R语言嵌套循环生成不同概率几何分布随机变量的问题

你的问题出在内层循环的赋值逻辑上——每次切换概率时，你都把x和y的前10000个位置重新覆盖了一遍，最后自然只剩下最后一个概率的结果啦。下面给你两种高效的修正方案：

方案一：预分配向量（推荐，效率更高） #

因为我们知道总样本数是概率个数 × 10000，可以提前分配好向量空间，然后按批次填充数据，而且完全不需要内层循环——rgeom本身就支持一次性生成n个随机变量：

probs <- seq(0.1, 0.9, 0.1)
sample_per_prob <- 10000
total_samples <- length(probs) * sample_per_prob

# 预分配整数/数值向量，避免动态扩容的性能损耗
x <- integer(total_samples)
y <- numeric(total_samples)

for (i in seq_along(probs)) {
  # 计算当前概率对应的样本在向量中的起止位置
  start_pos <- (i - 1) * sample_per_prob + 1
  end_pos <- i * sample_per_prob
  
  # 一次性生成10000个样本，填充到对应区间
  x[start_pos:end_pos] <- rgeom(n = sample_per_prob, prob = probs[i]) + 1
  # 重复当前概率10000次，填充到y的对应区间
  y[start_pos:end_pos] <- probs[i]
}

方案二：用列表分组收集再合并 #

如果需要保留每个概率对应的样本组（方便后续单独分析），可以先把每个概率的样本存到列表里，最后再合并成向量：

probs <- seq(0.1, 0.9, 0.1)
sample_per_prob <- 10000

x_list <- list()
y_list <- list()

for (i in seq_along(probs)) {
  # 为每个概率生成10000个样本，存入列表的对应位置
  x_list[[i]] <- rgeom(n = sample_per_prob, prob = probs[i]) + 1
  # 生成对应长度的概率重复值
  y_list[[i]] <- rep(probs[i], sample_per_prob)
}

# 把列表合并成单一向量
x <- unlist(x_list)
y <- unlist(y_list)

为什么原来的代码会失效？ #

你原来的内层循环for (j in 1:10000)每次都会从第1个位置开始覆盖x[j]和y[j]：比如当i=1（概率0.1）时，x[1]到x[10000]存的是0.1对应的样本；但当i=2（概率0.2）时，又会把x[1]到x[10000]全部替换成0.2的样本，以此类推，最后只有最后一个概率（0.9）的样本被保留下来。

另外提个小建议：用seq_along(probs)代替1:length(probs)更安全——如果probs意外为空，1:length(probs)会生成c(1,0)导致循环出错，而seq_along会返回空向量，避免不必要的bug。

内容的提问来源于stack exchange，提问作者Constantin