如何在R中通过for循环生成重复抽样样本并构建零分布？

你的代码存在几个关键问题，我帮你逐一修正并给出完整实现：

• 存储向量长度错误：你把Storage设为长度9，但需要存储500000次抽样的均值，应改为numeric(500000)。
• 循环迭代范围错误：for (i in v)只会执行一次循环（v是单个数值），要改成for (i in 1:v)才能遍历所有抽样次数。
• 抽样逻辑缺失：循环里没有执行有放回抽样操作，mean(i)完全不符合需求，需每次从原始数据中抽取样本再计算均值。

正确的for循环实现代码 #

# 生成原始Gamma分布数据
data <- rgamma(9, shape=32, scale=1/4)
# 设置重复抽样次数
n_reps <- 500000
# 初始化存储均值的向量，长度匹配抽样次数
mean_storage <- numeric(n_reps)

# 执行有放回抽样循环
for (i in 1:n_reps) {
  # 有放回抽取9个观测值（replace=TRUE是核心）
  current_sample <- sample(data, size=9, replace=TRUE)
  # 计算当前样本均值并存入向量
  mean_storage[i] <- mean(current_sample)
}

基于抽样结果构建零分布 #

零分布即原假设下统计量的分布，你已经得到500000个样本均值，直接用这个向量即可构建：

• 绘制分布直方图：

hist(mean_storage, breaks=50, main="零分布：样本均值抽样分布", xlab="样本均值")

• 计算关键统计量：

# 计算95%置信区间分位数
quantile(mean_storage, c(0.025, 0.975))
# 计算零分布的标准误
sd(mean_storage)

高效替代方案 #

针对大量重复操作，R的replicate()函数比for循环更简洁高效，一行代码就能完成相同工作：

mean_storage <- replicate(n_reps, mean(sample(data, 9, replace=TRUE)))

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