Trucos SAS. Muestras aleatorias con y sin reemplazamiento

Mayo 11th, 2009 | por rvaquerizo |

Un ejemplo típico de SAS pero que creo que puede ayudar a conocer algunas funciones de SAS. Los ejemplos que planteo a continuación crean un dataset con 10.000 observaciones y sobre él vamos a crear dos subconjuntos de datos, dos muestras aleatorias del dataset de partida, una muestra sin reemplazamiento y otra muestra con reemplazamiento. Son dos ejemplos muy sencillos. Como siempre creo un dataset de forma aleatoria que me sirve de base para plantearos el truco:


data ejemplo;
 do id=1 to 10000;
 importe=ranuni(8)*1000;
 output;
 end;
run;

El dataset de partida tiene 10.000 observaciones y dos variables una de ellas creada con la función ranuni que genera aleatorios de uniforme (0,1) con una raiz. Ahora vamos a realizar una muestra aleatoria de este conjunto de datos SAS de tamaño 300 sin reemplazamiento:

*MUESTRA ALEATORIA SIN REEMPLAZAMIENTO;
%let tamanio=300;

data aleat1;
 set ejemplo;
 aleat=rand("uniform");
run;

proc sort data=aleat1; by aleat; run;

data aleat1;
 set aleat1;
 if _n_>&tamanio. then stop;
 drop aleat;
run;

Creamos una variable aleatoria con la función rand que no necesita raiz para generar números aleatorios en este caso uniform (0,1), ordenamos por ella y seleccionamos una muestra que nos define la macrovariable tamanio. Ahora la muestra aleatoria será con reemplazamiento:


%let tamanio=300;
data aleat2;
 set ejemplo;
 select=_n_;
run;

*NUMERO DE OBSERVACIONES DEL DATASET DE PARTIDA
 LONGITUD DEL NUMERO;
proc sql noprint;
select compress(put(count(*),best32.)) into:num_obs
from ejemplo;
quit;

data select;
 retain para;
 select=0;
 para=0;
 do while (para<&tamanio.);
  select=ceil(rand("uniform")*10**length(compress("&num_obs"))-1);
  if 1<=select<=&num_obs. then do;
  para=para+1;
  output;
  end;
 end;
 drop para;
run;

proc sort data=select; by select; run;

data aleat2;
 merge aleat2 select (in=a);
 by select;
 if a;
 drop select;
run;

Vemos que la metodología es distinta. En este caso creamos una tabla con 300 registros que contiene 300 números aleatorios entre 1 y el número de observaciones del dataset de partida que calculamos mediante un proc sql. Puede resultar interesante como se emplea la función length para identificar las cifras de un número. Como este número aleatorio puede repetirse obtenemos el reemplazamiento deseado posteriormente hacemos el  cruce con merge y ya tenemos nuestra muestra aleatoria.  El ejemplo es sencillo pero a los menos expertos puede ayudarles a conocer los bucles con while

Sé de más de uno al que le será muy útil este truco. Por supuesto, si tenéis dudas, sugerencias o un trabajo bien retribuido… rvaquerizo@analisisydecision.es

Etiquetas: , , ,

Disculpa, los comentario en esta entrada están cerrados en este momento.