【问题标题】：How to Generate Normal Random Samples within Mean±3Sigma如何在 Mean±3Sigma 范围内生成正态随机样本
【发布时间】：2015-05-16 09:18:45
【问题描述】：

我想以特定的均值 (M) 和标准偏差 (S) 的顺序 ((100*8)*5000) 绘制正常随机数，但我希望它们仅在 M±3S 范围内，这样我的数组中就没有任何异常值超出这些限制。

有什么建议吗？我想基于这个数组在 R 中编写一个程序来进行一些模拟研究。我正在使用以下 R 代码来生成我的数据集：

for(i in 1:5000){
for(j in 1:8){
            Dat[,j,i]=rnorm(100,mean=muu[j],sd=sigma[j])
         }
         }

现在，我们要去掉上述数据中高于 muu±3sigma 的值。当然，我们必须将丢弃的值替换为新的值，以便 Dat 数组的维度保持不变。

【问题讨论】：

【解决方案1】：

第一个解决方案

这是一个开始，但我敢打赌有一个更优雅的解决方案。首先生成一个样本，下一步是将其子集化为您想要的值。当然，您必须根据自己的意愿调整值。

set.seed(123)
rs <- rnorm(10000, mean = 10, sd = 3)
rs1 <- rs[ rs >= -19 & rs <= 19  ]

第二个（更好的）解决方案

我认为我的第一个解决方案效果不佳。我刚刚编写了一些可能非常适合您的代码。步骤如下。

根据该向量对data 进行子集化，并将 TRUE 为 TRUE 的值替换为用于生成样本的平均值

数据

for(i in 1:5000){
    data[ , , i] <- rnorm(800, 3, 1)
}

bound <- 3 + c(-1, 1)*3*1
pr <- data <= bound[1] | data >= bound[2]
data[pr] <- 3

【讨论】：

我认为这几乎是正确的。我认为您真正想要的是参数化您的均值和 sd，然后过滤为均值正负 3*sd。
这个解决方案是完美的，如果我们只有一个复制，但就我而言，我使用两个 for 循环（如下所示）来生成数据集：for(i in 1:5000){ for(j in 1:8){ Dat[,j,i]=rnorm(100,mean=muu[j],sd=sigma[j]) } } 对于这种情况，我该如何得到我想要的数据集？
我很抱歉@KashifAli，但我认为我没有得到你应该做的事情。首先，您想要一个 3 维数组，比如 100 行 * 8 列 * 5000 个级别？如果是这样，但即使不是这样，您想要一个简单的模拟还是有限数量的模拟？这些模拟是按行还是按列？
我很抱歉@KashifAli，但我还是不明白。您的代码似乎说您想要生成 8 个样本，每个样本的平均值从 1 到 8，并且对于每组随机样本（平均值从 1 到 8），您需要 5000 个数组级别。所以，让我回顾一下：一个有 8 列、100 行和 5000 层的数组。每列都是 rnorm 的结果，其中第 1 列的平均值为 1 和 sd 1，第 2 列的平均值为 2 和 sd 2，依此类推。
实际上我忘了提到均值是相同的，用 muu[j] 表示，标准差也是如此。