所以这个代码是在我们学校发放的，它是众多例子之一（滚动公平骰子的模型）。
x<-runif(1)
y<-as.double(x<=c(1/6,2/6,3/6,4/6,5/6,1))*(1:6)
x<-min(y[y>0])
我无法理解这段代码与掷骰子的关系。
因此，第一行生成1个随机均匀的分布数x，介于0和1之间。 在第二行中，我们将一个条件放入x：如果它小于向量的1个组成部分（1 / 6,2 / 6,3 / 6,4 / 6,5 / 6,1），我们得到一个TRUE = 1，否则FALSE = 0。
然后将此结果乘以向量（1,2,3,4,5,6）。 最后，我们采用该向量积的最小值（必须大于零）。
我无法理解这背后的直觉。这里有人会介意解释这段代码与现实生活中掷骰子的关系。我很困惑..
答案 0 :(得分：1)
因此，对于掷骰子，每个数字具有相同的1/6概率。
现在做的是模拟滚动骰子。
因此，在第一行中生成0到1之间的随机数。
它所比较的间隔大小相同，长度为1/6。 因为，对于x来说，这些间隔中的一个间隔的概率是1/6。 那么在第三行中所做的就是查找x已经下降的区间。
让我们举一个例子： 假设x是0.25。 然后第二行的向量看起来像这样：
FALSE, TRUE, TRUE, TRUE , TRUE, TRUE
通过乘法得到：
0, 2, 3, 4, 5, 6
因此，最后x等于2.
所以最后x应该是骰子显示的数字
答案 1 :(得分：0)
本杰明基本上是你的代码说的
如果runif（1）= 0到1/6 = die roll = 1
runif（1）= 1/6至2/6 = die roll = 2
runif（1）= 2/6至3/6 = die roll = 3
等
因为第二行返回结果向量，x＆lt; -min（y [y> 0]）只返回第一个正值，即你的掷骰