四个独立标准正态分布随机变量并集概率的R函数计算异常问题排查

你遇到的问题根源是容斥原理的组合数计算错误，具体来说是三个变量同时满足条件的交集项系数用错了。让我们一步步拆解：

容斥原理的正确展开 #

对于4个独立事件$E_1, E_2, E_3, E_4$（这里$E_i$表示$X_i > A$），并集的概率公式是：
$$
P(\bigcup_{i=1}^4 E_i) = \sum P(E_i) - \sum P(E_i \cap E_j) + \sum P(E_i \cap E_j \cap E_k) - P(E_1 \cap E_2 \cap E_3 \cap E_4)
$$
对应到组合数：

• 单个事件的和：$\binom{4}{1} = 4$，所以第一项是$4 \times P(X>A)$
• 两两交集的和：$\binom{4}{2} = 6$，所以第二项是$-6 \times [P(X>A)]^2$
• 三者交集的和：$\binom{4}{3} = 4$（这里你用了3，这就是错误的核心！），所以第三项是$+4 \times [P(X>A)]^3$
• 四者交集：$\binom{4}{4} = 1$，所以第四项是$-[P(X>A)]^4$

为什么A正负时表现不同？ #

• 当$A>0$时，$P(X>A) = 1-pnorm(A)$的值很小，$3p^3$和$4p3$的差值非常微小（比如$A=2$时，$p≈0.02275$，两者差值仅约$1.2×10^{-5}$），所以结果看起来“正确”，但实际上是近似值；
• 当$A<0$时，$P(X>A)$的值很大（比如$A=-2$时，$p≈0.97725$），$3p^3$和$4p3$的差值接近1，直接导致计算结果严重偏小。

同理，你的prob_union_smaller函数也犯了同样的错误——三者交集的系数用了3而非4，所以当$A>0$时，$pnorm(A)$很大，系数错误带来的偏差就会凸显出来。

修正后的函数 #

首先是修正容斥原理版本的函数：

prob_union_greater <- function(x){
  p <- 1 - pnorm(x)
  4*p - 6*p^2 + 4*p^3 - p^4
}

prob_union_smaller <- function(x){
  p <- pnorm(x)
  4*p - 6*p^2 + 4*p^3 - p^4
}

更简洁的替代方案 #

其实对于独立变量，我们可以利用补集的概率来简化计算，完全避免容斥原理的组合数错误：

• $P(X_1>A \cup X_2>A \cup X_3>A \cup X_4>A) = 1 - P(\text{所有}X_i \leq A) = 1 - [pnorm(A)]^4$
• $P(X_1<A \cup X_2<A \cup X_3<A \cup X_4<A) = 1 - P(\text{所有}X_i \geq A) = 1 - [1 - pnorm(A)]^4$

对应的R函数会更简洁高效：

prob_union_greater <- function(x){
  1 - pnorm(x)^4
}

prob_union_smaller <- function(x){
  1 - (1 - pnorm(x))^4
}

可以验证一下，比如当$A=0$时，正确概率是$1 - (0.5)^4 = 0.9375$，用修正后的函数计算完全正确，而你原来的函数得到的是$0.8125$，偏差明显。

内容的提问来源于stack exchange，提问作者Robn