模拟中心极限定理
中心极限定理（CLT）意味着，即使数据并非正态分布，我们也可以将适用于正态分布的统计方法迁移到其他分布的问题上。 面试官通常会重点考查您对 CLT 的理解，尤其当您的岗位涉及 A/B 测试时。
您将以掷骰子为例，演示 CLT 背后的机制。
在上一个练习中，您通过设置 size 参数生成了 1000 次掷骰结果：sample(1:6, size = 1000, replace = TRUE)。
在本练习的第 1 步中，您将用一个循环运行 1000 次，每次生成 1 个掷骰结果。这与上面的做法等价。
可视化建议：
- 离散数据 —— 使用
barplot(table(x))， - 连续数据 —— 使用
hist(x)。
die_outputs 和 mean_die_outputs 向量已为您初始化。
本练习是课程的一部分
R 统计面试题实战练习
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Simulate 1000 die roll outputs
for (i in 1:1000) {
die_outputs[i] <- ___(___, size = ___)
}
# Visualize the number of occurrences of each result
___(table(___))