我正在寻找一种干净的方式来运行模拟，其中每次迭代都取决于前一次迭代的结果“功能样式”。例如，假设我们想要使用平均值为meanInit的大小为10的正态分布样本，取样本的平均值并使用它来生成另一个样本，然后重复该过程。使用Reduce，我们可以执行100次迭代：
meanInit = 0
nextStep <- function(param, step) mean(rnorm(10, param))
Reduce(nextStep, 1:100, meanInit, accumulate = T)
然而，由于我们的函数nextStep不是真正的二元运算，这感觉有点滥用;实际上，我们忽略了第二个参数step。有没有另一种执行任务的方法，不要求我们“假装”我们的函数是二进制操作？我正在寻找一个涉及更高阶函数的解决方案。请不要for循环。
或许这个问题最好以类比的形式陈述：
sapply是replicate，因为Reduce是______？
也就是说，如果我们想要，例如，取100个大小为10的随机正常样本并计算平均值，我们可以（ab）使用sapply函数忽略其参数，如下所示：
sapply(1:100, function(x) mean(rnorm(10)))
或者我们可以使用replicate干净地执行相同的任务（无需编写忽略其参数的函数）：
replicate(100, mean(rnorm(10)))
我正在寻找Reduce的类似亲戚。