在R的采样中，重复n次和直接生成n有什么区别？

我被要求“将x模拟为独立同分布（iid）正态变量，平均值为0，标准值为1.5，样本长度为500”

我通过以下两种方式进行采样：

set.seed(8402)
X <- rnorm(500, 0, 1.5)
head(X)

然而，如果我这样做

X <- replicate(500, rnorm(1,0,1.5))
head(X)

我的问题是，生成iid正态变量的正确方法是什么？这两种方式有什么区别

---

非常感谢

R内部

在R内部，来自

：double rnorm（double mean，double sd）

函数的C函数一次生成一个随机数。当您调用它的R包装函数时，它调用C级函数

n

次

这与您仅使用

n=1

调用R级函数一次相同，但使用

replicate

将其复制

n

次

第一种方法要快得多（当

n

非常大时，可能会看到差异），因为所有操作都是在C级别完成的

replicate

不过，它是

sapply

的包装器，因此它不是真正的矢量化函数（请继续阅读）

此外，如果为这两个设置相同的随机种子，则将得到相同的随机数集

---

更具说明性的实验

在我下面的评论中，我说随机种子只在输入时设置一次。为了帮助人们理解这一点，我提供了这个例子。不需要使用大的

n

<代码>n=4就足够了

首先，我们将种子设置为0，同时生成4个标准法线样本：

set.seed(0); rnorm(4, 0, 1)
## we get
[1]  1.2629543 -0.3262334  1.3297993  1.2724293

注意，在这种情况下，所有4个数字都是从条目种子0获得的

现在，让我们这样做：

set.seed(0)
rnorm(2, 0, 1)
## we get
[1]  1.2629543 -0.3262334
## do not reset seed, but continue with the previous seed
replicate(2, rnorm(1, 0, 1))
## we get
[1] 1.329799 1.272429

看到了吗

但是如果我们在中间重置种子，例如，将其设置为0

set.seed(0)
rnorm(2, 0, 1)
## we get
[1]  1.2629543 -0.3262334
## reset seed
set.seed(0)
replicate(2, rnorm(1, 0, 1))
## we get
[1] 1.2629543 -0.3262334

---

这就是我所说的“entry”（输入）的意思。

运行代码时，两种方法都会得到相同的结果（正如预期的那样）。如果我没有第二次设置随机种子，我会得到你的第二个结果。第一种方法更有效，因此建议使用。@Roland您能解释一下“第二次设置随机种子”是什么意思吗？如果您完全按照问题中提供的方式运行代码，您将无法获得所显示的输出。计算机不太擅长随机数，因为它们实际上不会生成随机数。要测试这一点，请设置一个随机种子，如

set.seed（42）

，然后运行

rnorm（1）

5次（不使用复制）。它们看起来像随机数。现在，再次运行

set.seed（42）

，然后再运行

rnorm（1）

5次。你会注意到它们与你以前得到的数字完全相同。通过第二次运行

set.seed

，您可以“重新启动”R从中提取的数字列表。这就是为什么如果只使用一次

set.seed

，结果会有所不同。

set.seed(0)
rnorm(2, 0, 1)
## we get
[1]  1.2629543 -0.3262334
## do not reset seed, but continue with the previous seed
replicate(2, rnorm(1, 0, 1))
## we get
[1] 1.329799 1.272429

set.seed(0)
rnorm(2, 0, 1)
## we get
[1]  1.2629543 -0.3262334
## reset seed
set.seed(0)
replicate(2, rnorm(1, 0, 1))
## we get
[1] 1.2629543 -0.3262334