求助大神：用计算机模拟dirty数据

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

在做分析中，收集上来的第一手数据一般都是要进行清理才能做统计分析的。我现在有一些变量的干净数据，我想用模拟的方法分析一下如果数据不干净的话对统计分析的影响。我首先从干净的数据中按比例抽取了一部分数据，把剩下的数据用模拟的方法做成dirty数据，求问各位大神，这应该怎么做呀？我知道可能有五六种污染源，也知道每种污染源大概在污染中所占的比例呀。大神们可以给一些建议么？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：计算机模拟 dirty 求助大神 计算机 IRT 计算机 污染源 dirty 清理 统计

您的dirty没有准确的定义，比如是误差项不符合模型设定，又或是有一些异常值之类的，一般而言这类模拟不会太难。比如用样本均值的时候故意掺进去几个很大的数，就会使均值变得很大，而用中位数估计则较稳健

我的dirty 要包括异常值，数据点缺失，等等，还有这些dirty data的在剩下数据中的比例是异常值大约占10%，数据点缺失占剩下数据的38%，这样可以模拟么？您能说的具体一点么？

凸集分离定理 发表于 2014-1-3 09:08
您的dirty没有准确的定义，比如是误差项不符合模型设定，又或是有一些异常值之类的，一般而言这类模拟不会太 ...

我的dirty 要包括异常值，数据点缺失，等等，还有这些dirty data的在剩下数据中的比例是异常值大约占10%，数据点缺失占剩下数据的38%，这样可以模拟么？您能说的具体一点么？

小宝爱波1314 发表于 2014-1-6 13:20
我的dirty 要包括异常值，数据点缺失，等等，还有这些dirty data的在剩下数据中的比例是异常值大约占10 ...

R 几行命令就可以写出来 如果不是很重要的话 您把数据发到论坛上 再付一个word说明，我帮您看一下

凸集分离定理 发表于 2014-1-6 22:39
R 几行命令就可以写出来 如果不是很重要的话 您把数据发到论坛上 再付一个word说明，我帮您看一下

好的，过几天给您数据吧。现在数据还没分离出来。可以先告诉我您的理念么？

小宝爱波1314 发表于 2014-1-7 08:35
好的，过几天给您数据吧。现在数据还没分离出来。可以先告诉我您的理念么？

这种模拟就是照着做就行了，不需要什么理念。比如异常值就加一些进去就行了。

凸集分离定理 发表于 2014-1-7 16:09
这种模拟就是照着做就行了，不需要什么理念。比如异常值就加一些进去就行了。

hi，你好，我现在给您一些数据，麻烦您帮我模拟成dirty的数据，要随机80%是干净的，另外的20%按照数据缺失26．98%，异常值73.02%的比例来模拟。需要模拟10000次，一共得到10000个模拟错误的数据集。可以么？

凸集分离定理 发表于 2014-1-7 16:09
这种模拟就是照着做就行了，不需要什么理念。比如异常值就加一些进去就行了。

hi，你好，我现在给您一些数据，麻烦您帮我模拟成dirty的数据。我的想法是这样的，随机抽取20%按照数据缺失26．98%，异常值73.02%的比例来模拟，模拟完成后与剩下的80%的数据合并成一个数据集。需要随机抽取10000次，也就是说要模拟10000次，一共得到10000个模拟错误的数据集。可以么？给您的数据集是SAS数据集，不知道您方便么？ birth_weight.xlsx (42.69 KB)

2014-1-9 21:25:58 上传

小宝爱波1314 发表于 2014-1-9 21:26
hi，你好，我现在给您一些数据，麻烦您帮我模拟成dirty的数据。我的想法是这样的，随机抽取20%按照数据缺 ...

easy 不过我只给您产生10个，您自己跑循环，由于您没有说明异常值的定义，我看到名称是birth_weight，
Min.   : 780  
1st Qu.:3000  
Median :3300  
Mean   :3284  
3rd Qu.:3600  
Max.   :7700
那么我产生两种异常值一种少写0，均值变成330，一种超重，均值变5000，
我用R写代码，随后付上