如何在apply函数中正确使用dplyr的slice_sample()并修复相关报错

你遇到的问题来自两个核心错误：

1. lapply返回的结果是list类型，无法直接调用dplyr的mutate方法，需要先把列表内的所有子数据框合并为一个完整数据框
2. slice_sample的调用参数错误，你需要明确指定抽样数量参数n、是否有放回参数replace，不能直接用...承接传入的样本量

修正后可直接运行的完整代码如下：

library(dplyr)

# 骰子基础参数定义
dice <- c(1,2,3,4,5,6) 
dice_probs <- c(1/6,1/6,1/6,1/6,1/6,1/6) 
dice_df <- data.frame(dice,dice_probs) 

# 待测试的样本量序列
sample_sizes <- c(10,25,50,100,1000,10000,100000,1000000,100000000) 

# 使用slice_sample替代sample_n的lapply实现
output_list <- lapply(X=sample_sizes, FUN = function(var){ 
  obs = slice_sample(dice_df, n = var, replace = TRUE) 
  sample_mean = mean(obs$dice)
  new.df <- data.frame(sample_mean, sample_size = var)
  return(new.df)
})

# 合并列表为数据框，同时计算与期望值3.5的差值
output <- bind_rows(output_list) %>%
  mutate(difference = 3.5 - sample_mean)

运行后得到的output包含三列：样本均值、对应样本量、与期望值的差值，符合你需要的「样本量越大差值越小」的大数定律验证需求。

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