R语言函数迭代求助：新手需多次运行MC函数并计算标准差

嘿，别担心，新手阶段遇到这类问题太正常了！你的基础函数已经搭得很好了，咱们来一步步实现多次迭代、计算标准差和绘制直方图的需求，这里有几种简单好用的方法：

方法1：用for循环实现迭代 #

如果你习惯用循环的思路，可以先创建一个空向量来存储每次迭代的结果，然后循环调用你的MC函数：

# 先设定你想要的迭代次数，比如1000次
n_times <- 1000

# 创建一个空向量，用来存放每次得到的r值
all_r <- numeric(n_times)

# 循环执行函数，把结果存入向量
for (idx in 1:n_times) {
  all_r[idx] <- MC(1, 1)
}

拿到结果向量后，计算标准差和绘制直方图就很简单了：

# 计算所有r值的标准差
sd(all_r)

# 绘制直方图
hist(all_r, main = "直方图：模拟得到的r值分布", xlab = "r值", col = "lightgreen")

方法2：用replicate函数（更简洁的R风格写法） #

R里有个专门用来重复执行函数的工具——replicate，它能帮你省去写循环的麻烦，代码更简洁：

# 直接生成1000次迭代的r值向量
all_r <- replicate(1000, MC(1, 1))

# 计算标准差
sd(all_r)

# 绘制更美观的直方图
hist(all_r, 
     main = "蒙特卡洛模拟r值的分布", 
     xlab = "r", 
     col = "lightblue",
     border = "white")

进阶：优化函数，一次生成多个结果 #

如果你的迭代次数非常多（比如上万次），可以优化原函数，让它直接生成多个样本，效率会更高：

# 优化后的向量版函数，支持指定生成n个r值
MC_vectorized <- function(PV, t, n) { 
  # 一次生成n个正态分布的i值
  i <- rnorm(n, .056, .01) 
  FV <- PV * exp(i * t) 
  r <- log(FV / PV) 
  return(r)
}

# 直接生成1000个r值
all_r <- MC_vectorized(1, 1, 1000)

这样修改后，函数内部用向量化操作替代了循环，在大数据量下运行速度会快很多~

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