循环的内部增量？在r

我正在尝试进行1000次模拟，以查看有多少f值处于高于1.48和低于0.67的拒绝区域

我有这一点，但变量不会像它们应该的那样递增：

for (k in 1:1000){
   Adata = rnorm(100, mean = 30, sd = 10)
   Bdata = rnorm(100, mean = 45, sd = 10)
   f = (sd(Bdata)^2)/(sd(Adata)^2)
   if (f > 1.48){
     a = 0
     a <- a + 1}
   if (f < .67){
     b = 0
     b <- b + 1}
} 

 a
 [1] 1
 b
 [1] 1

for（1:1000中的k）{
Adata=rnorm（100，平均值=30，标准差=10）
b数据=r形式（100，平均值=45，标准差=10）
f=（标准差（数据）^2）/（标准差（数据）^2）
如果（f>1.48）{
a=0
a在第一个示例中，每次if语句为true时，您都将
a
和
b
重置为零。因此，最大值始终为
1

要修复，请重新排列这些行：

a = 0 #initialize outside of the loop
b = 0 #initialize outside of the loop
set.seed(1) # added for SO as you are using rnorm, remove this when you run your simulations
for (k in 1:1000){
   Adata = rnorm(100, mean = 30, sd = 10)
   Bdata = rnorm(100, mean = 45, sd = 10)
   f = (sd(Bdata)^2)/(sd(Adata)^2)
   if (f > 1.48){
     a <- a + 1}
   if (f < .67){
     b <- b + 1}
}

然后计算每行的
f
分数：

f在第一个示例中，每次if语句为true时，都将
a
和
b
重置为零。因此，最大值始终为
1

要修复，请重新排列这些行：

a = 0 #initialize outside of the loop
b = 0 #initialize outside of the loop
set.seed(1) # added for SO as you are using rnorm, remove this when you run your simulations
for (k in 1:1000){
   Adata = rnorm(100, mean = 30, sd = 10)
   Bdata = rnorm(100, mean = 45, sd = 10)
   f = (sd(Bdata)^2)/(sd(Adata)^2)
   if (f > 1.48){
     a <- a + 1}
   if (f < .67){
     b <- b + 1}
}

然后计算每行的
f
分数：

f在第一个代码块中，您每次迭代都将a和b重置为0，然后可能添加1（因此它们最多为1，因为下一次迭代它们将再次设置为0）

在第二个块中，您将a和b设置为TRUE或FALSE，但您正在覆盖该值，因此您只能看到最后一次迭代的值（实际上，该循环仅在k等于1000时运行一次，但如果有1:1000，则只能看到最后一次迭代）

简单的解决方案是移动
a=0
和
b=0
（或者更好的方法是在第一个代码块中，每次迭代都将a和b重置为0，然后可能添加1（因此它们最多是1，因为下一次迭代它们将再次设置为0）

在第二个块中，您将a和b设置为TRUE或FALSE，但您正在覆盖该值，因此您只能看到最后一次迭代的值（实际上，该循环仅在k等于1000时运行一次，但如果有1:1000，则只能看到最后一次迭代）

简单的解决方案是移动
a=0
和
b=0
（或者更好的
a尝试创建全局变量。它脏了，但解决了问题。尝试创建全局变量。它脏了，但解决了问题。
set.seed(1)
Adata = matrix(data = rnorm(100*1000, mean = 30, sd = 10), nrow = 1000, ncol = 100) 
Bdata = matrix(data = rnorm(100*1000, mean = 30, sd = 10), nrow = 1000, ncol = 100)

sum(f > 1.48)
[1] 15

sum(f < .67)
[1] 25

out <- replicate(1000, {
   Adata = rnorm(100, mean = 30, sd = 10)
   Bdata = rnorm(100, mean = 45, sd = 10)
   (sd(Bdata)^2)/(sd(Adata)^2)
  })

sum( out > 1.48 )
sum( out < 0.67 )

sum( out > 1.48 | out < 0.67 )