1. Tetapkan set.seed 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(). jawab:

set.seed(150)
data <- rnorm(1000, mean = 30, sd = 2.5)
mean_sample <- numeric(50)
for(i in 1:50){
  sampel <- sample(data, size =50)
  mean_sample[i] <- mean(sampel)
}
mean_sample
##  [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
  1. 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(). Jawab:

par(mfrow = c(1,2))
hist(data,
     main = "histogram Data Asli",
     col = "blue",
     xlab = "nilai",
     border = "black")

hist(mean_sample,
     main = "histogram rata rata sampel",
     col = "green",
     xlab = "rata-rata",
     border = "black")