सेंट्रल लिमिट थ्योरम

R में Statistics परिचय

Maggie Matsui

Content Developer, DataCamp

पासा 5 बार रोल करना

die <- c(1, 2, 3, 4, 5, 6)

# 5 बार रोल करें
sample_of_5 <- sample(die, 5,
                      replace = TRUE)
sample_of_5

1 3 4 1 1

mean(sample_of_5)

2.0

छह-पक्षीय पासा

# 5 बार रोल करें और औसत लें
sample(die, 5, replace = TRUE) %>% mean()

4.4

sample(die, 5, replace = TRUE) %>% mean()

3.8

10 बार दोहराएँ:

sample_means <- replicate(10, sample(die, 5, replace = TRUE) %>% mean())

sample_means

3.8 4.0 3.8 3.6 3.2 4.8 2.6 3.0 2.6 2.0

नमूना औसत का सैंपलिंग डिस्ट्रीब्यूशन

10 नमूना औसतों का हिस्टोग्राम

replicate(100, sample(die, 5, replace = TRUE) %>% mean())

2.8 3.2 1.8 4.6 4.0 2.8 4.4 2.4 3.4 2.8 4.2 3.4 ... 2.2 3.8 3.6 3.8 4.4 4.8 2.4

100 नमूना औसतों का हिस्टोग्राम

sample_means <- replicate(1000, sample(die, 5, replace = TRUE) %>% mean())

1000 नमूना औसतों का हिस्टोग्राम

जैसे-जैसे ट्रायल्स की संख्या बढ़ती है, किसी सांख्यिकीय मान का सैंपलिंग डिस्ट्रीब्यूशन नॉर्मल डिस्ट्रीब्यूशन के और करीब आता है।

10, 100, और 1000 नमूना औसतों के हिस्टोग्राम, जहाँ अधिक संख्या पर बेल-कार्व जैसा वितरण दिखता है

* नमूने रैंडम और स्वतंत्र होने चाहिए

replicate(1000, sample(die, 5, replace = TRUE) %>% sd())

5 पासा रोल के 1000 नमूना मानक विचलनों का वितरण

sales_team <- c("Amir", "Brian", "Claire", "Damian")

sample(sales_team, 10, replace = TRUE)

"Claire" "Brian"  "Brian"  "Brian"  "Damian" "Damian" "Brian"  "Brian" 
"Amir"   "Amir"

sample(sales_team, 10, replace = TRUE)

"Amir"   "Amir"   "Claire" "Amir"   "Amir"   "Brian"  "Amir"   "Claire" 
"Claire" "Claire"

नमूना प्रोपोर्शन्स का वितरण भी नॉर्मल दिखता है

# पासे का अपेक्षित मान अनुमानित करें
mean(sample_means)

3.48

# "Claire" का प्रोपोर्शन अनुमानित करें
mean(sample_props)

0.26

बीच में डैश्ड लाइन वाला नमूना औसतों का सैंपलिंग डिस्ट्रीब्यूशन

R में Statistics परिचय