Моделирование центральной предельной теоремы
Центральная предельная теорема (ЦПТ) утверждает, что статистические методы, разработанные для нормального распределения, можно применять и к задачам с другими типами распределений. Интервьюеры нередко проверяют понимание ЦПТ — особенно если будущая должность связана с A/B-тестированием.
Вы продемонстрируете механику ЦПТ на примере бросков кубика.
В предыдущем упражнении вы сгенерировали 1000 бросков кубика, задав параметр size: sample(1:6, size = 1000, replace = TRUE).
В шаге 1 этого упражнения вы будете генерировать по 1 броску кубика в цикле из 1000 итераций — что равнозначно приведённому выше способу.
Для визуализации:
- дискретных данных — используйте
barplot(table(x)), - непрерывных данных — используйте
hist(x).
Векторы die_outputs и mean_die_outputs уже инициализированы.
Это упражнение является частью курса
Практика статистических вопросов для интервью на R
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Simulate 1000 die roll outputs
for (i in 1:1000) {
die_outputs[i] <- ___(___, size = ___)
}
# Visualize the number of occurrences of each result
___(table(___))