【R】相関や時系列の架空データを生成する

■ 同じものを繰り返す
rep(c(1,2,3), times=2) # ベクトル 
rep(c("fair","good"), times=c(2,3)) # 文字列
rep(paste("pat", c(1:3), sep="_"), times=2) # paste関数

■ 値を元にカテゴリデータを生成する
x = c(90, 55, 79, 80, 100)
cut(x,breaks=c(0,80,100), labels=c("不合格","合格"), right = FALSE, include.lowest = TRUE)

# 意味：0-80未満なら不合格,80以上-100以内なら合格と表示される
# 引数：right = False 境界80を左に含めない , include.lowest = TRUE 終端100を含む

■ 等差数列
seq(1, 5, by=2) # 1,3,5

■ 乱数生成
rnorm(生成する乱数の数, 平均値, 標準偏差)  # 正規分布
runif(20, min = 1, max = 100) # 一様分布,小数も含む
as.integer(runif(20, min = 1, max = 100)) # 一様分布,整数のみ
rpois(n=100, lambda=5) #ポアソン分布
rbinom(n=100, size = 50, prob = 0.5) # 二項分布,成功確率50%を50回試行した結果の値を100個生成

set.seed(123)
data = data.frame()
# --------------------------------------------------
# Xが大きくなるにつれてYの傾きが大きくなるデータを生成
# --------------------------------------------------
for (i in 1:100) {
  slope = 5 * i  # Yの傾きをXに比例して増加させる
  y = slope * i + rnorm(1, mean = 0, sd = 500)  # 線形回帰にノイズを加える
  data = rbind(data, data.frame(x = i, y = y))
}
# --------------------------------------------------
# 線形回帰で予測・可視化
# --------------------------------------------------
model = lm(y ~ x ,data = data)

tmp = data.frame(pred = predict(model),resu = data$y,x = data$x)
ggplot(data = tmp) +
  geom_point(mapping = aes(x=x,y=pred,color = '予測値')) +
  geom_point(mapping = aes(x=x,y=resu,color = '実測値')) +
  theme_classic()

set.seed(123)
data = data.frame()

# 相関を生成する関数を用意
CorRand = function(n, mu, sd, r){ # r：相関係数
    x  = rnorm(n=n, mean=mu, sd=sd)
    e1 = rnorm(n=n, mean=mu, sd=sd)
    e2 = rnorm(n=n, mean=mu, sd=sd)
 return(cbind(sqrt(r)*x+sqrt(1-r)*e1, sqrt(r)*x+sqrt(1-r)*e2))}

# 生成・格納
mt = CorRand(1000, 0, 1, 0.8)
x = mt[,1]
y = 1 + 2 * mt[,2]

n = 1000
b0 = 10
b1 = 10
x1 = rnorm(n=n)
e = rnorm(n=n, sd=10)
y = b0 + b1*x1 + e
plot(x,y)

base_val = c(rep(0,150),rep(3,150)) # 何らかの変化があったイメージ
seasonal_val = rep(c(15,13,11,rep(0,47)),6) # 15,13,11,0,0,…,15,13,11,0,0,…
trend_val = seq(0,8,length=300) # 0 ~ 8 まで300分割の等差数列
error = rnorm(300) # ホワイトノイズ

x = base_val+trend_val+seasonal_val+error
xt = ts(data = x,frequency=50) # frequency：time(回数)が変わる

plot(xt)

x1 = rnorm(100, 10, 1)
x2 = rnorm(100, 10, 2)
x3 = x1 * 2 + rnorm(100, 10, 0.01)
y =  x1 + 2 * x2 + 3 * x3 + rnorm(100, 0, 1)

data = data.frame(y,x1,x2,x3)
pairs(data) # 散布図行列を確認する