#Simulasi data dengan 500 variabel random
set.seed(42)
n <- 500
data_random <- runif(n, min = 0, max = 1)
hist(data_random, breaks = 35, main = "Histogram Distribusi Data", xlab = "Nilai", col = "darkgreen")
#Distribusi binomial dengan simulasi data 500 variabel random
n_trials <- 12 #jumlah percobaan
p_success <- 0.7 #Probabilitas sukses
binomial_data <- rbinom(n, size = n_trials, prob = p_success)
hist(binomial_data, breaks = 30, main = "Histogram Distribusi Binomial", xlab = "Jumlah Sukses", col = "skyblue")
#Distribusi normal dengan simulasi data 500 variabel random
average <- 0 #Mean
sdev <- 1 #Standar deviasi
normal_data <- rnorm(n, mean = average, sd = sdev)
hist(normal_data, breaks = 30, main = "Histogram Distribusi Normal", xlab = "Nilai", col = "blue")
#Simulasi jumlah penjualan
set.seed(67)
n_days <- 30
lambda_penjualan <- 60
penjualan_data <- rpois(n_days, lambda_penjualan)
penjualan_data
## [1] 69 59 52 61 64 61 58 56 48 70 50 57 60 71 56 55 60 71 51 62 72 62 67 67 64
## [26] 49 44 76 56 68
#Rata-rata jumlah pelanggan simulasi
average_penjualan <- mean(penjualan_data)
cat("\n--- Rata-rata simulasi penjualan ---\n")
##
## --- Rata-rata simulasi penjualan ---
average_penjualan
## [1] 60.53333
#Probabilitas jumlah penjualan di atas 62
prop_above_62 <- sum(penjualan_data > 62) / n_days
cat("\n--- Probabilitas penjualan lebih dari 65 ---\n")
##
## --- Probabilitas penjualan lebih dari 65 ---
prop_above_62
## [1] 0.3666667