시작하기무료로 시작하기

중심극한정리 시뮬레이션

중심극한정리(CLT)는 정규분포에 적합한 통계 기법을 다른 분포가 포함된 문제에도 적용할 수 있음을 시사합니다. 면접관들은 특히 A/B 테스트가 업무에 포함될 경우, 여러분의 CLT 이해도를 꼼꼼히 확인합니다.

여러분은 주사위 굴리기 예시로 CLT의 메커니즘을 보여 주게 됩니다.

이전 연습 문제에서는 size 매개변수를 지정해 1000번의 주사위 굴리기를 생성했죠: sample(1:6, size = 1000, replace = TRUE).

이번 연습 문제의 1단계에서는 1000번 반복되는 루프에서 매 반복마다 주사위를 1번 굴려, 위와 동등한 출력을 생성합니다.

시각화 방법:

  • 이산형 데이터: barplot(table(x))를 사용할 수 있어요.
  • 연속형 데이터: hist(x)를 사용할 수 있어요.

die_outputs와 mean_die_outputs 벡터는 이미 초기화되어 있습니다.

이 연습은 강의의 일부입니다

R로 연습하는 통계 면접 질문

강의 보기

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Simulate 1000 die roll outputs
for (i in 1:1000) {
    die_outputs[i] <- ___(___, size = ___)
}

# Visualize the number of occurrences of each result
___(table(___))
코드 편집 및 실행