果我从浓度参数（kappa）为.44的von Mises分布中计算10的随机样本，我的第一个观察代码将如下所示：

rvm（10,rad（69.43064）,.44）[1]0.7695183 5.9182905 2.6174674 5.6028430 2.4213428 5.4660423 6.1753582[8]2.6910969 4.2964024 5.4806146

我想参考数据中观察到的平均值，所以：

rvm(10，rad(bearex$example)，.44)

我希望每次观察计算10个随机值。我的理想输出如下所示：

Obs随机1 0.7695183 1 5.9182905 1 2.6174674 1 5.602843 1 2.4213428 1 5.4660423 1 6.1753582 1 2.6910969 1 4.2964024 1 5.4806146

以此类推每一个观察。我觉得这是一个非常基本的问题，但我在用观察数编写循环时遇到了麻烦。

感谢您抽出时间！

Answer 1

如果你有一个数据框架的观察和他们的手段，例如：

obs_plus_mean = data.frame(obs = 1:5, mean = c(69.43064, -41.80749, 133.83900, -12.82486, -137.57358, -19.27882))

然后，对于一个稍微稳健的解决方案，你可以从一个函数开始，该函数接受kappa的输入，样本均值和样本大小n，为每个观察生成一个大小为n的样本。为了方便起见，您甚至可以设置kappa和样本量的默认值。

von_mis_sample = function(mean, size = 10 , kappa = .44) { 
  sample = rvm(size,rad(mean),kappa)
}

然后您可以通过调用计算示例

samples = sapply(obs_plus_mean$mean, von_mis_sample(mean))