模擬中央極限定理
中央極限定理（CLT）告訴我們，即使原始資料不是常態分配，很多針對常態分配設計的統計方法仍可適用。 面試官很重視你對 CLT 的理解，特別是未來工作會涉及 A/B 測試時。
你將用擲骰子的例子來示範 CLT 背後的機制。
在「上一題」練習中，你透過設定 size 參數產生了 1000 次擲骰結果：sample(1:6, size = 1000, replace = TRUE)。
在「本題」的第 1 步，你會用一個 1000 次迭代的迴圈，每次產生 1 次擲骰結果，其效果與上面相同。
視覺化建議：
- 離散資料：可使用
barplot(table(x))， - 連續資料：可使用
hist(x)。
die_outputs 與 mean_die_outputs 向量都已經初始化完成。
本練習屬於課程
用 R 練習統計面試題
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Simulate 1000 die roll outputs
for (i in 1:1000) {
die_outputs[i] <- ___(___, size = ___)
}
# Visualize the number of occurrences of each result
___(table(___))