使用 R 语言可视化泊松分布并验证中心极限定理

首先，我们需要使用 R 语言中的 ppois 函数来创建泊松分布。假设我们有一个参数 lambda=5，我们可以使用以下代码来创建一个包含 1000 个样本的泊松分布。

x <- rpois(1000, lambda = 5)

接下来，我们可以使用 hist 函数来绘制一个直方图，以可视化这些样本的分布情况。

hist(x, prob = TRUE, main = 'Poisson distribution histogram')

接下来，我们可以使用 density 函数来创建一个核密度估计图，以更加平滑地表示泊松分布的分布情况。

lines(density(x), col = 'red')

现在，我们可以使用 replicate 函数来模拟重复抽样，以验证中心极限定理是否适用于泊松分布。假设我们要进行 1000 次模拟，并在每次模拟中抽取 100 个样本，我们可以使用以下代码。

simulations <- replicate(1000, mean(rpois(100, lambda = 5)))

最后，我们可以使用 hist 函数和 density 函数来绘制这些模拟样本的分布情况，并将其与原始泊松分布的分布情况进行比较。

hist(simulations, prob = TRUE, main = 'Central limit theorem simulation')
lines(density(simulations), col = 'red')

通过比较这两个图表，我们可以看到中心极限定理在泊松分布中的适用性。模拟样本的分布情况呈现出正态分布的形态，这与中心极限定理的预测一致。