R中的覆盖概率泊松参数

INCIPIT：我找到了，它对我有部分帮助，但我需要重新适应泊松情况

我是R的初学者，我试图计算固定泊松参数（λ）和可变样本量（n=1:100）的覆盖概率。我还想运行这个模拟，它创建了999次随机变量。我的目标是获得覆盖概率，作为n=1，n=2，…，n=100的999次模拟的平均值，然后绘制图表，以查看覆盖概率是否达到95%的标称覆盖概率

我认为使用这段代码，我实现了n（1:100）的覆盖概率，但没有复制999次模拟

B    <- 999                  # number of replicates
lambda <- 3                  # for generating data: true mean
N    <- 100                  # sample size
DV   <- rpois(N, lambda)     # simulated data: original sample
x <- replicate (B, {rpois (N, lambda)
} 
)                                #Replicating the sample 999 times

我被它卡住了，我想我需要一些建议来澄清我的想法

如何嵌套第二个for循环，包括采样过程的1000个模拟？我认为这应该是正确的程序，但我不知道怎么做

我留下了我正在使用的代码。我在初始化第一个for循环时出现了这个错误，我猜重复了1000次，即使R只在前50次显示它

---

“1:In x[i]看起来你正试图把一个100长度的向量放入向量x的1个元素中。你需要循环吗？你能有

x吗？是的，我可以，这就是我所做的。但是这样我只得到了100个x值，而我想再对这100个观察值进行1000次采样。我希望我清楚这一点。我想我搞砸了当我尝试添加1000个forloop时，因为我认为我应该在进行MLE时添加它。是否可以将一个forloop嵌套在另一个forloop中？我将编辑我的原始帖子以使其更清晰。好的，我认为我使用replicate部分解决了这个问题，但我仍然需要计算最大似然误差为1000的每n和R的MLE。看起来有点像st范围是在明显非正态分布的模拟值周围放置正态理论边界。但也许你是想证明导致的错误？在一个循环内定义两个函数1000次，然后只在循环外使用它们似乎也很奇怪。
getlambda <- function(DV, n) {
          lambdahat <- (sum(DV[1:n]))/n   # lambda*                    
          c(lambdahat)
getlambda(DV, 1:100)

#lower and upper limit of Wald Interval
low <- function(n){lambdahat[n] - qnorm((1 + conf.level) / 2) * sqrt(lambdahat[n] / n)
}
hig <- function(n){lambdahat[n] + qnorm((1 + conf.level) / 2) * sqrt(lambdahat[n] / n)
}
}    

#coverage 
cover <- function(n)mean(lambda >= low(n) & lambda <= hig(n), na.rm = TRUE)