将R代码转换为MATLAB代码：卡在sapply（）上

我有下面的R代码，我正在尝试将其转换为MATLAB。（不，我不想在MATLAB中运行如图所示的R代码）

R代码如下：

# model parameters
dt <- 0.001
t <- seq(dt,0.3,dt)
n=700*1000
D = 1
d = 0.5

# model
ft <- n*d/sqrt(2*D*t^3)*dnorm(d/sqrt(2*D*t),0,1)
fmids <- n*d/sqrt(2*D*(t+dt/2)^3)*dnorm(d/sqrt(2*D*(t+dt/2)),0,1)
plot(t,ft*dt,type="l",lwd=1.5,lty=2)

# simulation
#    
# simulation by drawing from uniform distribution
# and converting to time by using quantile function of normal distribution
ps <- runif(n,0,1)                
ts <- 2*pnorm(-d/sqrt(2*D*t))     
sumn <- sapply(ts, FUN = function(tb) sum(ps < tb))
lines(t[-length(sumn)],sumn[-1]-sumn[-length(sumn)],col=4)

所以，这就是我被困的地方。我不明白sumn=sapply（ts，FUN=function（tb）sum（ps是什么函数，参数“

tb

”来自哪里。它也没有在给定的R代码中定义

有谁能告诉我，在MATLAB中，函数R代码的等价物是什么

[编辑1：更新]

---

因此，根据@Croote的评论，我为

sapply（）

然而，我没有得到预期的结果。曲线应该相互重叠：蓝色曲线是正确的，因此橙色需要与蓝色曲线重叠

我错过了什么？R的

pnorm（）

是否等同于我在这里所做的MATLAB的

normcdf（）

[编辑2：找到错误！]

所以，在闲逛之后，我发现我所要做的就是获得

tb

的出现次数。行

summat=sumidx.*repmat（ps，300,1）

不应该在那里。删除该行并保持

sumn=sum（sumidx，2），我得到了想要的结果

因此，根据@Croote的评论，经过反复研究，我为
sapply（）中定义的函数提供了以下代码

对于情节，我把它编码为

sumnfin = sumn(2:end)-sumn(1:end-1);
plot(t(1:length(sumn)-1),sumnfin)

最后，我得到了期望的结果

sapply
将定义为
function（tb）{sum（ps
的函数应用于列表或向量
ts
，并返回列表。它就像一个forloop，将一个函数应用于列表中的每个元素。因此，
tb
仅作为变量占位符存在于所应用的函数中。函数取
tb
的一个值，识别
ps
中小于该特定
tb
值的值，并将其相加。然后对剩余的
tb
值重复相同的步骤？或者首先，它搜索所有
tb
值，并在循环结束时求和？
sumidx  = bsxfun(@lt,ps,ts');
summat  = sumidx.*repmat(ps,300,1);
sumn    = sum(summat,2);
sumnfin = sumn(2:end)-sumn(1:end-1);
plot(t(1:length(sumn)-1),sumnfin)

sumidx  = bsxfun(@lt,ps,ts');
sumn    = sum(sumidx,2);

sumnfin = sumn(2:end)-sumn(1:end-1);
plot(t(1:length(sumn)-1),sumnfin)