1. Buat simulasi untuk distribusi diskrit dan distribusi kontinu.

Distribusi Diskrit : Distribusi Poisson

set.seed(123)
lambda <- 10
n_kejadian <- 100
poisson_data <- rpois(n_kejadian, lambda)
hist(poisson_data, breaks = 30, main = "Histogram Distribusi Poisson", xlab = "Jumlah Kejadian", col = "lightblue")

Distribusi Kontinu : Distribusi Normal

set.seed(123)
mu <- 0  # Mean
sigma <- 2  # Standar deviasi
n <- 1000
normal_data <- rnorm(n, mean = mu, sd = sigma)

# Plot histogram
hist(normal_data, breaks = 30, main = "Histogram Distribusi Normal", xlab = "Nilai", col = "skyblue")

2. Buat studi kasus sendiri yang melibatkan simulasi variabel random dari distribusi yang telah dipelajari.

Seorang guru ingin mengetahui variasi waktu penyelesaian tugas matematika oleh siswanya. Berdasarkan pengamatan, siswa menyelesaikan tugas dalam waktu antara 30 hingga 90 menit tergantung fokus dan suasana hati saat mengerjakan. Karena belum ada data nyata, guru melakukan simulasi dengan distribusi uniform untuk memperkirakan penyebaran waktu pengerjaan.

set.seed(123)

# Jumlah siswa
n <- 40

# Simulasi waktu pengerjaan (menit)
waktu <- runif(n, min = 30, max = 90)

# Visualisasi histogram
hist(waktu, breaks = 10, col = "skyblue",
     main = "Distribusi Waktu Penyelesaian Tugas oleh Siswa",
     xlab = "Waktu (menit)", ylab = "Jumlah Siswa")