Respostas:
Deseja que as proporções na amostra sejam exatamente as proporções indicadas? ou para representar a idéia de amostragem de uma população muito grande com essas proporções (para que as proporções da amostra sejam próximas, mas não exatas)?
Se você quiser as proporções exatas, poderá seguir a sugestão de Brandon e usar a samplefunção R para randomizar a ordem de um vetor que tenha as proporções exatas.
Se você deseja fazer uma amostra da população, mas não restringir as proporções para ser exato, ainda poderá usar a samplefunção em R com o probargumento da seguinte maneira:
> x <- sample( LETTERS[1:4], 10000, replace=TRUE, prob=c(0.1, 0.2, 0.65, 0.05) )
> prop.table(table(x))
x
A B C D
0.0965 0.1972 0.6544 0.0519
Usando R (http://cran.r-project.org/). Tudo o que estou fazendo aqui é criar uma lista aleatória com as proporções que você especificou.
x <- c(rep("A",0.1*10000),rep("B",0.2*10000),rep("C",0.65*10000),rep("D",0.05*10000))
# cheating
x <- sample(x, 10000)
prop.table(summary(as.factor(x)))
/ me Aguarda pacientemente a discussão sobre quão verdadeiramente aleatório isso é
n <- 10000
blah <- character(n)
u <- runif(n)
blah[u<=0.1] <- "A"
blah[u>0.1 & u<=0.3] <- "B"
blah[u>0.3 & u<=0.95] <- "C"
blah[u>0.95] <- "D"
table(blah)
prop.table(summary(as.factor(blah)))
Não tenho dúvida de que isso é verdadeiramente aleatório. Quero dizer, na medida em que runif()é aleatório :)
probargumento para sample():sample(LETTERS[1:4], 10000, replace=TRUE, prob=c(0.1, 0.2, 0.65, 0.05))
Se você é um usuário do SAS, as versões recentes oferecem uma capacidade semelhante de obter o que chama de distribuição de "tabela" - que é o que você procura, como parte da função Rand (). Consulte http://support.sas.com/documentation/cdl/en/lrdict/64316/HTML/default/viewer.htm#a001466748.htm
x <- rep( c("A","B","C","D"), 10000*c(0.1,0.2,0.65,0.05) )e não precisa especificar os 10000 na chamada para amostra, esse seria o padrão (embora, para maior clareza, não seja necessário especificá-la).