Poin 1: Klasifikasi Variabel Acak

A Jumlah komentar per unggahan (Diskrit / Integer)

jumlah_komentar <- as.integer(c(0, 1, 5, 12, 20))
is.integer(jumlah_komentar)
## [1] TRUE

Klasifikasi: Diskrit
Alasan: Nilainya diperoleh dari hasil pencacahan dan bernilai bulat tak negatif (0, 1, 2,….)

B Durasi video yang ditonton (Kontinu / Numeric)

durasi_video <- c(12.5, 45.0, 3.14, 88.75)
is.numeric(durasi_video)
## [1] TRUE

Klasifikasi: Kontinu
Alasan: Nilainya diperoleh dari hasil pengukuran dan berada pada interval bernilai real yang memuat pecahan atau desimal.

n_bin <- 10
p_bin <- 0.25

Poin 2: Distribusi Binomial

Peluang TEPAT 2 mengklik -> P(X = 2)

p_tepat_2 <- dbinom(x = 2, size = n_bin, prob = p_bin)
p_tepat_2
## [1] 0.2815676

Rata-rata (Mean)

mean_bin <- n_bin * p_bin
mean_bin
## [1] 2.5

Standar Deviasi (SD)

sd_bin <- sqrt(n_bin * p_bin * (1 - p_bin))
sd_bin
## [1] 1.369306

Poin 3: Distribusi Poisson

P(LEBIH DARI 12 unggahan) -> P(X > 12) = 1 - P(X <= 12)

lambda_pois <- 8
p_lebih_12 <- 1 - ppois(q = 12, lambda = lambda_pois)
p_lebih_12
## [1] 0.0637972

Poin 4: Distribusi Normal & Standardisasi Z

mu_norm <- 3
sigma_norm <- 0.5

P(loading > 4 detik)

p_loading_lebih_4 <- 1 - pnorm(q = 4, mean = mu_norm, sd = sigma_norm)
p_loading_lebih_4
## [1] 0.02275013

Batas waktu 5% loading TERLAMA

batas_5persen_terlama <- qnorm(p = 0.95, mean = mu_norm, sd = sigma_norm)
batas_5persen_terlama
## [1] 3.822427