使用R生成具有iid正态随机变量的矩阵

有没有一种方法可以在不使用循环的情况下生成R中具有正态分布随机值的数据集？每个条目将代表一个正态分布的独立随机变量。

让

mu

成为均值向量，

sigma

成为标准dev的向量

mu<-1:10
sigma<-10:1
sample.size<-100
norm.mat<-mapply(function(x,y){rnorm(x,y,n=sample.size)},x=mu,y=sigma)

---

mu通过iid正态随机变量的
M
矩阵创建
N
，类型如下：

matrix( rnorm(N*M,mean=0,sd=1), N, M) 

根据需要调整平均值和标准偏差
 注意：每个条目都是独立的。所以不能避免使用for循环，因为必须为每个自变量调用一次rnorm。如果你只调用rnorm（n*m），那就是来自同一个随机变量的n*m个样本
 您可以使用：

replicate(NumbOfColumns,rnorm(NumbOfLines))

您可以使用其他分布函数替换
rnorm
，例如
runif
，以生成具有其他分布的矩阵。
matrix（rnorm（n*p），n）
对于具有iid$\mathcal n（0,1）$条目的$n\times p$矩阵，只要提问者理解n是行数，M是列数，这样他就会得到很好的服务answer@DWin，同意。这是在任何上下文中引用矩阵时的常规符号，对吗？我不太确定。我确实知道，人们有时会对这样一个事实表示惊讶，即R的矩阵按列主顺序填充，并调用
matrix
，除非byrow=TRUE。我认为不同语言的矩阵约定可能存在差异。对于
matrix
，您可以指定
nrow
或
ncol
中的一种，这是错误的，而且会让人困惑
rnorm（n*m）
确实生成了
n*m
独立的随机样本，完全符合OP的要求。