一个变量在一个数据集中出现多次的概率

如何解决一个变量在一个数据集中出现多次的概率

我正在处理一个数据集，其中包含对 YouTube 热门视频的大约 38.000 次观察。一个特定的视频可以有多个观察；这意味着一个视频可以多次流行或流行超过一天。

以上是正确的，这是我们知道的，但我试图弄清楚如何计算在此数据集中多次观察视频的概率。 P(X > 1)

参考我用 barplot(head(table(df$video_id))) 绘制的下图：

我们可以看出，在这 6 个视频中，有 5 个有不止一个观察结果，概率为 83.33%。我怎样才能在整个数据集上找出相同的？虽然我不一定要尝试将其可视化（这将是一个奖励），但我只是好奇如何计算 video_id 在 ~38.000 观察中出现多次的概率。

以下是 20 个观察样本：https://pastebin.com/Tx9ebH2c

解决方法

您拥有大部分所需：

tbl <- table(df$video_id)
p <- sum(tbl > 1)/length(tbl)
p
# [1] 0.5

对于您的样本数据集，一半的视频出现不止一次。表格的长度是不同视频的数量，除以该数量后，您就可以得出不止一次观看的视频比例。您可以绘制一个简单的条形图来显示观看次数超过一次的视频比例与仅观看一次的比例。

barplot(c(p,1-p))