Latihan 1

Tetapkan benih Anda pada angka 150. Hasilkan distribusi normal acak dari 1000 observasi, dengan rata-rata 30 dan simpangan baku 2,5. Hitung rata-rata dari 50 sampel dari 1000 observasi dari kumpulan data tersebut. Simpan hasil Anda dalam vektor.

Fungsi yang relevan: set.seed(), rnorm(), for(i in x), sample().

# Menetapkan benih (seed) pada angka 150
set.seed(150)
# Hasilkan distribusi normal dengan rata-rata 30 dan simpangan baku 2.5
dlat <- rnorm(1000, mean = 30, sd = 2.5)
# Hitung rata-rata dari 50 sampel yang diambil dari data
sample_meanslat <- numeric(50)
for (i in 1:50) 
  { 
  sample_meanslat[i] <- mean(sample(dlat, 50)) 
  }
# Tampilkan hasil rata-rata dari 50 sampel
sample_meanslat
##  [1] 29.88923 29.12852 29.96403 30.28330 29.42555 30.13464 29.83227 29.61958
##  [9] 30.36293 29.70179 30.39229 29.90397 29.45825 29.69616 30.47237 29.73355
## [17] 29.83181 30.24189 30.10936 30.43929 29.87055 30.00566 29.53994 30.10614
## [25] 30.37129 29.70682 29.74007 30.11853 29.86817 30.03286 30.09281 30.18419
## [33] 29.60297 29.83622 30.02769 30.69890 29.68912 29.64516 29.05322 29.63437
## [41] 30.41860 29.68675 29.47005 29.46992 29.60059 29.92465 29.71743 29.91258
## [49] 29.72997 30.05085

Latihan 2

Hasilkan dua histogram untuk menampilkan secara grafis distribusi rata-rata yang diperoleh dalam Latihan 1 serta nilai dari 1000 observasi dalam kumpulan data asli Anda. Gabungkan histogram ini menjadi satu grafik keseluruhan.

Fungsi yang relevan: par(), hist().

# Gabungkan dua histogram dalam satu plot
par(mfrow = c(1, 2)) # Membagi area plot menjadi 2 kolom

# Histogram dari rata-rata sampel
hist(sample_meanslat, main = "Distribusi Rata-Rata Sampel", xlab = "Nilai", col = "skyblue", border = "black")

# Histogram dari data asli
hist(dlat, main = "Distribusi Data Asli", xlab = "Nilai", col = "lightgreen", border = "black")

# Kembalikan area plot ke normal
par(mfrow = c(1, 1))