1、抽取不同的样本量模拟以下分布： （1）正态分布，来自正态总体的样本 （2）样本均值的分布，来自任意总体的样本. （3）样本比例的分布，来自任意总体的样本 （4）样本方差的分布，来自正态总体的样本 R语言代码

在R语言中，我们可以使用内置函数来模拟不同类型的分布。以下是针对你所提到的四种情况的代码示例：

1. **正态分布 (Normal Distribution)**

# 定义平均值和标准差
mean <- 0
sd <- rnorm(sample_size, mean = mean, sd = sd)

2. **样本均值的分布 (Distribution of Sample Mean)**

# 从任意总体（这里假设为正态总体）中抽样
population_mean <- 50
population_sd <- 10

# 样本均值
sample_means <- replicate(1000, mean(rnorm(n = sample_size, mean = population_mean, sd = population_sd)))
# 注意：样本均值的分布近似正态分布，即使原始总体不是正态的

3. **样本比例的分布 (Distribution of Sample Proportion)**

# 假设总体比例p
p <- 0.75

# 二项分布来模拟样本比例
binom_proportions <- replicate(1000, mean(rbinom(n = sample_size, size = 1, prob = p)))

4. **样本方差的分布 (Distribution of Sample Variance for Normal Population)**

# 仅对正态总体有效，因为样本方差不是正态分布的，但对于正态总体，它遵循χ²分布
sample_size <- 50
sample_variance <- replicate(1000, var(rnorm(n = sample_size, mean = mean, sd = sd)))
# 注意：样本方差服从自由度为(n-1)的χ²分布，n在这里是样本大小