Nomor 1 Seorang penyurvei secara acak memilih orang-orang di jalan sampai dia bertemu dengan seseorang yang menghadiri acara vaksinasi sebelumnya.
1a. Berapa peluang penyurvei bertemu x = 3 orang yang tidak menghadiri acara vaksinasi sebelum keberhasilan pertama ketika p = 0,20 dari populasi menghadiri acara vaksinasi ? (distribusi Geometrik)
dengan x = 3 dan p = 0,20 kita cukup menggunakan dgeom(x,p) untuk mencari peluangnya
x = 3
p = 0.20
ans = dgeom(x,p)
print(ans)
1b. mean Distribusi Geometrik dengan 10000 data random , prob = 0,20 dimana distribusi geometrik acak tersebut X = 3 ( distribusi geometrik acak () == 3 )
dengan data random n = 10000 prob = 0,20 distribusi geometrik acak x = 3 cukup menggunakan syntax mean(rgeom(n, prob)==3)
n = 10000
prob = 0.20
ans = mean(rgeom(n, prob)==3)
print(ans)
perbandingan poin a dan b adalah bahwa rataan dari 10000 data random dengan x yang sama itu mendekati dengan nilai peluang di 1a.
print("perbandingan poin a dan b adalah bahwa rataan dari 10000 data random dengan x yang sama itu mendekati dengan nilai peluang di 1a.")
Untuk menggambar histogram distribusi geometrik menggunakan dgeom, saya menggunakan ggplot untuk menggambar histogram dengan gunakan x dari 0 sd 10
library(ggplot2)
prob = 0.20
dataframe = data.frame(0:10, dgeom(0:10, prob))
ggplot(dataframe, aes(x = factor(0:10), y = dgeom(0:10, prob), fill=(0:10)==3)) + geom_bar(stat="identity") + labs(title="Histogram Distribusi Geometrik , Peluang X = 3 gagal Sebelum Sukses Pertama", x = "x", y = "probablitas")
bisa dilihat bahwa saat x=3 hasilnya sesuai seperti di 1a
Untuk mencari rataan dan varian, kita dapat cukup implementasikan rumusnya
p = 0.20
rataan = 1/p
print(rataan)
varian = (1-p)/(p*p)
print(varian)
Diketahui k = 4, n = 20, p = 20 Mencari peluangnya tinggal menggunakan dbinom(k,n,p)
k = 4
n = 20
p = 0.2
ans = dbinom(k,n,p)
print(ans)
Untuk menggambar grafik histogram berdasarkan kasus saya menggunakan ggplot seperti 1d
library(ggplot2)
n = 20
p = 0.2
dataframe = data.frame(0:10, dbinom(0:10, n, prob))
ggplot(dataframe, aes(x = factor(0:10), y = dbinom(0:10, n, prob)))+ geom_bar(stat="identity")+ labs(title="Histogram", x = "x", y = "peluang")
Mencari rataan dan varian cukup dengan implementasikan rumusnya
n = 20
p = 0.2
rataan = n*p
print(rataan)
varian = n*p*(1-p)
print(varian)
Nomor 3 Diketahui data dari sebuah tempat bersalin di rumah sakit tertentu menunjukkan rata-rata historis 4,5 bayi lahir di rumah sakit ini setiap hari. (gunakan Distribusi Poisson)
Untuk cari peluang, gunakan dpois(x, lambda)
x = 6
lambda = 4.5
print(dpois(x, lambda))
3b. simulasikan dan buatlah histogram kelahiran 6 bayi akan lahir di rumah sakit ini selama setahun (n = 365)
Dilakukan simulasi selama 365 hari, sehingga cukup dengan membuat hist(rpois(n, lambda))
set.seed(1)
n = 365
lambda = 4.5
hist(rpois(n,lambda), main="histogram kelahiran 6 bayi", xlab = "angka kelahiran", ylab = "probabilitas", freq = FALSE)
print("hasil yang diberikan di 3b kurang lebih sama dengan di 3a jadi selama 1 tahun bisa dikatakan peluang 6 bayi konsisten meskipun tidak sama.")
Bisa diimplementasikan rumusnya di mana rataan = lambda dan varian = lambda juga
lambda = 4.5
rataan = lambda
print(rataan)
varian = lambda
print(varian)
Bisa dihitung dengan dchisq(x,v)
x = 2
v = 10
print(dchisq(x,v))
Cukup dibuat dengan hist(rchisq(n,v))
n = 100
v = 10
hist(rchisq(n,v))
Rataan = v dan varian = 2*v
v = 10
rataan = v
print(rataan)
varian = 2*v
print(varian)
Di sini karena diketahui random variable, kita dapat menggunakan rexp(x, lambda)
set.seed(1)
#misal x=10 untuk random
x = 10
lambda = 3
print(rexp(x, lambda))
menggunakan hist(rexp(n, lambda)) dengan n = 10, 100, 1000, dan 10000
set.seed(1)
lambda = 3
hist(rexp(10, lambda))
set.seed(1)
hist(rexp(100, lambda))
set.seed(1)
hist(rexp(1000, lambda))
set.seed(1)
hist(rexp(10000, lambda))
Menggunakan fungsi mean dan var
set.seed(1)
n = 100
lambda = 30
print(mean(rexp(n,lambda)))
print(var(rexp(n,lambda)))
6a. Fungsi Probabilitas dari Distribusi Normal P(X1 ≤ x ≤ X2), hitung Z-Score Nya dan plot data generate randomnya dalam bentuk grafik. Petunjuk(gunakan fungsi plot()).
Keterangan : X1 = Dibawah rata-rata X2 = Diatas rata-rata Contoh data : 1,2,4,2,6,3,10,11,5,3,6,8 rata-rata = 5.083333 X1 = 5 X2 = 6
Untuk persoalan ini, mencari data dengan menggunakan rnorm(n, mean, sd). Lalu setelah itu dicari mean(data). Untuk mencari X1 menggunakan floor(mean) Untuk mencari X2 menggunakan ceil(mean) kemudian mencari Probabilitas dari Distribusi Normal P(X1 ≤ x ≤ X2) dengan P(x ≤ X2) - P(x ≤ X1) Setelah itu mencari z-score data dan membuat plot datanya
set.seed(1)
n = 100
mean = 50
sd = 8
data = rnorm(n,mean,sd)
x1 = floor(mean(data))
x2 = ceiling(mean(data))
p = pnorm(x2, mean, sd) - pnorm(x1, mean, sd)
print(p)
zscore = (data - mean(data))/sd(data)
print(zscore)
plot(data)
NRP_Nama_Probstat_{Nama Kelas}_DNhistogram
Mencari data dengan menggunakan rnorm(n, mean, sd) dan melakukan perintah generate histogram distribusi normal sebagai berikut
set.seed(1)
n = 100
mean = 50
sd = 8
data = rnorm(n,mean,sd)
hist(data, breaks=50, main="5025211014_Alexander Weynard Samsico_Probstat_A_DNhistogram")
Untuk menghitung nilai varian hasil generate random, dapat menggunakan var(data)
set.seed(1)
n = 100
mean = 50
sd = 8
data = rnorm(n,mean,sd)
varian = var(data)
print(varian)
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent