6.二项分布B（10，0.1） op <- par(mfrow=c(2,2))

limite.central(rbinom,distpar=c(10,0.1),m=1,s=0.9) par(op)

7. 泊松分布: pios（1） op <- par(mfrow=c(2,2))

limite.central(rpois, distpar=1, m=1, s=1, n=c(3, 10, 30 ,50)) par(op)

8.均匀分布：unif(0,1) op <- par(mfrow=c(2,2)) limite.central( ) par(op)

9.指数分布：exp(1)

op <- par(mfrow=c(2,2))

limite.central(rexp, distpar=1, m=1, s=1) par(op)

10. 混合正态分布的渐近正态性

mixn <- function (n, a=-1, b=1)

{rnorm(n, sample(c(a,b),n,replace=T))} limite.central(r=mixn, distpar=c(-3,3),

m=0, s=sqrt(10), n=c(1,2,3,10)) par(op)

11. 混合正态分布的渐近正态性 op <- par(mfrow=c(2,2))

mixn <- function (n, a=-1, b=1)

{rnorm(n, sample(c(a,b),n,replace=T))}

limite.central(r=mixn, distpar=c(-3,3),m=0,s=sqrt(10),n=c(1,2,3,10)) par(op)

第三部分、课后习题：

3.1

a=sample(1:100,5) a

sum(a)

3.2

（1）抽到10、J、Q、K、A的事件记为A，概率为

P(A)=

其中

在R中计算得：

> 1/choose(52,20) [1] 7.936846e-15

（2）抽到的是同花顺 P(B)=

在R中计算得：

> (choose(4,1)*choose(9,1))/choose(52,5) [1] 1.385e-05

3.3 #(1)

x<-rnorm(1000,mean=100,sd=100) hist(x)

#(2)

y<-sample(x,500) hist(y)

#(3) mean(x) mean(y) var(x) var(y)

3.4

x<-rnorm(1000,mean=0,sd=1) y=cumsum(x)

plot(y,type = \plot(y,type = \

3.5

x<-rnorm(100,mean=0,sd=1) qnorm(.025) qnorm(.975)