从R中的列表元素估计概率

我有一个列表，里面有100000个模拟的T（最小：1.5，最大88.8），我想计算T在10到50之间的概率

---

我计算了100000个T，其中T是

T（y）%*%M%*%y

，其中

M

是常量值的8x8矩阵，y是8x1矩阵。

i

第i行中的元素，如果y，等于：

a_i+b_i

，其中a是常数向量，b是元素遵循a

正态（0，sd=2）

分布的向量（每个元素是不同的模拟数

N（0,2）

）

它是在向量中还是在列表中？如果它是一个向量，那么下面的方法应该有效。如果它在列表中，可以使用unlist（）将其转换为向量

mylist <- runif(100000,1.5,88.8) #this is just to generate a random number vector 
length(which(mylist>=10 & mylist<=50))/length(mylist)

mylist=10&mylist
set.seed（42）
我的随机数是从什么概率分布中取样的？我计算了100000个T，其中T是T（y）%*%M%*%y，其中M是常量值的8x8矩阵，y是8x1矩阵。如果y，则第i行中的元素等于：a_i+b_i，其中a是常数向量，b是元素遵循正态（0，sd=2）分布的向量（每个元素的模拟数量不同，为N（0,2））。您有列表还是向量？提供一个小的可再现数据集总是有帮助的。这里有一个关于如何在R中生成可再现数据的链接@Sean的答案是
mean中我最喜欢的简洁编码（mylist>=10&mylist如果你计划计算大量的经验概率，这将是一个很好的方法-如果你只计划计算一个，那么肖恩回答中的aosmith的评论可能更好。我们如何评论根据模拟数字计算的概率与原始概率之间的比较nal分布？@user3143784我真的不理解你的评论。理论和模拟结果非常吻合，如果你增加样本量，它们会更吻合。
set.seed(42)
myrandoms <- rnorm(100000, mean=5, sd=2)
mydistr <- ecdf(myrandoms)

#probability of beeing between 1 and 3:
diff(mydistr(c(1, 3)))
#[1] 0.13781

#compare with normal distribution
diff(pnorm(c(1, 3), mean=5, sd=2))
#[1] 0.1359051