R 如果在一个函数中，我将得到头部的概率设置为0.7，那么为什么我在100次投掷后得到65次的结果？

我目前正在学习R，在那里我遇到了这个问题

flips <- sample(c(0,1),100, replace = TRUE, prob = c(0.3,0.7))

flips
  [1] 0 1 1 1 1 0 1 0 0 0 0 1 1 0 1 1 0 1 0 0 0 1 1 1 0 1 1 1 1 0 1 1 0 1 1
 [36] 0 1 1 1 1 0 1 0 1 1 1 1 0 0 0 0 0 1 0 0 1 0 0 0 1 0 1 0 1 1 1 1 1 1 1
 [71] 1 0 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 0 1 0 1

 sum(flips)
[1] 65

---

0.7概率不能保证70个人头。这不是代码中的错误，而是对统计数据的误解。如果您再运行几次代码，您将看到结果会有所不同，甚至可能超过70

---

一个简单的类比是，即使我们知道一枚公平硬币得到人头的概率是50%，掷10枚硬币也不能保证你有5个人头。

我想你误解了概率的定义。好吧，我明白了，谢谢你的类比，我现在先研究一些基本原理！