È possibile campionare da una densità condizionale in R dati alcuni dati condizionali?

Question

In R, utilizzando il pacchetto np, ho creato le larghezze di banda per una densità condizionale. Quello che mi piacerebbe fare è, dato qualche nuovo vettore condizionale, campionare dalla distribuzione risultante.

codice attuale:

library('np') 
# Generate some test data. 
somedata = data.frame(replicate(10,runif(100, 0, 1))) 
# Conditional variables. 
X <- data.frame(somedata[, c('X1', 'X2', 'X3')]) 
# Dependent variables. 
Y <- data.frame(somedata[, c('X4', 'X5', 'X6')]) 
# Warning, this can be slow (but shouldn't be too bad). 
bwsome = npcdensbw(xdat=X, ydat=Y) 
# TODO: Given some vector t of conditional data, how can I sample from the resulting distribution? 

Sono abbastanza nuovo per R, così mentre ho letto la documentazione del pacchetto, non sono stato in grado di capire se ciò che la visione ha un senso o è possibile. Se necessario, utilizzerei volentieri un altro pacchetto.

Answer 1

Qui è l'esempio da 2.49: https://cran.r-project.org/web/packages/np/vignettes/np_faq.pdf, dà la soluzione segue per per 2 variabili:

### 
library(np) 
data(faithful) 
n <- nrow(faithful) 
x1 <- faithful$eruptions 
x2 <- faithful$waiting 
## First compute the bandwidth vector 
bw <- npudensbw(~x1 + x2, ckertype = "gaussian") 
plot(bw, view = "fixed", ylim = c(0, 3)) 
## Next generate draws from the kernel density (Gaussian) 
n.boot <- 1000 
i.boot <- sample(1:n, n.boot, replace = TRUE) 
x1.boot <- rnorm(n.boot,x1[i.boot],bw$bw[1]) 
x2.boot <- rnorm(n.boot,x2[i.boot],bw$bw[2]) 
## Plot the density for the bootstrap sample using the original 
## bandwidths 
plot(npudens(~x1.boot+x2.boot,bws=bw$bw), view = "fixed") 

seguendo questo suggerimento da @coffeejunky, quanto segue è una possibile soluzione al vostro problema con 6 variabili:

## Generate some test data. 
somedata = data.frame(replicate(10, runif(100, 0, 1))) 
## Conditional variables. 
X <- data.frame(somedata[, c('X1', 'X2', 'X3')]) 
## Dependent variables. 
Y <- data.frame(somedata[, c('X4', 'X5', 'X6')]) 
## First compute the bandwidth vector 
n <- nrow(somedata) 
bw <- npudensbw(~X$X1 + X$X2 + X$X3 + Y$X4 + Y$X5 + Y$X6, ckertype = "gaussian") 
plot(bw, view = "fixed", ylim = c(0, 3)) 
## Next generate draws from the kernel density (Gaussian) 
n.boot <- 1000 
i.boot <- sample(1:n, n.boot, replace=TRUE) 
x1.boot <- rnorm(n.boot, X$X1[i.boot], bw$bw[1]) 
x2.boot <- rnorm(n.boot, X$X2[i.boot], bw$bw[2]) 
x3.boot <- rnorm(n.boot, X$X3[i.boot], bw$bw[3]) 
x4.boot <- rnorm(n.boot, Y$X4[i.boot], bw$bw[4]) 
x5.boot <- rnorm(n.boot, Y$X5[i.boot], bw$bw[5]) 
x6.boot <- rnorm(n.boot, Y$X6[i.boot], bw$bw[6]) 
## Plot the density for the bootstrap sample using the original 
## bandwidths 
ob1 <- npudens(~x1.boot + x2.boot + x3.boot + x4.boot + x5.boot + x6.boot, bws = bw$bw) 
plot(ob1, view = "fixed", ylim = c(0, 3))