#pdf distribusi normal 
#pakai pdf karna di soal ditulis "tepat" untuk peluangnya 
#ciri cirinya ada sd dan rata rata 
#sigma=standardeviasi

norm <- function(x, miu, sigma) {1 / (sigma * sqrt(2*pi)) * exp(-1 / 2* ((x - miu) / sigma)^2 )}
norm(750, 800, 50)
## [1] 0.004839414
dnorm(750, mean = 800, sd = 50) #ini untuk nyadri peluang "tepat" pake dnorm
## [1] 0.004839414
#jdai prob batrai pada lama pemaiakan .. adlaah sebesar 0.004839414
#distribusi eksponensial 
#datanya pasti berupa waktu tunggu, atau suatu kejadian terjadi. 
#disini pake lambda
#lamda dihitung dari rata rata, 1/rata - rata (maka akna didaptkan nilai lamda)

#untuk P(X = 4) pdf
eks <- function(x, lambda) {lambda*exp ((-1) * lambda*x)}
eks (4, 0.1666667)
## [1] 0.08556953
#Untuk P(X <= 4) cdf 
cdfexp <- function(x, lambda = 0.1666667){
  pdf <- function(t) {
    lambda * exp(-lambda * t)
  }
  hasil <- integrate(pdf, lower = 0, upper = x)
  return(hasil$value)
}
cdfexp(4, 0.1666667)
## [1] 0.4865829
#Distribusi Uniform 
#a = nilai terkecil di interval (batas bwh), b = nilai terbesar di interval (batas atas), x = yang dicari \
#kalau x diluar interval bernilai 0, kalaudidalam pake rumus 1/b-a


uniform <- function (x, a = 2, b = 10) {1/(b-a)}
uniform(6, a = 2, b = 10)
## [1] 0.125
dunif(6, min = 2, max = 10) #karna nyari pdf jadinya pake dunif, kalau nyari cdf pakenya punif
## [1] 0.125

cara agar dpt membedakan distribusinya normal : rata rata dan sd disoal eksponen : ratarata waktu tunggu uniform : ada intervalnya