R：模拟AR（1）1000次试验后的时间序列数据

我想要一种方法，我可以模拟一阶AR（1）自回归模型下的时间序列数据，不只是一次，而是1000次，这样它将输出1000次的平均值，形成一个序列的最终输出。以下MWE仅演示了一次试验：

n <- 15
a <- 0.5
e <- rnorm(n+100)
x <- double(n+100)
x[1] <- rnorm(1)
for(i in 2:(n+100)) {
  x[i] <- a * x[i-1] + e[i]
}
x <- ts(x[-(1:100)])

---

n我建议使用
arima.sim
模拟来自arima模型的数据。然后，我们可以将
arima.sim
包装在
复制
循环中，并使用
rowMeans
平均数据；这里是一个可复制的示例，其中我们从AR（1）模型生成1000个时间序列（每个时间序列由100个时间点组成）

你能告诉我，你对这个问题的期望是什么，而不是反对票吗？
set.seed(2020)
n <- 100
mat <- replicate(1000, arima.sim(n = n, model = list(ar = 0.5)))

ts <- as.ts(rowMeans(mat))

library(forecast)
autoplot(ts)