如何基于列值一致的概率矩阵快速生成随机抽样的真假矩阵？

你的核心问题是避免双层循环的低效操作，R的优势在于向量化运算，直接对整个矩阵进行批量操作会比逐元素循环快几个数量级。下面是两种高效的实现方式：

方法一：全向量化随机数比较 #

利用runif()直接生成和概率矩阵同维度的随机数矩阵，然后和概率矩阵逐元素比较——当随机数≤对应位置的概率值时，结果为TRUE，否则为FALSE，逻辑和你原代码的sample完全一致，但效率极高：

n <- 10
p_true <- runif(n, 0, 1)
p_matrix <- matrix(p_true, n, n, byrow = TRUE)

# 高效生成布尔矩阵
tf_matrix <- runif(n*n) <= p_matrix
# 转成矩阵格式（如果需要保持矩阵结构）
tf_matrix <- matrix(tf_matrix, n, n)

方法二：利用列重复特性优化（进一步节省内存） #

因为你的矩阵每列数值相同，无需先生成全量的p_matrix，可以针对每列生成随机数后重复行，减少内存占用（尤其当n极大时）：

n <- 10
p_true <- runif(n, 0, 1)

# 对每个列概率生成n个随机数，再按列重复n次
tf_matrix <- replicate(n, runif(n) <= p_true)

效率对比 #

对于n=1000的矩阵，原循环方法可能需要数秒，而上面的向量化方法只需要几毫秒——完全避免了循环的开销和多次调用sample的成本。

内容的提问来源于stack exchange，提问作者user1646478