如何将冯·米斯分布适合我的数据以生成随机样本

Question

我的数据由来自特定位置的16对距离和方位组成。我正在尝试生成这16对的1000个重采样（即创建X2和Y2的新集合）。这样一来，我最终将拥有1000对，16对距离和方位，从而产生新的16个空间点。

my data, using the bearing and the distance to generate X2 and Y2

到目前为止，我已经从已有的16个值中重新采样（重新排序），>

`

f2 <- function(x) data.frame(bearing = sample(min(HRlog$beartoenc):max(HRlog$beartoenc), 16, replace = TRUE), 
                                distance = sample(min(HRlog$distoenc):max(HRlog$distoenc), 16, replace = TRUE))

    se1randcent <- as.data.frame(lapply(seq(1000), f2))
`

但是我的顾问不愿意。

我被告知我应该根据冯·米斯分布重新采样，即使分布适合我的数据，然后根据我得到的K值从该分布中重新生成16对。我真的不知道这意味着什么。谁能帮我弄清楚吗？

我发布此问题是因为我处于严重的时间压力中，并且已经怀孕9个月，所以我的怀孕大脑无法帮助我及时找到答案。

对此的任何帮助将不胜感激！

我的数据由来自特定位置的16对距离和方位组成。我正在尝试生成这16对的1000个重采样（即创建X2和Y2的新集合）。这样最后...

Answer 1

R中的软件包circular可能会有所帮助。 von Mises分布kappa参数可以使用最小化方法（如下所示）或通过内置的最大似然估计器mle.vonmises()从您提供的角度进行计算。一旦有了参数，就可以将rvonmises与样本数量和计算出的参数一起使用来生成样本。生成的样本似乎在[0,2pi]上，因此可能需要进行一些调整以确保平均值正确表示。]

拟合距离可能是单独的分布，并且在此答案中未解决两者之间可能的依赖关系的问题。