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)