Distribusi Probabilitas
Bekerjalah dengan distribusi umum (normal, binomial, Poisson) dan hasilkan sampel acak.
Distribusi Probabilitas adalah pelajaran R Academy gratis di CoddyKit. Ini adalah pelajaran 2 dari 3. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar R Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus R Academy mencakup 3 pelajaran total.
Pengantar Distribusi Probabilitas
Pengantar Distribusi Probabilitas
Distribusi probabilitas menjelaskan cara nilai-nilai tersebar dalam suatu set data. Di R, Anda dapat menggunakan fungsi bawaan untuk bekerja dengan distribusi umum.

Distribusi Normal
Distribusi Normal
Distribusi normal adalah distribusi simetris berbentuk lonceng yang umum digunakan dalam statistik.
x <- rnorm(100, mean=50, sd=10)
hist(x, main='Normal Distribution', col='blue')Distribusi Binomial
Distribusi Binomial
Distribusi binomial memodelkan jumlah keberhasilan dalam sejumlah percobaan independen yang telah ditentukan.
x <- rbinom(100, size=10, prob=0.5)
barplot(table(x), main='Binomial Distribution', col='red')Distribusi Poisson
Distribusi Poisson
Distribusi Poisson menyatakan probabilitas terjadinya sejumlah peristiwa tertentu dalam interval yang telah ditentukan.
x <- rpois(100, lambda=5)
barplot(table(x), main='Poisson Distribution', col='green')Distribusi Seragam
Distribusi Seragam
Distribusi seragam memberikan probabilitas yang sama untuk semua nilai dalam suatu rentang.
x <- runif(100, min=0, max=10)
hist(x, main='Uniform Distribution', col='purple')Distribusi Eksponensial
Distribusi Eksponensial
Distribusi eksponensial menjelaskan waktu antara peristiwa-peristiwa dalam proses Poisson.
x <- rexp(100, rate=1)
hist(x, main='Exponential Distribution', col='orange')Membandingkan Distribusi
Membandingkan Distribusi
Anda dapat menghasilkan dan membandingkan beberapa distribusi menggunakan plot.
x1 <- rnorm(100, mean=50, sd=10)
x2 <- rnorm(100, mean=60, sd=15)
hist(x1, col=rgb(1,0,0,0.5), main='Comparing Distributions')
hist(x2, col=rgb(0,0,1,0.5), add=TRUE)Menyimulasikan Distribusi Probabilitas
Menyimulasikan Distribusi Probabilitas
Anda dapat menghasilkan sampel acak dari berbagai distribusi untuk simulasi.
set.seed(123)
data <- rnorm(1000, mean=50, sd=10)
hist(data, main='Simulated Normal Distribution', col='blue')Ringkasan
Ringkasan
Dalam pelajaran ini, Anda telah mempelajari:
- Cara menghasilkan data dari berbagai distribusi probabilitas.
- Karakteristik utama distribusi normal, binomial, Poisson, seragam, dan eksponensial.
- Cara membandingkan distribusi menggunakan histogram.

Pertanyaan yang Sering Diajukan
Apakah pelajaran “Distribusi Probabilitas” gratis?
Ya — teks lengkap “Distribusi Probabilitas” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus R Academy, upgrade ke CoddyKit PRO. Kursus R Academy mencakup 3 pelajaran total.
Apa yang akan aku pelajari di “Distribusi Probabilitas”?
Bekerjalah dengan distribusi umum (normal, binomial, Poisson) dan hasilkan sampel acak. Kamu berlatih R Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai R Academy?
Tidak diperlukan pengalaman sebelumnya. R Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 2 dari 3.
Berapa lama pelajaran “Distribusi Probabilitas” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran R Academy ini?
Ya. Setiap pelajaran R Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Statistik Deskriptif
- Distribusi Probabilitas
- Pengujian Hipotesis