Как генерировать данные без вывода данных в R?

Question

Я хотел бы знать, как я могу генерировать данные, отличные от OUTLIER, используя R. Я генерирую данные с использованием RNORM.

Скажем, у меня есть линейное уравнение

Y = B0 + B1*X + E,  where X~N(5,9) and E~N(0,1). 

Я собираюсь использовать RNorm в создании X и E. Ниже приведены коды, используемые:

X <- rnorm(50,5,3)  #I'm generating 50 Xi's w/ mean=5 & var=9 
    E <- rnorm(50,0,1)  #I'm generating 50 residuals w/ mean=0 & var=1 

Теперь, я собираюсь для генерации Y путем подключения генерируемых данных на X & E выше в линейном уравнении.

Если данные, которые я сгенерировал выше, являются более свободными (без влиятельных наблюдений), то расстояние наблюдений Кука не должно превышать 4/n, что является обычным отключением для обнаружения влиятельных/отдаленных наблюдений.

Но я не смог довести это до сих пор. Я все еще получаю выбросы, когда создаю данные, следуя этой процедуре.

Можете ли вы мне помочь? Вы знаете способ, каким образом я могу генерировать данные, которые БЕСПЛАТНО.

Большое спасибо!

Answer 1

Ну, в любом случае можно было бы обнаружить и удалить эти выбросы, найдя сгенерированные точки, превышающие некоторую обрезку. Конечно, это навредило бы «случайности» в ваших сгенерированных данных, но ваш запрос на данные, свободные от выбросов, подразумевает, что по определению. Вероятно, уменьшение дисперсии X также может помочь.

Answer 2

Есть ли определенная причина, по которой вам нужно, чтобы X был нормально распределен? Предположение о нормальности в регрессии относится к остаткам (термин ошибки). Обычно измеряемая независимая переменная не будет нормально распределена - в сбалансированной (квази-) экспериментальной установке X должны быть близки к равномерно распределенным. Равномерное распределение для X (или даже равномерно разделенная последовательность, сгенерированное с seq()) поможет вам здесь, потому что «outlierness» выбросов возникает из-за того, что они находятся далеко от центра от пространства выборки и сравнительно немногочисленны. С равномерным распределением их уже не так много, что снижает их кредитное плечо.

В качестве боковой панели: реальные данные имеют выбросы. На самом деле это один из способов обнаружения косвенных или даже поддельных данных в науке. Если вас интересуют симуляции, которые соответствуют чему-то на самом деле, то выбросы могут быть не плохими. И существует целый мир надежных методов для обработки данных с произвольно плохими выбросами принципиально, в отличие от произвольных точек отсечки.