Soal: Sebuah warung es teh di pinggir jalan melakukan pengamatan dan mencatat frekuensi harian permintaan es teh selama 1000 hari terakhir. Data pengamatan adalah sebagai berikut: a. prediksikan permintaan es teh selama 5 hari ke depan. b. prediksikan permintaan es teh selama 20 hari ke depan.`
# Set seed untuk hasil tetap
set.seed(123)
# Generate 10 data permintaan menggunakan distribusi eksponensial (dibulatkan)
permintaan <- round(rexp(10, rate = 1/70))
# Generate 10 data frekuensi menggunakan distribusi normal (dibulatkan & positif)
frekuensi <- round(abs(rnorm(10, mean = 100, sd = 30)))
# Buat data frame awal
tabel <- data.frame(Permintaan = permintaan, Frekuensi = frekuensi)
# Hitung total frekuensi
total_frekuensi <- sum(tabel$Frekuensi)
# Hitung probabilitas
tabel$Probabilitas <- tabel$Frekuensi / total_frekuensi
# Hitung probabilitas kumulatif
tabel$Probabilitas_Kumulatif <- cumsum(tabel$Probabilitas)
# Tampilkan tabel
print(tabel)## Permintaan Frekuensi Probabilitas Probabilitas_Kumulatif
## 1 59 87 0.08176692 0.08176692
## 2 40 137 0.12875940 0.21052632
## 3 93 111 0.10432331 0.31484962
## 4 2 112 0.10526316 0.42011278
## 5 4 103 0.09680451 0.51691729
## 6 22 83 0.07800752 0.59492481
## 7 22 154 0.14473684 0.73966165
## 8 10 115 0.10808271 0.84774436
## 9 191 41 0.03853383 0.88627820
## 10 2 121 0.11372180 1.00000000# Tambahkan kolom batas bawah dan batas atas untuk setiap interval
tabel$Interval_Bawah <- c(0, head(tabel$Probabilitas_Kumulatif, -1))
tabel$Interval_Atas <- tabel$Probabilitas_Kumulatif
# Tampilkan tabel dengan interval
print(tabel[, c("Permintaan", "Probabilitas", "Probabilitas_Kumulatif", "Interval_Bawah", "Interval_Atas")])## Permintaan Probabilitas Probabilitas_Kumulatif Interval_Bawah Interval_Atas
## 1 59 0.08176692 0.08176692 0.00000000 0.08176692
## 2 40 0.12875940 0.21052632 0.08176692 0.21052632
## 3 93 0.10432331 0.31484962 0.21052632 0.31484962
## 4 2 0.10526316 0.42011278 0.31484962 0.42011278
## 5 4 0.09680451 0.51691729 0.42011278 0.51691729
## 6 22 0.07800752 0.59492481 0.51691729 0.59492481
## 7 22 0.14473684 0.73966165 0.59492481 0.73966165
## 8 10 0.10808271 0.84774436 0.73966165 0.84774436
## 9 191 0.03853383 0.88627820 0.84774436 0.88627820
## 10 2 0.11372180 1.00000000 0.88627820 1.00000000# Jumlah simulasi yang diinginkan
jumlah_simulasi <- 10
# Generate bilangan acak uniform dari 0 hingga 1
bilangan_acak <- runif(jumlah_simulasi)
# Buat vektor untuk menyimpan hasil permintaan dari simulasi
permintaan_simulasi <- numeric(jumlah_simulasi)
# Proses pencocokan bilangan acak ke interval
for (i in 1:jumlah_simulasi) {
index <- which(bilangan_acak[i] >= tabel$Interval_Bawah & bilangan_acak[i] < tabel$Interval_Atas)
permintaan_simulasi[i] <- tabel$Permintaan[index]
}
# Buat data frame hasil simulasi
hasil_simulasi <- data.frame(Bilangan_Acak = round(bilangan_acak, 4), Permintaan_Simulasian = permintaan_simulasi)
# Tampilkan hasil simulasi
print(hasil_simulasi)## Bilangan_Acak Permintaan_Simulasian
## 1 0.3182 2
## 2 0.2316 93
## 3 0.1428 40
## 4 0.4145 2
## 5 0.4137 2
## 6 0.3688 2
## 7 0.1524 40
## 8 0.1388 40
## 9 0.2330 93
## 10 0.4660 4# Hitung total permintaan hasil simulasi
total_perm_simulasi <- sum(hasil_simulasi$Permintaan_Simulasian)
# Hitung rata-rata permintaan dari hasil simulasi
rata_rata_simulasi <- mean(hasil_simulasi$Permintaan_Simulasian)
# Tampilkan hasil analisis
cat("Total permintaan selama", jumlah_simulasi, "hari simulasi:", total_perm_simulasi, "gelas\n")## Total permintaan selama 10 hari simulasi: 318 gelascat("Rata-rata permintaan per hari berdasarkan simulasi:", rata_rata_simulasi, "gelas\n")## Rata-rata permintaan per hari berdasarkan simulasi: 31.8 gelas# Data permintaan dan frekuensi observasi (1000 hari)
permintaan <- c(50, 60, 70, 80, 90)
frekuensi <- c(100, 200, 400, 200, 100)
# Hitung total hari observasi
total_hari <- sum(frekuensi)
# Hitung probabilitas tiap permintaan
probabilitas <- frekuensi / total_hari
# Hitung nilai harapan (rata-rata permintaan per hari)
nilai_harapan <- sum(permintaan * probabilitas)
# Prediksi untuk 5 hari ke depan
prediksi_5_hari <- nilai_harapan * 5
# Prediksi untuk 20 hari ke depan
prediksi_20_hari <- nilai_harapan * 20
# Tampilkan hasil
cat("Nilai harapan permintaan per hari:", nilai_harapan, "gelas\n")## Nilai harapan permintaan per hari: 70 gelascat("Prediksi permintaan es teh selama 5 hari:", prediksi_5_hari, "gelas\n")## Prediksi permintaan es teh selama 5 hari: 350 gelascat("Prediksi permintaan es teh selama 20 hari:", prediksi_20_hari, "gelas\n")## Prediksi permintaan es teh selama 20 hari: 1400 gelasBangkitkanlah data dengan distribusi eksponensial untuk variabel 10 data permintaan, dan data dengan distribusi normal untuk variabel frekuensi. a. prediksikan permintaan selama 5 hari ke depan b. prediksikan permintaan selama 20 hari ke depan c. prediksikan permintaan selama 100 hari ke depan d. prediksikan permintaan selama 1000 hari ke depan
# STEP 1: Buat data permintaan dan frekuensi
set.seed(183) # agar hasil tetap konsisten
# 10 data permintaan dari distribusi eksponensial (rata-rata 70)
permintaan <- round(rexp(10, rate = 1/70))
# 10 data frekuensi dari distribusi normal (dijamin positif & dibulatkan)
frekuensi <- round(abs(rnorm(10, mean = 100, sd = 20)))
# Buat tabel awal
data <- data.frame(
Permintaan = permintaan,
Frekuensi = frekuensi
)
# Hitung probabilitas (frekuensi / total)
data$Probabilitas <- data$Frekuensi / sum(data$Frekuensi)
# Hitung probabilitas kumulatif
data$ProbKumulatif <- cumsum(data$Probabilitas)
print(data)## Permintaan Frekuensi Probabilitas ProbKumulatif
## 1 15 111 0.10632184 0.1063218
## 2 154 121 0.11590038 0.2222222
## 3 137 99 0.09482759 0.3170498
## 4 12 85 0.08141762 0.3984674
## 5 89 113 0.10823755 0.5067050
## 6 32 99 0.09482759 0.6015326
## 7 55 118 0.11302682 0.7145594
## 8 22 100 0.09578544 0.8103448
## 9 202 106 0.10153257 0.9118774
## 10 252 92 0.08812261 1.0000000# STEP 2: Buat interval dari bilangan acak berdasarkan probabilitas kumulatif
data$Interval_Bawah <- c(0, head(data$ProbKumulatif, -1))
data$Interval_Atas <- data$ProbKumulatif
print(data[, c("Permintaan", "Interval_Bawah", "Interval_Atas")])## Permintaan Interval_Bawah Interval_Atas
## 1 15 0.0000000 0.1063218
## 2 154 0.1063218 0.2222222
## 3 137 0.2222222 0.3170498
## 4 12 0.3170498 0.3984674
## 5 89 0.3984674 0.5067050
## 6 32 0.5067050 0.6015326
## 7 55 0.6015326 0.7145594
## 8 22 0.7145594 0.8103448
## 9 202 0.8103448 0.9118774
## 10 252 0.9118774 1.0000000# STEP 3: Bangkitkan bilangan acak uniform sebanyak n hari
n <- 5
bilangan_acak <- runif(n)
# Buat hasil simulasi permintaan berdasarkan interval
hasil_simulasi <- sapply(bilangan_acak, function(x) {
data$Permintaan[which(x >= data$Interval_Bawah & x < data$Interval_Atas)]
})
# Tampilkan hasil simulasi
print(data.frame(
Hari = 1:n,
Bilangan_Acak = bilangan_acak,
Permintaan = hasil_simulasi
))## Hari Bilangan_Acak Permintaan
## 1 1 0.44796880 89
## 2 2 0.03842845 15
## 3 3 0.39954739 89
## 4 4 0.13019218 154
## 5 5 0.06837629 15# STEP 3: Bangkitkan bilangan acak uniform sebanyak n hari
n <- 20
bilangan_acak <- runif(n)
# Buat hasil simulasi permintaan berdasarkan interval
hasil_simulasi <- sapply(bilangan_acak, function(x) {
data$Permintaan[which(x >= data$Interval_Bawah & x < data$Interval_Atas)]
})
# Tampilkan hasil simulasi
print(data.frame(
Hari = 1:n,
Bilangan_Acak = bilangan_acak,
Permintaan = hasil_simulasi
))## Hari Bilangan_Acak Permintaan
## 1 1 0.28231990 137
## 2 2 0.73515720 22
## 3 3 0.97712159 252
## 4 4 0.32347578 12
## 5 5 0.72654652 22
## 6 6 0.15583895 154
## 7 7 0.98977134 252
## 8 8 0.84855964 202
## 9 9 0.55781041 32
## 10 10 0.57458419 32
## 11 11 0.24958694 137
## 12 12 0.72022436 22
## 13 13 0.87466253 202
## 14 14 0.86099019 202
## 15 15 0.14910084 154
## 16 16 0.07467051 15
## 17 17 0.99667454 252
## 18 18 0.05633880 15
## 19 19 0.84169730 202
## 20 20 0.26265585 137# STEP 3: Bangkitkan bilangan acak uniform sebanyak n hari
n <- 100
bilangan_acak <- runif(n)
# Buat hasil simulasi permintaan berdasarkan interval
hasil_simulasi <- sapply(bilangan_acak, function(x) {
data$Permintaan[which(x >= data$Interval_Bawah & x < data$Interval_Atas)]
})
# Tampilkan hasil simulasi
print(data.frame(
Hari = 1:n,
Bilangan_Acak = bilangan_acak,
Permintaan = hasil_simulasi
))## Hari Bilangan_Acak Permintaan
## 1 1 0.055365639 15
## 2 2 0.387756478 12
## 3 3 0.182441605 154
## 4 4 0.166265641 154
## 5 5 0.901926973 202
## 6 6 0.183005525 154
## 7 7 0.128766746 154
## 8 8 0.980722634 252
## 9 9 0.757903964 22
## 10 10 0.652443479 55
## 11 11 0.161376332 154
## 12 12 0.973289307 252
## 13 13 0.596337139 32
## 14 14 0.670884451 55
## 15 15 0.443309749 89
## 16 16 0.715479823 22
## 17 17 0.969948902 252
## 18 18 0.872797672 202
## 19 19 0.362465560 12
## 20 20 0.486591007 89
## 21 21 0.900315040 202
## 22 22 0.563247724 32
## 23 23 0.936186859 252
## 24 24 0.600719415 32
## 25 25 0.362842330 12
## 26 26 0.190070700 154
## 27 27 0.585781816 32
## 28 28 0.100671899 15
## 29 29 0.701596391 55
## 30 30 0.304658811 137
## 31 31 0.168166186 154
## 32 32 0.487125763 89
## 33 33 0.526891570 32
## 34 34 0.809676861 22
## 35 35 0.008612434 15
## 36 36 0.139523733 154
## 37 37 0.725886449 22
## 38 38 0.073505844 15
## 39 39 0.996275337 252
## 40 40 0.831838701 202
## 41 41 0.326670338 12
## 42 42 0.823942414 202
## 43 43 0.158494057 154
## 44 44 0.835903690 202
## 45 45 0.811035846 202
## 46 46 0.277412852 137
## 47 47 0.859694727 202
## 48 48 0.900037708 202
## 49 49 0.601975134 55
## 50 50 0.879312004 202
## 51 51 0.264601668 137
## 52 52 0.591159760 32
## 53 53 0.530295250 32
## 54 54 0.339947678 12
## 55 55 0.743027421 22
## 56 56 0.541949767 32
## 57 57 0.380576130 12
## 58 58 0.352606993 12
## 59 59 0.662323322 55
## 60 60 0.487012909 89
## 61 61 0.531936904 32
## 62 62 0.332945073 12
## 63 63 0.878617872 202
## 64 64 0.124269894 154
## 65 65 0.602497370 55
## 66 66 0.310520775 137
## 67 67 0.197045736 154
## 68 68 0.869134528 202
## 69 69 0.844391936 202
## 70 70 0.624466487 55
## 71 71 0.754397782 22
## 72 72 0.069811861 15
## 73 73 0.842857831 202
## 74 74 0.172648966 154
## 75 75 0.928693909 252
## 76 76 0.676962860 55
## 77 77 0.153479052 154
## 78 78 0.441205936 89
## 79 79 0.159218514 154
## 80 80 0.906316394 202
## 81 81 0.375353430 12
## 82 82 0.976071869 252
## 83 83 0.389897393 12
## 84 84 0.293933566 137
## 85 85 0.689117143 55
## 86 86 0.984517076 252
## 87 87 0.522444759 32
## 88 88 0.556418775 32
## 89 89 0.522723265 32
## 90 90 0.604085655 55
## 91 91 0.295036992 137
## 92 92 0.251679622 137
## 93 93 0.332819901 12
## 94 94 0.070655147 15
## 95 95 0.285616288 137
## 96 96 0.750816518 22
## 97 97 0.074602695 15
## 98 98 0.504442989 89
## 99 99 0.905106966 202
## 100 100 0.761443110 22# STEP 3: Bangkitkan bilangan acak uniform sebanyak n hari
n <- 1000
bilangan_acak <- runif(n)
# Buat hasil simulasi permintaan berdasarkan interval
hasil_simulasi <- sapply(bilangan_acak, function(x) {
data$Permintaan[which(x >= data$Interval_Bawah & x < data$Interval_Atas)]
})
# Tampilkan hasil simulasi
print(data.frame(
Hari = 1:n,
Bilangan_Acak = bilangan_acak,
Permintaan = hasil_simulasi
))## Hari Bilangan_Acak Permintaan
## 1 1 3.869209e-01 12
## 2 2 2.982664e-01 137
## 3 3 6.002062e-01 32
## 4 4 5.516849e-01 32
## 5 5 6.088006e-01 55
## 6 6 4.948316e-01 89
## 7 7 7.458417e-02 15
## 8 8 5.969046e-01 32
## 9 9 7.225164e-01 22
## 10 10 8.383721e-01 202
## 11 11 1.774635e-01 154
## 12 12 1.958371e-01 154
## 13 13 6.191225e-01 55
## 14 14 1.882885e-01 154
## 15 15 8.146246e-01 202
## 16 16 7.086892e-01 55
## 17 17 2.393702e-01 137
## 18 18 8.715031e-01 202
## 19 19 6.760236e-01 55
## 20 20 1.037193e-01 15
## 21 21 8.121406e-01 202
## 22 22 2.964756e-01 137
## 23 23 7.931453e-01 22
## 24 24 8.021022e-01 22
## 25 25 2.131749e-01 154
## 26 26 9.866789e-01 252
## 27 27 5.502222e-01 32
## 28 28 1.862391e-02 15
## 29 29 8.078464e-01 22
## 30 30 1.499756e-01 154
## 31 31 4.299375e-01 89
## 32 32 3.037958e-01 137
## 33 33 4.489964e-01 89
## 34 34 7.410882e-01 22
## 35 35 7.205746e-01 22
## 36 36 6.414985e-01 55
## 37 37 1.120319e-01 154
## 38 38 2.456528e-01 137
## 39 39 2.665502e-01 137
## 40 40 7.200066e-01 22
## 41 41 2.921007e-01 137
## 42 42 2.272944e-01 137
## 43 43 9.015547e-01 202
## 44 44 8.219935e-02 15
## 45 45 8.244289e-03 15
## 46 46 4.046811e-01 89
## 47 47 5.081630e-01 32
## 48 48 3.955649e-01 12
## 49 49 9.556922e-01 252
## 50 50 3.155296e-01 137
## 51 51 4.294224e-01 89
## 52 52 5.858152e-01 32
## 53 53 6.388959e-01 55
## 54 54 8.407938e-02 15
## 55 55 8.783702e-01 202
## 56 56 7.449580e-01 22
## 57 57 6.580113e-01 55
## 58 58 6.522077e-01 55
## 59 59 7.410378e-01 22
## 60 60 3.988389e-01 89
## 61 61 9.612037e-02 15
## 62 62 1.072833e-01 154
## 63 63 3.255932e-01 12
## 64 64 4.427310e-01 89
## 65 65 2.221283e-01 154
## 66 66 1.975951e-01 154
## 67 67 8.145587e-01 202
## 68 68 4.382564e-01 89
## 69 69 7.033046e-01 55
## 70 70 8.084077e-01 22
## 71 71 7.260002e-01 22
## 72 72 4.043200e-01 89
## 73 73 7.737250e-02 15
## 74 74 5.002415e-01 89
## 75 75 7.401609e-01 22
## 76 76 2.220488e-01 154
## 77 77 3.903028e-01 12
## 78 78 4.295735e-01 89
## 79 79 9.672790e-01 252
## 80 80 1.883824e-01 154
## 81 81 9.055318e-01 202
## 82 82 7.728478e-02 15
## 83 83 5.307159e-01 32
## 84 84 2.469412e-01 137
## 85 85 3.152519e-01 137
## 86 86 3.805966e-01 12
## 87 87 6.635798e-01 55
## 88 88 4.931518e-01 89
## 89 89 8.277800e-01 202
## 90 90 2.538801e-01 137
## 91 91 1.602883e-01 154
## 92 92 2.738105e-01 137
## 93 93 4.048445e-01 89
## 94 94 2.833643e-01 137
## 95 95 1.759098e-01 154
## 96 96 7.394937e-01 22
## 97 97 8.916879e-01 202
## 98 98 6.624576e-01 55
## 99 99 3.181461e-01 12
## 100 100 6.896249e-01 55
## 101 101 1.381083e-01 154
## 102 102 4.370934e-01 89
## 103 103 1.576147e-01 154
## 104 104 6.212692e-01 55
## 105 105 3.836743e-01 12
## 106 106 4.836711e-01 89
## 107 107 9.407108e-01 252
## 108 108 3.869351e-01 12
## 109 109 9.914602e-02 15
## 110 110 6.197109e-01 55
## 111 111 3.452006e-02 15
## 112 112 2.380791e-01 137
## 113 113 4.777782e-01 89
## 114 114 5.077045e-01 32
## 115 115 7.944099e-01 22
## 116 116 7.711572e-01 22
## 117 117 6.448879e-01 55
## 118 118 3.727252e-01 12
## 119 119 1.705907e-03 15
## 120 120 5.336012e-01 32
## 121 121 6.796045e-01 55
## 122 122 4.819204e-01 89
## 123 123 7.001840e-01 55
## 124 124 2.349760e-01 137
## 125 125 7.102690e-01 55
## 126 126 2.274679e-01 137
## 127 127 5.072025e-02 15
## 128 128 8.741906e-01 202
## 129 129 2.688642e-01 137
## 130 130 4.343997e-01 89
## 131 131 7.214457e-02 15
## 132 132 3.874549e-01 12
## 133 133 2.562493e-01 137
## 134 134 9.636103e-01 252
## 135 135 7.565912e-02 15
## 136 136 2.581567e-02 15
## 137 137 8.068777e-01 22
## 138 138 9.334594e-01 252
## 139 139 3.079204e-02 15
## 140 140 1.437227e-01 154
## 141 141 3.958304e-01 12
## 142 142 2.113579e-01 154
## 143 143 6.179477e-01 55
## 144 144 6.574641e-01 55
## 145 145 2.629997e-01 137
## 146 146 6.163276e-01 55
## 147 147 4.872109e-01 89
## 148 148 6.463367e-01 55
## 149 149 4.938048e-01 89
## 150 150 7.731381e-01 22
## 151 151 2.848597e-01 137
## 152 152 4.505105e-01 89
## 153 153 5.622181e-01 32
## 154 154 9.774030e-01 252
## 155 155 1.452661e-01 154
## 156 156 7.566795e-01 22
## 157 157 3.350469e-01 12
## 158 158 8.457948e-01 202
## 159 159 3.673578e-01 12
## 160 160 6.276981e-01 55
## 161 161 9.308817e-01 252
## 162 162 9.278935e-01 252
## 163 163 1.752913e-01 154
## 164 164 1.728485e-01 154
## 165 165 2.828981e-01 137
## 166 166 4.848037e-01 89
## 167 167 4.998889e-01 89
## 168 168 6.360995e-01 55
## 169 169 5.021243e-01 89
## 170 170 3.388903e-02 15
## 171 171 5.619988e-01 32
## 172 172 3.418200e-01 12
## 173 173 1.167421e-01 154
## 174 174 4.664150e-01 89
## 175 175 4.784939e-01 89
## 176 176 1.272766e-01 154
## 177 177 2.846770e-01 137
## 178 178 8.359814e-01 202
## 179 179 2.019043e-01 154
## 180 180 8.536583e-01 202
## 181 181 5.938546e-01 32
## 182 182 2.422554e-01 137
## 183 183 7.831819e-01 22
## 184 184 6.557408e-01 55
## 185 185 1.632555e-01 154
## 186 186 2.371080e-01 137
## 187 187 2.007838e-01 154
## 188 188 9.600160e-01 252
## 189 189 1.873633e-01 154
## 190 190 4.901003e-01 89
## 191 191 3.380387e-01 12
## 192 192 9.252303e-01 252
## 193 193 5.067754e-02 15
## 194 194 2.952576e-01 137
## 195 195 2.779981e-01 137
## 196 196 8.072976e-01 22
## 197 197 3.257084e-02 15
## 198 198 8.698707e-01 202
## 199 199 4.404519e-01 89
## 200 200 8.766823e-01 202
## 201 201 6.980813e-02 15
## 202 202 2.745250e-01 137
## 203 203 8.306718e-01 202
## 204 204 1.081328e-01 154
## 205 205 8.291374e-01 202
## 206 206 7.288847e-01 22
## 207 207 1.865640e-01 154
## 208 208 1.213399e-01 154
## 209 209 1.140532e-01 154
## 210 210 9.443703e-01 252
## 211 211 3.846749e-01 12
## 212 212 2.440150e-01 137
## 213 213 5.888479e-01 32
## 214 214 6.233224e-01 55
## 215 215 5.183210e-01 32
## 216 216 5.852630e-01 32
## 217 217 8.363995e-02 15
## 218 218 1.917412e-01 154
## 219 219 5.325639e-01 32
## 220 220 7.296311e-01 22
## 221 221 8.013657e-01 22
## 222 222 3.010102e-02 15
## 223 223 5.078193e-01 32
## 224 224 8.557372e-02 15
## 225 225 8.142287e-01 202
## 226 226 4.539422e-01 89
## 227 227 5.876360e-02 15
## 228 228 3.751518e-01 12
## 229 229 3.991531e-01 89
## 230 230 1.288021e-01 154
## 231 231 6.708656e-01 55
## 232 232 7.394620e-01 22
## 233 233 3.977904e-01 12
## 234 234 9.018823e-01 202
## 235 235 4.415920e-01 89
## 236 236 4.046640e-01 89
## 237 237 2.999672e-01 137
## 238 238 3.976416e-01 12
## 239 239 6.239512e-01 55
## 240 240 1.623083e-01 154
## 241 241 8.544864e-01 202
## 242 242 1.309731e-01 154
## 243 243 3.309429e-02 15
## 244 244 6.424791e-01 55
## 245 245 4.692577e-01 89
## 246 246 3.758846e-01 12
## 247 247 5.925191e-01 32
## 248 248 4.194951e-01 89
## 249 249 7.033111e-01 55
## 250 250 4.102598e-01 89
## 251 251 5.065799e-01 89
## 252 252 7.540962e-01 22
## 253 253 9.465040e-01 252
## 254 254 1.639095e-01 154
## 255 255 1.583972e-01 154
## 256 256 4.879550e-01 89
## 257 257 1.794678e-01 154
## 258 258 7.579038e-01 22
## 259 259 1.211163e-01 154
## 260 260 5.583329e-01 32
## 261 261 4.327926e-01 89
## 262 262 8.462752e-01 202
## 263 263 2.540896e-01 137
## 264 264 2.123046e-01 154
## 265 265 8.276530e-01 202
## 266 266 2.977306e-01 137
## 267 267 8.502785e-01 202
## 268 268 2.255636e-01 137
## 269 269 7.878546e-01 22
## 270 270 7.587466e-01 22
## 271 271 5.100907e-01 32
## 272 272 4.060314e-01 89
## 273 273 2.128643e-01 154
## 274 274 2.315261e-01 137
## 275 275 6.258221e-01 55
## 276 276 3.254997e-01 12
## 277 277 8.508664e-01 202
## 278 278 2.112481e-01 154
## 279 279 5.295022e-01 32
## 280 280 3.732519e-01 12
## 281 281 5.795169e-01 32
## 282 282 3.086868e-01 137
## 283 283 7.939761e-01 22
## 284 284 6.428578e-01 55
## 285 285 1.202366e-01 154
## 286 286 1.982677e-01 154
## 287 287 1.090673e-01 154
## 288 288 8.899803e-01 202
## 289 289 4.051397e-01 89
## 290 290 1.584812e-01 154
## 291 291 9.498357e-01 252
## 292 292 7.679333e-01 22
## 293 293 6.978832e-02 15
## 294 294 8.114814e-01 202
## 295 295 5.118338e-01 32
## 296 296 5.506493e-01 32
## 297 297 3.824839e-01 12
## 298 298 6.682738e-01 55
## 299 299 2.554330e-01 137
## 300 300 7.787261e-01 22
## 301 301 3.970559e-02 15
## 302 302 8.464040e-01 202
## 303 303 3.235171e-01 12
## 304 304 9.316485e-01 252
## 305 305 6.687095e-02 15
## 306 306 4.984216e-01 89
## 307 307 9.625921e-01 252
## 308 308 7.086901e-02 15
## 309 309 7.806820e-01 22
## 310 310 2.560816e-01 137
## 311 311 9.113755e-01 202
## 312 312 6.211696e-01 55
## 313 313 1.647785e-01 154
## 314 314 3.262884e-01 12
## 315 315 6.451871e-01 55
## 316 316 6.321234e-01 55
## 317 317 7.025211e-01 55
## 318 318 3.756398e-01 12
## 319 319 4.365232e-01 89
## 320 320 9.912253e-02 15
## 321 321 4.614662e-01 89
## 322 322 8.702941e-01 202
## 323 323 3.500327e-01 12
## 324 324 3.498520e-01 12
## 325 325 3.506987e-01 12
## 326 326 5.459048e-01 32
## 327 327 3.059968e-01 137
## 328 328 9.848717e-01 252
## 329 329 5.823114e-01 32
## 330 330 7.339502e-01 22
## 331 331 3.910642e-01 12
## 332 332 7.064040e-01 55
## 333 333 6.255805e-01 55
## 334 334 3.811687e-01 12
## 335 335 3.601690e-01 12
## 336 336 5.891221e-01 32
## 337 337 5.726764e-01 32
## 338 338 4.984821e-01 89
## 339 339 3.601342e-02 15
## 340 340 8.314068e-01 202
## 341 341 2.076434e-01 154
## 342 342 8.546237e-01 202
## 343 343 2.950506e-01 137
## 344 344 6.553368e-05 15
## 345 345 6.453898e-01 55
## 346 346 9.660594e-02 15
## 347 347 7.777227e-01 22
## 348 348 7.811588e-02 15
## 349 349 9.961571e-01 252
## 350 350 5.598317e-01 32
## 351 351 4.105733e-01 89
## 352 352 1.009605e-01 15
## 353 353 3.392203e-01 12
## 354 354 4.744938e-01 89
## 355 355 8.440919e-02 15
## 356 356 4.452100e-01 89
## 357 357 8.548420e-01 202
## 358 358 3.145655e-01 137
## 359 359 5.307899e-01 32
## 360 360 3.326168e-01 12
## 361 361 3.635882e-01 12
## 362 362 8.021223e-01 22
## 363 363 8.198712e-01 202
## 364 364 8.060714e-01 22
## 365 365 8.793208e-01 202
## 366 366 8.844302e-02 15
## 367 367 2.443722e-01 137
## 368 368 8.655001e-01 202
## 369 369 7.034980e-01 55
## 370 370 9.558649e-01 252
## 371 371 4.542121e-01 89
## 372 372 7.923110e-01 22
## 373 373 8.623260e-01 202
## 374 374 8.246680e-01 202
## 375 375 1.951552e-01 154
## 376 376 4.158045e-01 89
## 377 377 7.304157e-01 22
## 378 378 3.446763e-01 12
## 379 379 3.449894e-01 12
## 380 380 4.248464e-01 89
## 381 381 6.452557e-01 55
## 382 382 5.350410e-01 32
## 383 383 9.706215e-01 252
## 384 384 5.785474e-01 32
## 385 385 9.812977e-01 252
## 386 386 8.840130e-01 202
## 387 387 5.981046e-01 32
## 388 388 3.594400e-01 12
## 389 389 4.997786e-01 89
## 390 390 1.841706e-01 154
## 391 391 2.314219e-02 15
## 392 392 3.120427e-01 137
## 393 393 2.588123e-01 137
## 394 394 8.560859e-01 202
## 395 395 3.017642e-02 15
## 396 396 2.039360e-01 154
## 397 397 9.785771e-02 15
## 398 398 3.802390e-01 12
## 399 399 7.901378e-01 22
## 400 400 4.356170e-02 15
## 401 401 1.249517e-01 154
## 402 402 1.602958e-01 154
## 403 403 3.813808e-01 12
## 404 404 2.686942e-01 137
## 405 405 1.398651e-01 154
## 406 406 8.015282e-01 22
## 407 407 8.827402e-01 202
## 408 408 6.254268e-02 15
## 409 409 5.869195e-01 32
## 410 410 6.700063e-02 15
## 411 411 8.719901e-01 202
## 412 412 1.907762e-01 154
## 413 413 6.057994e-02 15
## 414 414 9.909184e-01 252
## 415 415 5.553043e-01 32
## 416 416 6.196125e-01 55
## 417 417 2.994518e-02 15
## 418 418 8.780207e-01 202
## 419 419 1.199454e-01 154
## 420 420 4.216506e-01 89
## 421 421 3.158028e-01 137
## 422 422 3.016481e-01 137
## 423 423 7.204095e-01 22
## 424 424 9.113940e-01 202
## 425 425 8.389702e-01 202
## 426 426 6.115832e-01 55
## 427 427 1.203159e-01 154
## 428 428 5.260863e-02 15
## 429 429 4.800187e-01 89
## 430 430 3.813135e-01 12
## 431 431 8.633031e-01 202
## 432 432 8.784826e-01 202
## 433 433 6.326032e-01 55
## 434 434 6.942028e-01 55
## 435 435 6.125348e-01 55
## 436 436 5.345306e-01 32
## 437 437 5.854972e-01 32
## 438 438 1.396468e-01 154
## 439 439 2.891448e-01 137
## 440 440 5.719441e-01 32
## 441 441 1.671675e-01 154
## 442 442 9.466399e-01 252
## 443 443 4.441323e-01 89
## 444 444 5.980207e-01 32
## 445 445 1.281482e-01 154
## 446 446 8.816243e-01 202
## 447 447 6.193394e-01 55
## 448 448 1.250406e-01 154
## 449 449 4.593745e-01 89
## 450 450 1.053540e-01 15
## 451 451 9.734984e-01 252
## 452 452 4.771868e-01 89
## 453 453 8.309884e-01 202
## 454 454 1.126601e-01 154
## 455 455 9.134706e-01 252
## 456 456 8.603359e-02 15
## 457 457 6.077691e-01 55
## 458 458 1.304375e-01 154
## 459 459 7.641960e-01 22
## 460 460 6.095083e-01 55
## 461 461 9.419837e-01 252
## 462 462 9.989321e-01 252
## 463 463 8.358546e-01 202
## 464 464 6.607758e-02 15
## 465 465 2.114815e-01 154
## 466 466 8.669072e-01 202
## 467 467 1.187319e-01 154
## 468 468 5.142796e-01 32
## 469 469 1.203628e-01 154
## 470 470 5.328501e-01 32
## 471 471 3.996149e-01 89
## 472 472 2.126796e-01 154
## 473 473 1.227310e-01 154
## 474 474 7.970547e-01 22
## 475 475 3.151053e-01 137
## 476 476 8.048395e-01 22
## 477 477 9.843773e-01 252
## 478 478 3.415815e-01 12
## 479 479 4.044037e-02 15
## 480 480 9.166685e-01 252
## 481 481 1.463731e-01 154
## 482 482 1.888232e-01 154
## 483 483 4.501795e-01 89
## 484 484 2.668141e-02 15
## 485 485 6.581640e-01 55
## 486 486 6.508385e-01 55
## 487 487 1.228379e-02 15
## 488 488 3.422401e-01 12
## 489 489 8.135833e-01 202
## 490 490 7.207691e-01 22
## 491 491 7.154162e-01 22
## 492 492 3.847031e-01 12
## 493 493 4.192059e-01 89
## 494 494 2.523910e-01 137
## 495 495 7.354178e-01 22
## 496 496 4.467333e-01 89
## 497 497 3.327453e-01 12
## 498 498 8.477618e-01 202
## 499 499 8.743753e-01 202
## 500 500 1.493300e-02 15
## 501 501 7.395676e-01 22
## 502 502 4.404601e-01 89
## 503 503 3.337232e-01 12
## 504 504 9.367943e-01 252
## 505 505 2.061119e-01 154
## 506 506 9.122927e-01 252
## 507 507 2.298341e-01 137
## 508 508 7.536765e-01 22
## 509 509 5.307863e-01 32
## 510 510 7.499510e-01 22
## 511 511 9.454382e-01 252
## 512 512 7.226763e-01 22
## 513 513 8.921979e-02 15
## 514 514 7.113336e-01 55
## 515 515 9.314432e-01 252
## 516 516 2.636914e-01 137
## 517 517 3.938218e-01 12
## 518 518 9.366735e-01 252
## 519 519 8.067782e-01 22
## 520 520 3.796871e-01 12
## 521 521 3.863716e-01 12
## 522 522 2.207038e-01 154
## 523 523 1.628008e-01 154
## 524 524 8.605121e-01 202
## 525 525 5.698071e-01 32
## 526 526 2.276983e-01 137
## 527 527 2.102398e-01 154
## 528 528 9.342534e-02 15
## 529 529 3.397742e-01 12
## 530 530 2.047745e-01 154
## 531 531 3.703842e-01 12
## 532 532 6.052459e-01 55
## 533 533 7.445521e-01 22
## 534 534 8.729517e-02 15
## 535 535 3.282197e-01 12
## 536 536 6.264464e-01 55
## 537 537 6.793103e-01 55
## 538 538 1.818377e-01 154
## 539 539 4.422441e-01 89
## 540 540 2.076000e-01 154
## 541 541 9.442495e-01 252
## 542 542 6.040297e-01 55
## 543 543 7.513118e-01 22
## 544 544 4.373481e-01 89
## 545 545 1.887878e-01 154
## 546 546 3.219014e-01 12
## 547 547 6.110499e-01 55
## 548 548 3.440329e-01 12
## 549 549 2.247905e-01 137
## 550 550 1.995704e-01 154
## 551 551 2.455278e-01 137
## 552 552 9.883186e-01 252
## 553 553 5.218693e-01 32
## 554 554 3.147067e-01 137
## 555 555 8.114964e-01 202
## 556 556 1.298175e-01 154
## 557 557 3.153747e-01 137
## 558 558 9.971610e-01 252
## 559 559 4.194434e-01 89
## 560 560 1.738626e-01 154
## 561 561 8.430289e-01 202
## 562 562 6.185706e-01 55
## 563 563 3.312220e-01 12
## 564 564 5.466679e-01 32
## 565 565 4.747632e-01 89
## 566 566 2.418635e-01 137
## 567 567 9.764461e-01 252
## 568 568 1.803253e-01 154
## 569 569 4.219968e-01 89
## 570 570 5.740271e-01 32
## 571 571 5.691498e-01 32
## 572 572 8.760443e-02 15
## 573 573 1.873892e-02 15
## 574 574 7.960323e-01 22
## 575 575 8.254685e-01 202
## 576 576 2.782190e-01 137
## 577 577 9.704652e-01 252
## 578 578 4.834254e-01 89
## 579 579 2.206385e-01 154
## 580 580 6.318854e-01 55
## 581 581 9.848492e-01 252
## 582 582 9.171084e-01 252
## 583 583 8.219540e-01 202
## 584 584 3.761397e-01 12
## 585 585 1.470139e-01 154
## 586 586 8.268913e-01 202
## 587 587 6.057262e-01 55
## 588 588 4.408771e-01 89
## 589 589 5.862203e-01 32
## 590 590 5.740482e-01 32
## 591 591 5.244222e-01 32
## 592 592 5.239342e-01 32
## 593 593 3.482153e-01 12
## 594 594 5.096293e-01 32
## 595 595 1.612100e-01 154
## 596 596 9.845186e-01 252
## 597 597 3.287145e-01 12
## 598 598 9.382646e-01 252
## 599 599 4.266075e-02 15
## 600 600 1.409991e-01 154
## 601 601 7.638155e-01 22
## 602 602 3.570804e-01 12
## 603 603 5.266046e-01 32
## 604 604 3.743753e-02 15
## 605 605 4.418252e-01 89
## 606 606 1.626899e-01 154
## 607 607 9.972052e-01 252
## 608 608 9.061294e-01 202
## 609 609 7.375001e-01 22
## 610 610 8.376556e-01 202
## 611 611 6.314357e-01 55
## 612 612 8.712780e-01 202
## 613 613 8.739132e-02 15
## 614 614 5.440792e-01 32
## 615 615 4.703484e-01 89
## 616 616 8.881278e-01 202
## 617 617 9.951140e-01 252
## 618 618 6.391992e-01 55
## 619 619 5.213479e-01 32
## 620 620 5.716650e-01 32
## 621 621 3.916830e-02 15
## 622 622 6.303124e-01 55
## 623 623 8.113145e-01 202
## 624 624 4.738318e-01 89
## 625 625 7.292268e-01 22
## 626 626 3.522934e-01 12
## 627 627 3.077821e-01 137
## 628 628 1.730348e-01 154
## 629 629 5.641886e-01 32
## 630 630 9.710985e-01 252
## 631 631 6.940103e-01 55
## 632 632 3.117168e-01 137
## 633 633 1.582679e-01 154
## 634 634 4.530838e-01 89
## 635 635 6.419542e-01 55
## 636 636 4.336987e-01 89
## 637 637 3.544641e-01 12
## 638 638 8.935562e-01 202
## 639 639 4.919951e-01 89
## 640 640 1.294290e-01 154
## 641 641 8.632300e-01 202
## 642 642 4.381372e-01 89
## 643 643 5.911378e-01 32
## 644 644 7.221210e-01 22
## 645 645 7.591280e-01 22
## 646 646 5.231939e-01 32
## 647 647 1.372955e-01 154
## 648 648 7.667089e-02 15
## 649 649 1.280936e-01 154
## 650 650 3.431096e-01 12
## 651 651 2.923975e-01 137
## 652 652 9.329051e-01 252
## 653 653 4.004456e-01 89
## 654 654 3.273664e-01 12
## 655 655 8.645912e-01 202
## 656 656 7.937150e-02 15
## 657 657 4.137733e-01 89
## 658 658 6.937401e-01 55
## 659 659 2.034022e-01 154
## 660 660 3.938893e-01 12
## 661 661 3.723536e-01 12
## 662 662 5.926058e-01 32
## 663 663 5.105795e-01 32
## 664 664 8.349811e-01 202
## 665 665 3.537601e-02 15
## 666 666 9.150894e-01 252
## 667 667 2.603441e-01 137
## 668 668 8.257560e-01 202
## 669 669 5.022207e-02 15
## 670 670 7.213971e-02 15
## 671 671 7.772563e-02 15
## 672 672 5.984172e-01 32
## 673 673 8.143076e-01 202
## 674 674 8.929806e-02 15
## 675 675 7.526323e-01 22
## 676 676 8.534551e-01 202
## 677 677 7.959052e-01 22
## 678 678 1.098222e-01 154
## 679 679 2.604205e-01 137
## 680 680 7.887051e-01 22
## 681 681 5.718841e-01 32
## 682 682 1.970889e-01 154
## 683 683 7.167039e-01 22
## 684 684 4.712595e-02 15
## 685 685 1.579016e-01 154
## 686 686 7.366698e-01 22
## 687 687 5.237671e-01 32
## 688 688 6.439395e-02 15
## 689 689 8.237865e-01 202
## 690 690 5.751889e-01 32
## 691 691 5.883929e-01 32
## 692 692 5.543218e-01 32
## 693 693 4.820318e-01 89
## 694 694 4.352412e-01 89
## 695 695 9.187654e-01 252
## 696 696 2.146778e-01 154
## 697 697 1.630145e-01 154
## 698 698 7.070411e-01 55
## 699 699 1.267274e-01 154
## 700 700 1.647365e-01 154
## 701 701 1.468151e-01 154
## 702 702 3.658477e-01 12
## 703 703 7.703131e-01 22
## 704 704 5.934507e-01 32
## 705 705 2.262393e-01 137
## 706 706 7.794651e-01 22
## 707 707 5.300953e-01 32
## 708 708 2.048022e-01 154
## 709 709 9.271659e-01 252
## 710 710 8.464131e-01 202
## 711 711 5.707593e-01 32
## 712 712 4.121786e-01 89
## 713 713 3.294113e-01 12
## 714 714 9.335794e-01 252
## 715 715 6.051830e-01 55
## 716 716 9.074880e-01 202
## 717 717 1.893046e-01 154
## 718 718 3.384198e-03 15
## 719 719 6.212493e-01 55
## 720 720 7.311784e-01 22
## 721 721 5.194365e-01 32
## 722 722 3.989413e-01 89
## 723 723 4.581912e-02 15
## 724 724 2.818201e-01 137
## 725 725 7.644225e-01 22
## 726 726 9.101380e-01 202
## 727 727 2.527031e-01 137
## 728 728 5.940159e-01 32
## 729 729 7.076626e-01 55
## 730 730 8.707052e-01 202
## 731 731 2.967359e-01 137
## 732 732 6.534282e-01 55
## 733 733 7.133418e-01 55
## 734 734 4.665414e-01 89
## 735 735 7.009866e-01 55
## 736 736 8.128544e-01 202
## 737 737 9.695999e-01 252
## 738 738 1.188679e-01 154
## 739 739 1.497713e-01 154
## 740 740 6.940801e-02 15
## 741 741 8.055353e-01 22
## 742 742 3.944069e-01 12
## 743 743 1.678972e-02 15
## 744 744 7.568761e-01 22
## 745 745 5.685007e-01 32
## 746 746 1.169537e-01 154
## 747 747 4.009810e-01 89
## 748 748 9.510241e-01 252
## 749 749 4.623347e-01 89
## 750 750 5.415354e-01 32
## 751 751 9.728832e-01 252
## 752 752 5.176166e-01 32
## 753 753 1.507488e-01 154
## 754 754 1.205160e-01 154
## 755 755 3.697062e-02 15
## 756 756 4.415371e-01 89
## 757 757 7.811234e-01 22
## 758 758 6.633777e-01 55
## 759 759 6.220494e-01 55
## 760 760 6.367689e-01 55
## 761 761 7.673979e-02 15
## 762 762 4.511809e-01 89
## 763 763 9.208417e-01 252
## 764 764 4.976154e-01 89
## 765 765 8.180590e-01 202
## 766 766 2.670032e-01 137
## 767 767 9.986065e-01 252
## 768 768 3.583781e-01 12
## 769 769 1.151264e-02 15
## 770 770 9.343276e-01 252
## 771 771 8.586926e-01 202
## 772 772 7.979829e-01 22
## 773 773 8.084008e-01 22
## 774 774 9.225417e-01 252
## 775 775 1.314236e-01 154
## 776 776 3.914605e-02 15
## 777 777 5.071962e-01 32
## 778 778 4.308925e-01 89
## 779 779 4.121542e-01 89
## 780 780 9.029971e-01 202
## 781 781 9.905697e-02 15
## 782 782 8.092766e-01 22
## 783 783 5.078821e-01 32
## 784 784 7.231508e-01 22
## 785 785 9.109458e-02 15
## 786 786 4.919472e-01 89
## 787 787 1.724193e-02 15
## 788 788 7.627873e-03 15
## 789 789 3.650636e-01 12
## 790 790 1.094784e-01 154
## 791 791 3.054331e-01 137
## 792 792 3.594946e-01 12
## 793 793 8.058132e-02 15
## 794 794 1.661339e-01 154
## 795 795 7.569612e-01 22
## 796 796 8.955795e-01 202
## 797 797 7.099788e-01 55
## 798 798 2.785482e-01 137
## 799 799 9.017346e-02 15
## 800 800 1.045712e-01 15
## 801 801 2.047538e-01 154
## 802 802 2.195967e-01 154
## 803 803 3.060240e-01 137
## 804 804 6.389341e-01 55
## 805 805 4.137240e-01 89
## 806 806 5.455877e-01 32
## 807 807 9.251579e-02 15
## 808 808 5.353379e-01 32
## 809 809 2.269164e-01 137
## 810 810 6.381772e-01 55
## 811 811 7.738406e-01 22
## 812 812 2.998865e-01 137
## 813 813 8.303831e-01 202
## 814 814 3.377125e-01 12
## 815 815 9.508028e-01 252
## 816 816 6.736365e-01 55
## 817 817 8.901338e-01 202
## 818 818 7.892711e-01 22
## 819 819 5.581430e-01 32
## 820 820 2.888610e-01 137
## 821 821 6.276211e-01 55
## 822 822 5.671773e-01 32
## 823 823 2.652046e-01 137
## 824 824 3.678267e-01 12
## 825 825 8.112874e-01 202
## 826 826 9.313447e-01 252
## 827 827 3.883020e-01 12
## 828 828 9.275861e-01 252
## 829 829 3.177449e-01 12
## 830 830 5.539224e-01 32
## 831 831 4.470492e-01 89
## 832 832 6.837465e-01 55
## 833 833 5.350361e-01 32
## 834 834 3.697179e-01 12
## 835 835 6.151373e-01 55
## 836 836 4.614498e-01 89
## 837 837 2.243468e-01 137
## 838 838 6.357832e-01 55
## 839 839 3.450740e-01 12
## 840 840 3.001395e-01 137
## 841 841 3.584007e-01 12
## 842 842 2.447641e-01 137
## 843 843 7.945054e-01 22
## 844 844 2.374228e-01 137
## 845 845 9.890409e-01 252
## 846 846 3.561860e-01 12
## 847 847 7.129507e-01 55
## 848 848 3.554840e-01 12
## 849 849 3.995902e-01 89
## 850 850 7.850308e-01 22
## 851 851 5.969047e-02 15
## 852 852 5.516180e-01 32
## 853 853 5.367353e-01 32
## 854 854 8.359996e-01 202
## 855 855 4.007216e-01 89
## 856 856 7.418738e-01 22
## 857 857 2.958882e-02 15
## 858 858 5.705062e-01 32
## 859 859 2.423203e-01 137
## 860 860 1.687177e-01 154
## 861 861 8.112731e-01 202
## 862 862 7.151435e-01 22
## 863 863 8.614662e-01 202
## 864 864 6.385953e-01 55
## 865 865 2.096657e-01 154
## 866 866 4.910285e-01 89
## 867 867 5.136398e-01 32
## 868 868 7.261682e-01 22
## 869 869 8.212894e-01 202
## 870 870 7.866134e-01 22
## 871 871 5.721412e-01 32
## 872 872 5.475318e-01 32
## 873 873 6.050143e-01 55
## 874 874 4.068819e-01 89
## 875 875 2.791562e-01 137
## 876 876 9.971125e-01 252
## 877 877 3.482181e-01 12
## 878 878 1.622267e-01 154
## 879 879 6.063033e-01 55
## 880 880 8.868160e-01 202
## 881 881 6.704511e-01 55
## 882 882 9.084935e-01 202
## 883 883 1.522311e-01 154
## 884 884 3.203369e-01 12
## 885 885 6.583898e-01 55
## 886 886 7.918095e-01 22
## 887 887 8.076840e-01 22
## 888 888 1.404141e-01 154
## 889 889 9.249424e-01 252
## 890 890 3.472818e-02 15
## 891 891 2.654290e-01 137
## 892 892 3.859715e-01 12
## 893 893 9.183585e-01 252
## 894 894 9.946307e-01 252
## 895 895 7.794810e-01 22
## 896 896 2.010226e-01 154
## 897 897 4.724951e-01 89
## 898 898 4.789637e-01 89
## 899 899 4.260901e-01 89
## 900 900 9.661166e-01 252
## 901 901 4.473011e-01 89
## 902 902 4.656261e-01 89
## 903 903 7.132811e-01 55
## 904 904 2.737120e-01 137
## 905 905 6.173252e-01 55
## 906 906 4.632990e-01 89
## 907 907 1.994471e-01 154
## 908 908 1.593073e-01 154
## 909 909 9.228626e-01 252
## 910 910 5.874704e-01 32
## 911 911 5.992183e-01 32
## 912 912 4.115436e-01 89
## 913 913 2.861213e-02 15
## 914 914 4.427980e-01 89
## 915 915 3.908239e-01 12
## 916 916 9.848175e-01 252
## 917 917 8.398347e-01 202
## 918 918 9.901105e-01 252
## 919 919 1.754056e-01 154
## 920 920 1.378943e-01 154
## 921 921 9.931372e-01 252
## 922 922 1.838209e-01 154
## 923 923 6.290091e-01 55
## 924 924 3.203593e-01 12
## 925 925 6.464270e-01 55
## 926 926 9.219326e-01 252
## 927 927 9.644961e-02 15
## 928 928 9.435219e-01 252
## 929 929 7.940674e-01 22
## 930 930 8.668646e-01 202
## 931 931 9.696442e-01 252
## 932 932 9.439688e-01 252
## 933 933 3.188328e-01 12
## 934 934 6.887066e-01 55
## 935 935 5.677695e-01 32
## 936 936 5.300537e-01 32
## 937 937 7.691042e-01 22
## 938 938 3.901203e-03 15
## 939 939 4.627276e-01 89
## 940 940 5.153871e-01 32
## 941 941 5.218949e-01 32
## 942 942 7.509811e-01 22
## 943 943 5.171030e-01 32
## 944 944 7.487836e-01 22
## 945 945 5.214607e-01 32
## 946 946 6.076985e-01 55
## 947 947 9.334489e-01 252
## 948 948 1.547010e-01 154
## 949 949 8.357432e-01 202
## 950 950 2.154017e-01 154
## 951 951 6.506735e-01 55
## 952 952 5.810279e-01 32
## 953 953 3.290634e-01 12
## 954 954 1.372980e-01 154
## 955 955 6.529374e-01 55
## 956 956 9.707862e-02 15
## 957 957 2.466844e-01 137
## 958 958 5.238048e-01 32
## 959 959 4.764696e-01 89
## 960 960 6.917539e-01 55
## 961 961 9.882095e-01 252
## 962 962 1.687535e-01 154
## 963 963 6.524384e-01 55
## 964 964 5.075061e-01 32
## 965 965 1.065225e-01 154
## 966 966 3.642548e-01 12
## 967 967 8.371451e-01 202
## 968 968 2.453304e-01 137
## 969 969 7.162071e-01 22
## 970 970 1.658405e-02 15
## 971 971 1.609283e-02 15
## 972 972 6.062647e-01 55
## 973 973 1.525477e-01 154
## 974 974 1.642435e-01 154
## 975 975 2.747773e-01 137
## 976 976 6.044922e-01 55
## 977 977 7.860468e-01 22
## 978 978 3.163753e-01 137
## 979 979 8.157029e-01 202
## 980 980 2.835142e-02 15
## 981 981 6.072363e-01 55
## 982 982 5.907378e-01 32
## 983 983 6.474509e-01 55
## 984 984 9.660570e-01 252
## 985 985 9.910516e-01 252
## 986 986 9.256846e-01 252
## 987 987 4.587704e-01 89
## 988 988 2.100485e-01 154
## 989 989 9.682561e-01 252
## 990 990 4.051558e-01 89
## 991 991 1.807689e-01 154
## 992 992 4.976535e-01 89
## 993 993 6.506305e-01 55
## 994 994 3.070923e-01 137
## 995 995 8.248919e-02 15
## 996 996 5.314238e-02 15
## 997 997 1.910973e-01 154
## 998 998 4.596757e-01 89
## 999 999 4.615193e-01 89
## 1000 1000 4.630047e-01 89# STEP 4: Hitung prediksi permintaan untuk beberapa jumlah hari
# Fungsi bantu untuk prediksi
prediksi_permintaan <- function(jumlah_hari, interval_data) {
acak <- runif(jumlah_hari)
hasil <- sapply(acak, function(x) {
interval_data$Permintaan[which(x >= interval_data$Interval_Bawah & x < interval_data$Interval_Atas)]
})
return(sum(hasil))
}
# Hitung prediksi untuk masing-masing skenario
prediksi_5 <- prediksi_permintaan(5, data)
prediksi_20 <- prediksi_permintaan(20, data)
prediksi_100 <- prediksi_permintaan(100, data)
prediksi_1000 <- prediksi_permintaan(1000, data)
# Tampilkan semua hasil
cat("Prediksi Permintaan:\n")## Prediksi Permintaan:cat("- Selama 5 hari :", prediksi_5, "gelas\n")## - Selama 5 hari : 462 gelascat("- Selama 20 hari :", prediksi_20, "gelas\n")## - Selama 20 hari : 1917 gelascat("- Selama 100 hari :", prediksi_100, "gelas\n")## - Selama 100 hari : 9052 gelascat("- Selama 1000 hari :", prediksi_1000, "gelas\n")## - Selama 1000 hari : 99295 gelashasil_tabel <- data.frame(
Hari = c(5, 20, 100, 1000),
Prediksi_Permintaan = c(prediksi_5, prediksi_20, prediksi_100, prediksi_1000)
)
print(hasil_tabel)## Hari Prediksi_Permintaan
## 1 5 462
## 2 20 1917
## 3 100 9052
## 4 1000 99295