R中概率的计算

我有两个问题，我想用R来解决

---

我有一个分布未知的值向量

我如何计算中某个值的概率 R中的向量

如何计算一个值的概率 通过模拟1000次发生

我的测试数据如下：

values_all <- c(rep(1, 3), rep(2, 5), rep(3, 2), 4, rep(5, 4), rep(6, 2), rep(7, 3))
prob_to_find <- 5

---

values\u all对于问题1，您可以使用：

values_all <- c(rep(1, 3), rep(2, 5), rep(3, 2), 4, rep(5, 4), rep(6, 2), rep(7, 3))
prob_to_find <- 5

probability <- sum(values_all == prob_to_find) / length(values_all)

值\u all要从未知分布计算值的概率，基本上可以计算值的概率：

prop.table(table(values_all))
values_all

哪些产出：

1    2    3    4    5    6    7 
0.15 0.25 0.10 0.05 0.20 0.10 0.15

或者，您需要在检查向量后假设一个分布，例如
均匀（1,7）
将是：

> punif(3, min = 1, max = 7)
[1] 0.3333333

关于此决策过程，请参阅。
另外，请注意，对于连续分布，您应该计算两个双（数值）值之间的差值，因为根据定义，特定值的概率为零

为了避免随意决定，运行模拟通常是更安全的选择。您只需更换样品即可：

b <- vector("numeric", 1000)
set.seed(1234)
for (i in 1:1000){
    b[i] <- sample(values_all, size=1, replace = T)
}
prop.table(table(b))

即：值3的概率=8.7%。
您尝试了什么？在同一篇文章中问两个问题有点像是为我做的。你说你想模拟，但你没有提到你的数据是如何推导出来的。也许您可以使用
sample（）
生成一组随机值，例如
sample（1:10，size=20，replace=T）
“我有一个分布未知的值向量。”那么，您的值是分布中的样本？关于这个分布有什么消息吗？例如，您的示例似乎表明它是正整数值的离散分布。如果没有额外的信息或假设，这是无法解决的。
b
    1     2     3     4     5     6     7 
0.144 0.251 0.087 0.053 0.207 0.099 0.159