要比较不同CSV文件中存在的值的概率，可以按照以下步骤进行解决：

1. 读取CSV文件：使用适当的CSV读取库（如csv模块或pandas库）读取每个CSV文件并将其转换为数据结构，如列表或数据帧。

2. 提取值：从每个CSV文件的数据结构中提取所需的值，如某一列或多列的值。

3. 计算值的频率：对于每个CSV文件，计算每个值出现的次数或频率。可以使用Python的collections模块中的Counter类来计算值的频率。

4. 比较频率：将每个CSV文件的值频率进行比较，可以使用数学上的概率计算方法（如百分比或比例）来得到不同CSV文件中存在的值的概率。

下面是一个示例代码，演示了如何实现上述步骤：

import csv
from collections import Counter

# 读取CSV文件并提取值
def read_csv(file_path, column):
    values = []
    with open(file_path, 'r') as file:
        reader = csv.reader(file)
        for row in reader:
            values.append(row[column])
    return values

# 计算值的频率
def calculate_frequency(values):
    frequency = Counter(values)
    return frequency

# 比较频率并计算概率
def compare_frequencies(frequency1, frequency2):
    probability = {}
    for value, count in frequency1.items():
        if value in frequency2:
            probability[value] = count / len(frequency1)
    return probability

# 读取CSV文件1并提取值
csv1_values = read_csv('file1.csv', 0)

# 读取CSV文件2并提取值
csv2_values = read_csv('file2.csv', 0)

# 计算频率
csv1_frequency = calculate_frequency(csv1_values)
csv2_frequency = calculate_frequency(csv2_values)

# 比较频率并计算概率
probability = compare_frequencies(csv1_frequency, csv2_frequency)

# 打印结果
for value, probability in probability.items():
    print(f"值 {value} 在两个CSV文件中的概率为: {probability}")

请注意，以上示例中的代码假设CSV文件包含一列值，并且要比较的值位于每个文件的第一列。您可以根据实际情况进行适当的修改，并根据需要添加错误处理和其他功能。