UIN Maulana Malik Ibrahim Malang

Nilai Berulang

Fungsi rep() dapat digunakan untuk membuat deret dengan nilai berulang. Format fungsi tersebut adalah sebagai berikut:

rep(x, times, each)
Catatan:

x: nilai yang hendak dibuat berulang. times: jumlah pengulangan. each: argumen tambahan yang menentukan jumlah masing-masing elemen vektor akan dicetak.

# cetak angka 5 sebanyak 5 kali
rep(x=5, times=5)
## [1] 5 5 5 5 5
# cetak angka 5 dan 6 sebanyak 3 kali
rep(c(5,6), times=3)
## [1] 5 6 5 6 5 6
# cetak angka 5 dan 6 masing-masing 3 kali
rep(c(5,6), each=3)
## [1] 5 5 5 6 6 6

Deret Bilangan Acak

Deret bilangan acak biasanya banyak digunakan dalam sebuah simulasi. R menyediakan fungsi untuk memproduksi bilangan-bilangan acak tersebut berdasarkan distribusi tertentu. Berikut adalah tabel rangkuman nama distribusi, fungsi, dan argumen yang digunakan:

Distribusi Fungsi Argumen
Beta rbeta(n, shape1, shape2, ncp = 0) n = jumlah observasi; shape1,shape2 = parameter non-negatif distribusi beta; ncp = non-centrality parameter
Binomial rbinom(n, size, prob`) n= jumlah observasi; prob = probabilitas sukses; size = jumlah percobaan
Cauchy rcauchy(n, location = 0, scale = 1) n = jumlah observasi; location, scale = parameter lokasi dan skala distribusi Cauchy
Chi-Square rchisq(n, df, ncp = 0) n = jumlah observasi; df = derajat kebebasan; ncp = non-centrality parameter
Exponensial rexp(n, rate = 1) n = jumlah observasi; rate = vektor parameter rate
F rf(n, df1, df2, ncp) n = jumlah observasi; df1, df2 = derajat kebebasan; ncp = non-centrality parameter
Gamma rgamma(n, shape, rate = 1, scale = 1/rate) n = jumlah observasi; shape, scale = parameter shape dan scale; rate = alternatif lain argumen rate
Geometri rgeom(n, prob) n = jumlah observasi; prob = probabilitas sukses
Hipergeometri rhyper(nn, m, n, k) nn = jumlah observasi; m = jumlah bola putih dalam wadah; n = jumlah bola hitam dalam wadah; k = jumlah pengambilan
Log-normal `rlnorm(n, meanlog = 0, sdlog = 1) n = jumlah observasi; meanlog, sdlog = nilai mean dan simpangan baku dalam skala logaritmik
Negatif Binomial rnbinom(n, size, prob, mu) n = jumlah observasi; size = target jumlah percobaan sukses pertama kali; prob = probabilitas sukses; mu = parameterisasi alternatif melalui mean
Normal rnorm(n, mean = 0, sd = 1) n = jumlah observasi; mead, sd = nilai mean dan simpangan baku
Poisson rpois(n, lambda) n = jumlah observasi; lambda = vektor nilai mean
Student t rt(n, df, ncp) n = jumlah observasi; df = derajat kebebasan; ncp = non-centrality parameter
Uniform runif(n, min = 0, max = 1) n = jumlah observasi; min, max = nilai maksimum dan minimum distribusi
Weibull rweibull(n, shape, scale = 1) n = jumlah observasi; shape, scale = parameter shape dan scale

Berikut adalah contoh pembuatan vektor menggunakan bilangan acak berdistribusi normal:

x <- 1:6
error <- rnorm(n=1, mean=0, sd=1)

# cetak x + error dengan 3 nilai signifikan
round((x+error), 3)
## [1] 0.317 1.317 2.317 3.317 4.317 5.317