我知道这可能是初级的，但我似乎有一个心理障碍。假设您要计算掷出 4、5 或 6 的概率。在 R 中，这很容易：
sum(1/6, 1/6, 1/6)
这给出了正确答案的 1/2。但是，我在我的脑海里（它可能应该保留的地方）我应该能够为此使用二项分布。我已经尝试了 pbinom 和 dbinom 的各种参数组合，但我无法得到正确的答案。
抛硬币，效果很好。对于有两种以上可能结果的情况，这是否完全不合适？（我是程序员，不是统计学家，所以我希望被这里的统计人员杀死。）
问题：如何使用 pbinom() 或 dbinom() 来计算掷骰子掷出 4、5 或 6 的概率？我熟悉 prob 和 dice 包，但我真的很想使用其中一种内置发行版。
谢谢。
正如上面提到的@Alex，掷骰子可以用多项概率表示。例如，掷出 4 的概率是
dmultinom(c(0, 0, 0, 1, 0, 0), size = 1, prob = rep(1/6, 6))
# [1] 0.1666667
掷出 4、5 或 6 的概率为
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
虽然不是很明显，但这可以使用 pmultinom 来完成，在我的 CRAN 上的 pmultinom 包或Github 上的其他 pmultinom 包中实现。
您将其概念化为它不是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 X 一起具有多项分布，大小参数为 1，所有概率等于 1/6。上面的这个概率可以计算（使用我的包）为
pmultinom(upper=c(0, 0, 0, Inf, Inf, Inf), size=1,
probs=c(1/6, 1/6, 1/6, 1/6, 1/6, 1/6), method="exact")
# [1] 0.5
虽然这有点尴尬，但我喜欢它，因为我更喜欢使用“p”函数而不是“d”函数的总和。