R中的迭代，for循环的奇怪结果

Question

我正在用 R 编写一些代码，以便在给定任何容差的情况下确定 ai 的最佳估计量。到目前为止，我想出了这个：

iter<- function (ai, k, tolerance){
  at = ai*(1-ai^2*R[k]^ai*(log(R[k]))^2/(1-R[k]^ai)^2)/
(1 - (ai^2*R[k]^ai*(log(R[k]))^2)/(1-R[k]^ai)^2 + ai*(H(k) 
- 1/ai - R[k]^ai*log(R[k])/(1-R[k]^ai)))
  while((at-ai) > tolerance) {
    ai = at
    at = ai*(1-ai^2*R[k]^ai*(log(R[k]))^2/(1-R[k]^ai)^2)/
(1 - (ai^2*R[k]^ai*(log(R[k]))^2)/(1-R[k]^ai)^2 + ai*(H(k) 
- 1/ai - R[k]^ai*log(R[k])/(1-R[k]^ai)))
    a0 = at
  }
  return(at)
}

x<- iter(ai = H(k), k, tolerance = 0.000001)

其中R 和H 是每个k 的已知变量，并且ai 的初始估计量也是已知的，即H(k)。此代码适用于k 的任何值，例如，

x<- iter(ai = H(k), 21, tolerance = 0.000001)

效果不错。但是，我的问题是，当我尝试将其嵌入 for 循环时（我实际上想要一个向量 x[k]，其中计算 k 的每次迭代），即：

for (k in seq (along = 1: (n-1)){
x<- iter(ai = H(k), 21, tolerance = 0.000001)
}

这段代码没有给我一个向量，而是给x一个值。这对我来说没有多大意义，因为我试图为每个可能的k 分配一个值给x。我在这里想念什么？

一如既往，我们将不胜感激。

Answer 1

既然你想要一个向量，x 应该是一个向量。

x<-numeric(n-1)
for (k in seq (along = 1: (n-1)){
    x[k]<- iter(ai = H(k), 21, tolerance = 0.000001)
}