我的随机播放函数有多随机？

Question

我正在编写一项心理实验，需要为每个参与者随机排列刺激顺序。我有一个函数可以随机排列我的刺激，然后我的程序从一个.txt文件中读取它们的顺序。默认情况下，在我的“shuffle”函数中使用的伪随机算法是否足够混淆事物，以便在实验过程中（4500次试验）不会产生任何系统偏差，无论是在任何刺激位置还是刺激位置模式上？

stimulus <- c("a", "b", "c", "d", "e")
shuffle <- function (x) { as.data.frame(sample((t(x)))) } 
shuffle (stimulus)

- luke123

---

我忍不住要提醒一下，结果严重偏向于字母表的前面 :-) - Carl Witthoft

Answer 1

我认为是的，你可以绘制图形来说明。如果数据真的是随机的，我们在乱序后每个位置期望看到一个均匀分布的值，所以让我们多次重复这个实验，并将结果绘制成图表...

#  Repeat experiment 10,000 times
res <- replicate( 10000 , shuffle(stimulus) )
out <- do.call( rbind , res )

#  Plot
par( mfrow = c( 3 , 2 ) )
for( i in 1:ncol(out)){
  hist( out[,i] , main = paste0("Values at position: " , i ) )
}

每个直方图表示每个位置的数值分布情况。有5个位置，因此有5个直方图。在每个位置上可能的数值均匀分布，因此我会说您的数值被赋予每个位置的概率是相等的（这是sample的默认设置）。

- Simon O'Hanlon

---

我认为使用 sample 进行无重复采样，且不指定概率会导致 费舍尔-耶茨洗牌算法。这是因为在每个值被采样后，它会重新规范化概率（在这种情况下是均匀分布），并从剩余可用的值中进行采样。这意味着每个排列具有相等的概率。 - Kevin Bullaughey

Answer 2

在R语言中，随机数生成器非常优秀，这门语言是面向统计学家的。有几点需要注意：

1. See ?RNG for details about the random number generators used.

2. Use set.seed to make your shuffling reproducible

   set.seed(1)
   

3. You could simplify your code to:

   stimulus = c("a", "b", "c", "d", "e")
   data.frame(sh=sample(stimulus))
   

- csgillespie