为什么R语言中相同输入向量传入函数会得到不同的返回值？

核心原因是你对b函数做mu0向量化的逻辑，会触发b函数内的随机数据生成逻辑重复执行：

• 你通过Vectorize(b, vectorize.args = c("mu0"))将函数改造为支持mu0向量输入，本质是对mu0的每一个元素，都完整运行一次b函数的全部代码
• b函数内部第一行写了data <- rnorm(n)，每次运行b函数都会生成一套全新的正态分布随机样本
• 样本不同，后续计算得到的上下界lb/ub、uniroot求解的目标函数结果都会变化，最终得到的lambda值自然不同。

如果要保证所有mu0分量对应的lambda值相同，只需要把随机数据生成逻辑移到函数外部，保证每次计算用的是同一套样本即可，修改后的参考代码如下：

mu <- 0
n <- 100
# 提前生成固定样本，仅生成一次
fixed_data <- rnorm(n)

b <- function(n, mu, data, mu0) {
  f <- function(data, lambda, mu) {
    sum((data - mu) / (1 + lambda * (data - mu)))
  }
  f <- Vectorize(f, vectorize.args = c("lambda"))

  lb <- (1 - 1 / n) / (mu - max(data))
  ub <- (1 - 1 / n) / (mu - min(data))
  lambda <- unlist(uniroot(f, interval = c(lb, ub), data = data, mu = mu)[1])
  lambda * mu0
}
b <- Vectorize(b, vectorize.args = c("mu0"))

# 调用时传入固定样本
b(mu0 = rep(1, 20), mu = mu, n = n, data = fixed_data)

内容的提问来源于stack exchange，提问作者Noflowzone