繪製依賴於個體變量和預定義組風險的隨機binom

Question

我試圖模擬一羣人的暴露數據，然後對數據有一個布爾條件。所以說這是我的模擬曝光數據：

x <- rlnorm(2000) 

然後，我想爲每個人生成1或0依賴於x的值。我可以簡單地定義`MAX（X）」爲P == 1和更小的值作爲其比例爲：

prob <- x/max(x) 
y <- rbinom(n=length(x), 1, prob=prob) 
> table(y) 
y 
    0 1 
1900 100 

然而，這並不是我真正想要的東西。我還希望能夠爲該羣體設置總體人口風險，例如30％（所以風險= 0.3），這樣個人風險取決於x，但總體風險等於0.3。最後，我希望30％的人口擁有y == 1，但個人概率取決於x的值。我不知道如何實現這一點 - 任何幫助表示讚賞。

更新： 以暗示從@B威廉姆斯回答以下，我寫了一個短的優化器功能：

df1 <- data.frame(x = rlnorm(2000)) 
df1$prob <- df1$x/max(df1$x) 
risk = 0.3 

optimize_prob <- function(prob, risk, delta = 0.01, tol = 0.02, max_iter = 400, mult=1){ 

    prob1 <- prob 

    for(i in 1: max_iter){  
     y <- rbinom(n=length(prob1), 1, prob=prob1) 
     meas_risk <- sum(y==1)/length(y) 
     if(abs(risk - meas_risk) > tol) { 
      sign <- as.numeric((risk - meas_risk) >= 0) 
      prob1 <- prob1 + (sign * delta) + (prob1 *delta * mult) 
      # prob1's must lie between 0 & 1 
      prob1 <- ifelse(prob1 > 1, 1, prob1) 
      prob1 <- ifelse(prob1 < 0, 0, prob1) 
     } else { 
      break 
     } 
    } 
    msg <- paste0("Iterations: ", i) 
    print(msg) 
    out <- cbind(prob1, y) 
    return(out) 
} 

df1 <- data.frame(df1, optimize_prob(df1$prob, risk, mult=3)) 
df1$y <- as.factor(df1$y) 
table(df1$y) 

這或多或少達到我想要的結果。但是，如果有人知道這樣做的更好的方式，我很欣賞建議。此外，任何效率改善上述讚賞，因爲我會運行它很多，如果一切按計劃進行。

Answer 1

我可能不明白你想要做什麼，但這是我的猜測。

library(dplyr) 
df <- data.frame(x = rlnorm(2000)) 

拉出值的前600名（2000年30％），並獲得最小值

df %>% 
    mutate(prob = x/max(x)) %>% 
    top_n(600) %>% 
    summarise(min.value = min(prob)) -> out 

設置基於最小值

df %>% 
    mutate(prob = x/max(x), 
      global = ifelse(prob > out$min.value, 1, 0)) %>% 
    summarise(one = sum(global)) 

或者你可以在全局概率編寫一個函數並對其進行優化以獲得「截止」值。