Central limit theorem simuleren
De central limit theorem (CLT) houdt in dat we statistische methoden die werken voor normale verdelingen kunnen toepassen op problemen met andere soorten verdelingen. Interviewers willen graag je begrip van CLT testen, zeker als je toekomstige rol A/B-testen inhoudt.
Je laat de werking achter CLT zien aan de hand van dobbelstenen gooien.
In de laatste oefening heb je 1000 dobbelsteenworpen gegenereerd door de parameter size te gebruiken: sample(1:6, size = 1000, replace = TRUE).
In stap 1 van deze oefening genereer je 1 dobbelsteenworp in een lus met 1000 iteraties, wat gelijkwaardig is aan het bovenstaande.
Om te visualiseren:
- discrete data - je kunt
barplot(table(x))gebruiken, - continue data - je kunt
hist(x)gebruiken.
De vectors die_outputs en mean_die_outputs zijn al geïnitialiseerd.
Deze oefening maakt deel uit van de cursus
Oefenen met statistiek-vragen voor sollicitaties in R
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Simulate 1000 die roll outputs
for (i in 1:1000) {
die_outputs[i] <- ___(___, size = ___)
}
# Visualize the number of occurrences of each result
___(table(___))