R语言计算A组随机身高变量大于B组的概率实现方法

计算逻辑原理 #

你要求解的是两个独立随机抽样的身高值的差大于0的概率，即P(X-Y>0)，其中X来自dataset1，Y来自dataset2。
如果假设两组身高均服从正态分布且相互独立，那么二者的差值Z = X-Y同样服从正态分布，分布参数为：

• 均值：μ_Z = μ₁ - μ₂（μ₁为dataset1身高均值，μ₂为dataset2身高均值）
• 方差：σ_Z² = σ₁² + σ₂²（σ₁²为dataset1身高方差，σ₂²为dataset2身高方差）
  基于该分布即可直接计算Z大于0的概率。

R语言实现 #

方法1：参数法（基于正态分布假设） #

直接用你已经计算得到的均值、方差参数即可完成计算，代码如下：

# 计算差值Z的分布参数
z_mean <- mean1 - mean2
z_sd <- sqrt(var1 + var2)

# 计算P(Z>0) = 1 - 累积分布中Z<=0的概率
target_prob <- 1 - pnorm(q = 0, mean = z_mean, sd = z_sd)
target_prob

你原示例中的Probability = mean(dataset2)/mean(dataset1)是错误的，该计算得到的是两个均值的比值，和你需要的概率没有任何关联。

方法2：非参数模拟法（无需正态分布假设） #

如果不确定身高是否服从正态分布，可以通过重复随机抽样的方式直接模拟得到概率，结果会随着抽样次数增加逐渐收敛到真实值：

# 设置随机种子保证结果可复现
set.seed(123)
# 抽样10万次模拟对比
sim_n <- 100000
# 实际使用时替换为dataset1$height、dataset2$height
x_sam <- sample(dataset1, size = sim_n, replace = TRUE)
y_sam <- sample(dataset2, size = sim_n, replace = TRUE)
# 统计X大于Y的占比即为目标概率
target_prob <- mean(x_sam > y_sam)
target_prob

内容的提问来源于stack exchange，提问作者DaarioNaharis