Centrala gränsvärdessatsen

Introduktion till statistik i R

Maggie Matsui

Content Developer, DataCamp

Kasta tärningen 5 gånger

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

# Roll 5 times
sample_of_5 <- sample(die, 5,
                      replace = TRUE)
sample_of_5

1 3 4 1 1

mean(sample_of_5)

2.0

sexsidig tärning

# Roll 5 times and take mean
sample(die, 5, replace = TRUE) %>% mean()

4.4

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

3.8

Upprepa 10 gånger:

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

Samplingfördelning av stickprovsmedelvärdet

histogram över 10 stickprovsmedelvärden

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

histogram över 100 stickprovsmedelvärden

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

histogram över 1 000 stickprovsmedelvärden

Samplingfördelningen för en statistik närmar sig normalfördelningen ju fler försök som genomförs.

histogram över 10, 100 och 1 000 stickprovsmedelvärden, där fler medelvärden ger en mer klockformad fördelning

* Stickproven bör vara slumpmässiga och oberoende

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

Fördelning av 1 000 stickprovsstandardavvikelser för 5 tärningskast

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"

Fördelningen av stickprovsproportioner ser också normalfördelad ut

# Estimate expected value of die
mean(sample_means)

3.48

# Estimate proportion of "Claire"s
mean(sample_props)

0.26

Samplingfördelning av stickprovsmedelvärden med en streckad linje i mitten

Introduktion till statistik i R