我知道这可能是基本的，但我似乎有心理障碍。让我们假设您想要计算在一个骰子上掷出4,5或6的概率。在R中，它很容易：
sum(1/6, 1/6, 1/6)
这给出了1/2，这是正确的答案。但是，我在脑海中（可能应该保留的地方）我应该能够使用二项分布。我已尝试过pbinom和dbinom的各种参数组合，但我无法得到正确的答案。
投掷硬币，效果很好。对于有两种以上可能结果的情况，这完全不合适吗？ （我是一名程序员，而不是统计学家，所以我期待在这里被统计人员杀死。）
问题：如何使用pbinom（）或dbinom（）来计算一卷骰子投掷4,5或6的概率？我熟悉prob和dice包，但我真的想使用其中一个内置的发行版。
感谢。
答案 0 :(得分：3)
正如上面提到的@Alex，骰子投掷可以用多项概率来表示。例如，滚动4的概率是
dmultinom(c(0, 0, 0, 1, 0, 0), size = 1, prob = rep(1/6, 6))
# [1] 0.1666667
和滚动4,5或6的概率是
X <- cbind(matrix(rep(0, 9), nc = 3), diag(1, 3))
X
# [,1] [,2] [,3] [,4] [,5] [,6]
# [1,] 0 0 0 1 0 0
# [2,] 0 0 0 0 1 0
# [3,] 0 0 0 0 0 1
sum(apply(X, MAR = 1, dmultinom, size = 1, prob = rep(1/6, 6)))
# [1] 0.5
答案 1 :(得分：1)
虽然不是很明显，但可以使用pmultinom完成，可以在my pmultinom package on CRAN或this other pmultinom package on Github中实现。
您将其概念化为不为1,2或3的事件。然后，您将此概率写为
P（X_1≤0，X_2≤0，X_3≤0，X_4≤∞，X_5≤∞，X_6≤∞）
其中X_i是边i的出现次数。所有的X都有一个多项分布，大小参数为1，所有概率都等于1/6。上述概率可以（使用我的包）计算为
<meta name="viewport" content="width=device-width, initial-scale=1">
虽然这是一个尴尬的重新制定，但我喜欢它，因为我更喜欢使用“p”函数，而不是采用“d”函数的总和。