Случайное назначение целых чисел в R внутри групп без замены

Question

Я запускаю эксперимент с двумя экспериментами: experiment_1 и experiment_2. Каждый эксперимент имеет 5 различных обработок (то есть 1, 2, 3, 4, 5). Мы пытаемся случайным образом назначать лечение внутри групп.

Мы хотели бы сделать это с помощью выборки без замены итеративно внутри каждой группы. Мы хотим сделать это, чтобы гарантировать, что мы получим в качестве сбалансированного образца, насколько это возможно, в лечении (например, мы не хотим, чтобы в группу 1 попадали 4 человека, получавших лечение 2, и никто не получал лечение 1). Поэтому, если у группы есть 23 предмета, мы хотим разбить респондент на 4 подгруппы из 5 и 1 подгруппу из 3. Затем мы хотим случайным образом опробовать без замены в первой подгруппе по 5, поэтому каждому присваивается 1 из обработок, делать то же самое для второй, третьей и четвертой подгруппы по 5, а для конечной подгруппы из 3 случайных выборок без замены. Таким образом, мы гарантируем, что каждое лечение назначается по меньшей мере 4 предметам, а 3 - 5 субъектам данной группы. Мы хотели бы сделать это для всех групп в эксперименте и для обоих видов лечения. Полученный результат будет выглядеть примерно так ...

  group experiment_1 experiment_2 
    [1,]  1   5    3 
    [2,]  1   3    2 
    [3,]  1   4    4 
    [4,]  1   1    5 
    [5,]  1   2    1 
    [6,]  1   2    3 
    [7,]  1   4    1 
    [8,]  1   3    2 
    [9,]  2   5    5 
    [10,]  2   1    4 
    [11,]  2   3    4 
    [12,]  2   1    5 
    [13,]  2   2    1 
     .  .   .    . 
     .  .   .    . 
     .  .   .    . 

Я знаю, как использовать функцию sample, но я не уверен, как образец без замены внутри каждой группы, так что наш выход соответствует описанной выше процедуре. Любая помощь будет оценена по достоинству.

Answer 1

Я думаю, что нам просто нужно перетасовать идентификаторы образцов, см следующий пример:

set.seed(124) 
#prepare groups and samples(shuffled) 
df <- data.frame(group=sort(rep(1:3,9)), 
        sampleID=sample(1:27,27)) 

#treatments repeated nrow of df 
df$ex1 <- rep(c(1,2,3,4,5),ceiling(nrow(df)/5))[1:nrow(df)] 
df$ex2 <- rep(c(2,3,4,5,1),ceiling(nrow(df)/5))[1:nrow(df)] 

df <- df[ order(df$group,df$sampleID),] 

#check treatment distribution 
with(df,table(group,ex1)) 
#  ex1 
# group 1 2 3 4 5 
#  1 2 2 2 2 1 
#  2 2 2 2 1 2 
#  3 2 2 1 2 2 
with(df,table(group,ex2)) 
#  ex2 
# group 1 2 3 4 5 
#  1 1 2 2 2 2 
#  2 2 2 2 2 1 
#  3 2 2 2 1 2 

Answer 2

Как насчет этой функции:

f <- function(n,m) {sample(c(rep(1:m,n%/%m), sample(1:m,n%%m)), n)} 

«п» является размер группы, «м» число лечения. Каждое лечение должно содержать по крайней мере «n% /% m» раз в группе. Числа обработки оставшихся членов группы «n %% m» равны , которые назначаются произвольно без повторения. Вектор «c (rep (1: m, n% /% m), образец (1: m, n %% m))» содержит эти номера обработки. Наконец, функция «выборка» пертурмирует эти числа.

> f(8,5) 
[1] 5 3 1 5 4 2 2 1 
> f(8,5) 
[1] 4 5 3 4 2 2 1 1 
> f(8,5) 
[1] 4 2 1 5 3 5 2 3 

Вот это функция, которая создает dataframe, используя описанную выше функцию:

Plan <- function(groupSizes, numExp=2, numTreatment=5) 
{ 
    numGroups <- length(groupSizes) 
    df <- data.frame(group = rep(1:numGroups,groupSizes)) 

    for (e in 1:numExp) 
    { 
    df <- cbind(df,unlist(lapply(groupSizes,function(n){f(n,numTreatment)}))) 
    colnames(df)[e+1] <- sprintf("Exp_%i", e) 
    } 
    return(df) 
} 

Пример:

> P <- Plan(c(8,23,13,19)) 
> P 
    group Exp_1 Exp_2 
1  1  4  1 
2  1  1  4 
3  1  2  2 
4  1  2  1 
5  1  3  5 
6  1  5  5 
7  1  1  2 
8  1  3  3 
9  2  5  1 
10  2  2  1 
11  2  5  2 
12  2  1  2 
13  2  2  1 
14  2  1  4 
15  2  3  5 
16  2  5  3 
17  2  2  4 
18  2  5  4 
19  2  2  5 
20  2  1  1 
21  2  4  2 
22  2  3  3 
23  2  4  3 
24  2  2  5 
25  2  3  3 
26  2  5  2 
27  2  1  5 
28  2  3  4 
29  2  4  4 
30  2  4  2 
31  2  4  3 
32  3  2  5 
33  3  5  3 
34  3  5  1 
35  3  5  1 
36  3  2  5 
37  3  4  4 
38  3  1  4 
39  3  3  2 
40  3  3  2 
41  3  3  3 
42  3  1  1 
43  3  4  2 
44  3  4  4 
45  4  5  1 
46  4  3  1 
47  4  1  2 
48  4  1  5 
49  4  3  3 
50  4  3  1 
51  4  4  5 
52  4  2  4 
53  4  5  3 
54  4  2  1 
55  4  4  2 
56  4  2  5 
57  4  4  4 
58  4  5  3 
59  4  5  4 
60  4  1  2 
61  4  2  5 
62  4  3  2 
63  4  4  4 

Проверить распределение:

> with(P,table(group,Exp_1)) 
    Exp_1 
group 1 2 3 4 5 
    1 2 2 2 1 1 
    2 4 5 4 5 5 
    3 2 2 3 3 3 
    4 3 4 4 4 4 
> with(P,table(group,Exp_2)) 
    Exp_2 
group 1 2 3 4 5 
    1 2 2 1 1 2 
    2 4 5 5 5 4 
    3 3 3 2 3 2 
    4 4 4 3 4 4 
> 

Answer 3

Конструкция эффективных экспериментов - наука o п собственных и есть несколько R-пакетов, занимающихся этим вопросом:

https://cran.r-project.org/web/views/ExperimentalDesign.html

Я боюсь, ваш подход не является оптимальным не в отношении ресурсов, независимо от того, как вы создаете образцы ...

Однако это может помочь:

n <- 23 
group <- sort(rep(1:5, ceiling(n/5)))[1:n] 
exp1 <- rep(NA, length(group)) 
for(i in 1:max(group)) { 
    exp1[which(group == i)] <- sample(1:5)[1:sum(group == i)] 
} 

Answer 4

Не совсем уверен, если это отвечает на все ваши ограничения, но вы можете использовать randomizr пакет:

library(randomizr) 
experiment_1 <- complete_ra(N = 23, num_arms = 5) 
experiment_2 <- block_ra(experiment_1, num_arms = 5) 
table(experiment_1) 
table(experiment_2) 
table(experiment_1, experiment_2) 

производит вывод так:

> table(experiment_1) 
experiment_1 
T1 T2 T3 T4 T5 
4 5 5 4 5 
> table(experiment_2) 
experiment_2 
T1 T2 T3 T4 T5 
6 3 6 4 4 
> table(experiment_1, experiment_2) 
      experiment_2 
experiment_1 T1 T2 T3 T4 T5 
      T1 2 0 1 1 0 
      T2 1 1 1 1 1 
      T3 1 1 1 1 1 
      T4 1 0 2 0 1 
      T5 1 1 1 1 1