=============================================================================================
ILUSTRASI KASUS —‘SOCMED INSIGHTS’
Aplikasi analitik media sosial ‘SocMed Insights’ mengumpulkan berbagai data untuk keperluan berikut. Kerjakan tiap poin dengan perhitungan manual DAN sintaks RStudio. =============================================================================================

  1. (Variabel Acak) Klasifikasikan: (a) jumlah komentar per unggahan, (b) durasi video yang ditonton (detik) —diskrit atau kontinu
# (a) jumlah komentar per unggahan merupakan variabel acak diskrit, karena nilainya merupakan bilangan bulat dan terpisah
# (b) durasi video yang ditonton (detik) merupakan variabel acak kontinu, karena nilainya tersambung 
# (tidak loncat)/mengalir.
  1. (Binomial) 25% pengguna yang melihat iklan akan mengkliknya. Jika iklan ditampilkan ke 10 pengguna, hitung P(TEPAT 2 mengklik), rata-rata, dan SD jumlah klik.
n <- 10; p <- 0.25
dbinom(3, size = n,prob = p) # p(x=2)
## [1] 0.2502823
n*p                          # mean
## [1] 2.5
sqrt(n*p*(1-p))              # sd
## [1] 1.369306
  1. (Poisson) Rata-rata server menerima 8 unggahan foto per menit. Hitung P(TEPAT 5 unggahan) secara manual, dan P(LEBIH DARI 12 unggahan) dengan RStudio.
1-ppois(12, lambda = 8) # p(x>12)
## [1] 0.0637972
  1. (Normal & Z) Waktu muat halaman berdistribusi normal dengan μ=3 detik, σ=0,5 detik. Hitung P(loading > 4 detik), dan tentukan batas waktu 5% loading TERLAMA.
mu <- 3 ; sigma <- 0.5
1- pnorm(4, mean = mu, sd = sigma) # p(loading>4)
## [1] 0.02275013
qnorm(0.95, mean = mu, sd= sigma) #batas waktu 5% loading terlama
## [1] 3.822427