从正态分布模拟5000个大小为5的样本，平均值为5，标准差为3

3 回答

• 1

  你的代码很好（见下文），但我建议你尝试以下方法：

  yourlist <- lapply(1:nrSamples, function(x) rnorm(n=5, mean = 5, sd = 3 ))
   yourmeans <- sapply(yourlist, mean)
  

  这里，对于作为第一个参数提供的序列1,2,3，... nrSamples 的每个元素， lapply 执行一个函数，该序列的给定元素作为参数（即 x ） . 我提供的函数不依赖于 x ，因此它只复制了5000次，输出存储在列表中（这就是 lapply 所做的） . 在这种情况下，这是一种避免循环的简单方法 . 不用说，你也可以跑

  yourmeans <- sapply(1:nrSamples, function(x) mean(rnorm(n=5, mean = 5, sd = 3)))
  

  除了手段，后者不会存储您的结果，这可能不是您想要的 . 另请注意，我调用 sapply 来返回一个矢量，然后您可以使用该矢量绘制直方图 . hist(yourmeans) .

  To show that your code is fine, consider the following:

  set.seed(42)
  nrSamples = 5000
  e <- list(mode="vector",length=nrSamples)
  for (i in 1:nrSamples) {
    e[[i]] <- rnorm(n = 5, mean = 5, sd = 3)
  }
  
  sample_means <- matrix(NA, 5000,1)
  for (i in 1:5000){
    sample_means[i] <- mean(e[[i]])
  }
  
  set.seed(42)
  yourlist <- lapply(1:nrSamples, function(x) rnorm(n=5, mean = 5, sd = 3 ))
  yourmeans <- sapply(yourlist, mean)
  
  all.equal(as.vector(sample_means), yourmeans)
  [1] TRUE
  

  在这里，我将种子设置为随机数生成器，以确保随机数相同 . 如您所见，您的代码工作正常，但正如其他人所指出的那样，可以轻松避免循环 .

  回复于 2024-04-29T04:21:39+08:00
• 4

  在这种情况下，您不需要列表 . 新R用户常常错误地使用列表 .

  observations <- matrix(rnorm(25000, mean=5, sd=3), 5000, 5)
  means <- rowMeans(observations)
  

  现在 means 是5000个元素的向量 .

  回复于 2024-04-29T04:21:39+08:00
• 3

  你可以在没有for循环的情况下实现这一点 replicate 可用于创建5000个样本 . 然后使用 sapply 返回每个样本的平均值 . 在 hist() 中包含 sapply 调用以获取平均值的直方图 .

  dat = replicate(5000, rnorm(5,5,3), simplify=FALSE)
  
  hist(sapply(dat, mean))
  

  或者，如果你想保存手段：

  sample.means = sapply(dat,mean)
  hist(sample.means)
  

  我认为您的代码提供了有效的结果 . list(mode="vector",length=nrSamples) 没有做我认为你想要的事情（在控制台中运行它，看看会发生什么），但它确实有效，因为前两个列表元素在循环中被覆盖 .

  虽然这里不需要使用循环，但这里只是为了说明使用循环的代码的两个修改版本：

  # 1. Store random samples in a list
  e <- vector("list", nrSamples) 
  for (i in 1:nrSamples) {
    e[[i]] <- rnorm(n = 5, mean = 5, sd = 3)
  }
  
  sample_means = rep(NA, nrSamples)
  for (i in 1:nrSamples){
    sample_means[i] <- mean(e[[i]])
  }
  
  # 2. Store random samples in a matrix
  e <- matrix(rep(NA, 5000*5), nrow=5)
  for (i in 1:nrSamples) {
    e[,i] <- rnorm(n = 5, mean = 5, sd = 3)
  }
  
  sample_means = rep(NA, nrSamples)
  for (i in 1:nrSamples){
    sample_means[i] <- mean(e[, i])
  }
  

  回复于 2024-04-29T04:21:39+08:00