Como gerar uma amostra usando a função sample em r

A função sample() em R permite obter uma amostra aleatória de elementos de um conjunto de dados ou vetor, com ou sem substituição.

A sintaxe básica da função sample() é:

amostra (x, tamanho, substituir = FALSE , prob = NULL )

x : um conjunto de dados ou vetor do qual escolher a amostra
tamanho : tamanho da amostra
substituir : a amostragem deve ser realizada com reposição? (isso é FALSO por padrão)
prob : um vetor de pesos de probabilidade para obter os elementos do vetor amostrado

A documentação completa para sample() pode ser encontrada aqui .

Os exemplos a seguir demonstram exemplos práticos de uso de sample().

Gerar uma amostra de um vetor

Suponha que temos um vetor a contendo 10 elementos:

 #define vector a with 10 elements in it
a <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)

Para gerar uma amostra aleatória de 5 elementos do vetor a sem reposição, podemos usar a seguinte sintaxe:

 #generate random sample of 5 elements from vector a
sample(a, 5)

#[1] 3 1 4 7 5

É importante observar que cada vez que geramos uma amostra aleatória, é provável que obtenhamos um conjunto diferente de itens a cada vez.

 #generate another random sample of 5 elements from vector a
sample(a, 5)

#[1] 1 8 7 4 2

Se quisermos replicar nossos resultados e trabalhar com a mesma amostra todas as vezes, podemos usar set.seed() .

 #set.seed(some random number) to ensure that we get the same sample each time
set.seed(122)

#define vector a with 10 elements in it
a <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)

#generate random sample of 5 elements from vector a
sample(a, 5)

#[1] 10 9 2 1 4

#generate another random sample of 5 elements from vector a
sample(a, 5)

#[1] 10 9 2 1 4

Também podemos usar o argumento replace = TRUE para fazer uma amostra com substituição. Isso significa que cada elemento do vetor pode ser escolhido para aparecer na amostra mais de uma vez.

 #generate random sample of 5 elements from vector a using sampling with replacement
sample(a, 5, replace = TRUE)

#10 10 2 1 6

Gerar uma amostra de um conjunto de dados

Outro uso comum da função sample() é gerar uma amostra aleatória de linhas de um conjunto de dados. Para o exemplo a seguir, geraremos uma amostra aleatória de 10 linhas do conjunto de dados R integrado iris , que possui 150 linhas no total.

 #view first 6 rows of iris dataset
head(iris)

# Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1 5.1 3.5 1.4 0.2 setosa
#2 4.9 3.0 1.4 0.2 setosa
#3 4.7 3.2 1.3 0.2 setosa
#4 4.6 3.1 1.5 0.2 setosa
#5 5.0 3.6 1.4 0.2 setosa
#6 5.4 3.9 1.7 0.4 setosa

#set seed to ensure that this example is replicable
set.seed(100)

#choose a random vector of 10 elements from all 150 rows in iris dataset
sample_rows <- sample(1:nrow(iris), 10)
sample_rows

#[1] 47 39 82 9 69 71 117 53 78 25

#choose the 10 rows of the iris dataset that match the row numbers above
sample <- iris[sample_rows, ]
sample

# Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#47 5.1 3.8 1.6 0.2 setosa
#39 4.4 3.0 1.3 0.2 setosa
#82 5.5 2.4 3.7 1.0 versicolor
#9 4.4 2.9 1.4 0.2 setosa
#69 6.2 2.2 4.5 1.5 versicolor
#71 5.9 3.2 4.8 1.8 versicolor
#117 6.5 3.0 5.5 1.8 virginica
#53 6.9 3.1 4.9 1.5 versicolor
#78 6.7 3.0 5.0 1.7 versicolor
#25 4.8 3.4 1.9 0.2 setosa

Observe que se você copiar e colar o código acima em seu próprio console R, deverá obter exatamente a mesma amostra, já que usamos set.seed(100) para garantir que obteremos sempre a mesma amostra.