如何用R计算非独立同分布抛硬币的各正面次数概率？

你遇到的是泊松二项分布的问题，它专门用于计算n次独立但单次成功概率不同的伯努利试验中，恰好出现m次成功（此处即正面）的概率，完美匹配你的需求。

方法一：使用poibin包（推荐） #

1. 先安装并加载包：

install.packages("poibin")
library(poibin)

2. 单组概率计算示例：
   针对你给出的prob = c(0.3, 0.2, 0.5)，直接调用dpoibin函数即可得到所有正面次数的概率：

prob <- c(0.3, 0.2, 0.5)
# 计算0到3次正面的概率
result <- dpoibin(x = 0:length(prob), p = prob)
result

运行后会返回长度为4的向量，分别对应0、1、2、3次正面的概率，和你硬编码的结果完全一致，且自动保证概率总和为1。

3. 批量处理10万组数据：
   假设你的数据集是一个列表prob_list，每个元素是一组抛币的正面概率向量，用lapply即可批量计算：

# 示例：生成10万组模拟数据（每组抛币次数k从2到10不等）
set.seed(123)
prob_list <- replicate(100000, runif(sample(2:10, 1), 0, 1), simplify = FALSE)

# 批量计算每组的各正面次数概率
all_results <- lapply(prob_list, function(p) dpoibin(x = 0:length(p), p = p))

all_results中的每个元素，就是对应组的0到k次正面的概率向量。

方法二：手动递归计算（无外部包依赖） #

如果不想安装额外包，可通过递推公式手动实现泊松二项分布的概率计算：

poibin_density <- function(probs) {
  n <- length(probs)
  # 初始化概率向量，dp[1]对应0次成功，dp[i]对应i-1次成功
  dp <- numeric(n + 1)
  dp[1] <- 1
  for (p in probs) {
    # 从后往前更新，避免覆盖未使用的中间值
    dp <- c(dp[1] * (1 - p), dp[-1] * (1 - p) + dp[-length(dp)] * p)
  }
  return(dp)
}

# 测试示例
prob <- c(0.3, 0.2, 0.5)
poibin_density(prob)

这个函数同样能返回0到n次成功的概率，适合不想依赖外部包的场景，处理10万组数据的效率也完全达标。

内容的提问来源于stack exchange，提问作者David D