LAPORAN PRAKTIKUM KE-3

KOMPUTASI STATISTIKA
Sebaran Peluang

Asisten 1: Bima Anoraga

Asisten 2: Agung Surya M.

105090500111008
105090513111004

Nama : MELINDA DWI ANGGRAENI

Nim : 125090507111021

PROGRAM STUDI STATISTIKA

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BRAWIJAYA
MALANG
2014

BAB I
SOURCE CODE
1.1.
No
1
2
3
4
5
6
7
8
9
10
11
12
13

DISTRIBUSI F
SOURCE CODE
x=seq(0,4,length=200)
hx=df(x,20,25)
plot(x,hx)
v1=c(4,6,10,18)
v2=c(7,10,12,10)
colors=c("red", "blue", "darkgreen", "gold", "black")
labels =c("v1=4,v2=7", "v1=6,v2=10",
"v1=10,v2=12","v1=18,v2=10","v1=20,v2=25")
plot(x, hx, type="l", lty=2, xlab="X",ylab="Density",
main="Distribusi F dengan beberapa derajat bebas ")
for (i in 1:4){
lines(x, df(x,v1[i],v2[i]), lwd=2, col=colors[i])}
legend("topright", inset=.05, title="Distribusi",
labels, lwd=2, lty=c(1, 1, 1, 1, 2), col=colors)

1.2.

LOGISTIK

NO
1.

> x=rlogis(150,2.5,5)

2.

>x

3.

> y=dlogis(x,2.5,5)

4.

>y

5.

> plot(x,y,type="h",col="gray")

6.

> plot(x,y,type="p",col="gray")

> x=rlogis(150,2.5,2)

8.

>x

SOURCE CODE

9.

> y=dlogis(x,2.5,5)

10.

>y

11.

> plot(x,y,type="p",col="gray")

12.

> plot(x,y,type="h",col="gray")

13.

>x=rlogis(20,2.5,2)

14.

>x

15

> y1=rlogis(20,2.5,2)

16

> y2=rlogis(20,2.5,2)

17

> y1

18

> y2

19

>plot(x,y1,type="l",lwd=3,col="blue")

20

>plot(x,type="l",lwd=3,col="red")

21

>lines(y1,type="l",lwd=3,col="blue")

22

>lines(y2,type="l",lwd=3,col="green")

23

> plogis(0.6, location = 0, scale = 1, lower.tail = TRUE, log.p =

FALSE)

24

> qlogis(0.4, location = 0, scale = 1, lower.tail = TRUE, log.p =

FALSE)

1.3.

WEIBULL

SOURCE CODE
x=rweibull(10,shape=0.5,scale=1)
y=dweibull(x,shape=0.5,scale=1)
y1=dweibull(x,shape=0.75,scale=1)
y2=dweibull(x,shape=2,scale=1)
x
plot(x,y,type="l",lwd=2,col="purple")
lines(x,y1,type="l",lwd=2,col="gold")
lines(x,y2,type="l",lwd=2,col="blue")
legend("topright",c("shape=0.5",
"shape=0.75","shape=2"),
lty=c(1,1,1),col=c("purple","gold","blue"))
pweibull(x,shape=0.5,scale=1)
qweibull(0.95,shape=0.5,scale=1)
1.4.

BETHA

SOURCE CODE
x=rbeta(100,shape1=0.5,shape2=1)
y=dbeta(x,shape1=0.5,shape2=1)
y1=dbeta(x,shape1=0.75,shape2=1)
y2=dbeta(x,shape1=1,shape2=1)
x
plot(x,y,type="l",lwd=3,col="green")
lines(x,y1,type="l",lwd=3,col="blue")
lines(x,y2,type="l",lwd=2,col="red")
legend("topright",c("shape=0.5",
"shape=0.75","shape=1"),
lty=c(1,1,1),col=c("green","blue","red"))
pbeta(0.5,shape1=0.5,shape2=1,ncp=0,lower.tail=TRUE,log.p=FALSE)
>qbeta(0.5,shape1=0.5,shape2=1,ncp=0,lower.tail=TRUE,log.p=FALSE)

1.5.

POISSON

SOURCE CODE

Penjelasan

>x9=rpois(100,120)

Untuk membangkitkan data

poisson dengan banyaknya
sukses 100
Untuk menampilkan hasil
syntax dari x9

>x9
>y9=dpois(x9,110)

Untuk menghitung tinggi

kurva poisson ketika x9sama
dengan sebuah angka
Untuk menampilkan hasil
syntax dari y9

>y9
>plot(x9,y9,type="h",lwd=4,col="purple")
>x10=rpois(100,120)
>x10
>y10=dpois(x10,110)

Untuk menampilkan plot x9

dan y9 dengan tipe h dan
warna ungu
Untuk membangkitkan data
poisson dengan banyaknya
sukses 100
Untuk menampilkan hasil
syntax dari x10
Untuk menghitung tinggi
kurva poisson ketika x10
sama dengan sebuah angka
Untuk menampilkan hasil
syntax dari y10

>y10
>plot(x10,y10,type="h",lwd=4,col="blue"
)

Untuk menampilkan plot x10

dan y10 dengan tipe h dan
warna biru

BAB II
HASIL DAN PEMBAHASAN

2.1.

SEBARAN F

Penjelasan
Untuk menggambar distribusi F membutuhkan dua derajat bebas
yaitu df1 dan df2.
Untuk membuat distribusi F dengan beberapa derajat bebas, dibuat
terlebih dahulu nilai X (membangkitkan data random dari 0 sampai 4
dengan banyak datum = 200) dan Y (Kepekatan peluang dari sebaran
F).
Membentuk probability density function bagi F
Membuat beberapa derajat bebas
Memberikan warna pada masing-masing distribusi
Memberi label (keterangan) warna-warna tersebut dengan derajat
bebasnya
Membuat plot X dan hx
Membuat plot bagi beberapa derajat bebas lainnya

Membuat legend dengan posisi kanan atas,linewidth=2,judul

distribusi,linetypes=1,1,1,1,2 masing-masing derajat bebas

2.2.

LOGISTIK

NO
1.

SOURCE CODE
> x=rlogis(150,2.5,5)

PEMBAHASAN
Mencari nilai x secara random
(membangkitkan data) yang
menggunakan distribusi logistik
dengan banyaknya data 150 dan
shape sebesar 2.5 serta lokasi
sebesar 5.

2.

>x

Memanggil data x yang sudah

didefinisikan

3.

> y=dlogis(x,2.5,5)

Mencari nilai y dengan melihat

tinggi
kurva
yang
menggunakan distribusi logistik
dengan banyaknya data dari x
dan shape sebesar 2.5 serta
lokasi sebesar 5.

4.

>y

Memanggil data y yang sudah

didefinisikan

5.

> plot(x,y,type="h",col="gray")

Melihat gambar/plot dari data x

dan y yang bertipe histogram
dengan warna abu-abu

6.

> plot(x,y,type="p",col="gray")

Melihat gambar/plot dari data x

dan y yang diplotkan dengan
warna abu-abu

> x=rlogis(150,2.5,2)

Mencari nilai x secara random

(membangkitkan data) yang
menggunakan distribusi logistik
dengan banyaknya data 150 dan
shape sebesar 2.5 serta lokasi
sebesar 2.

>x

Memanggil data x yang sudah

7.

8.

didefinisikan
9.
> y=dlogis(x,2.5,5)

10.

Mencari nilai y dengan melihat

tinggi
kurva
yang
menggunakan distribusi logistik
dengan banyaknya data dari x
dan shape sebesar 2.5 serta
lokasi sebesar 2.

>y
Memanggil data y yang sudah
didefinisikan

11.
> plot(x,y,type="p",col="gray")
12.

> plot(x,y,type="h",col="gray")
>x=rlogis(20,2.5,2)

13.

>x
14.

> y1=rlogis(20,2.5,2)

15

16

> y2=rlogis(20,2.5,
> y2=rlogis(20,2.5,2)

17

> y1

Melihat gambar/plot dari data x

dan y yang diplotkan dengan
warna abu-abu
Melihat gambar/plot dari data x
dan y yang bertipe histogram
dengan warna abu-abu
Mencari nilai x secara random
(membangkitkan data) yang
menggunakan distribusi logistik
dengan banyaknya data 20 dan
shape sebesar 2.5 serta lokasi
sebesar 2.
Memanggil data x yang sudah
didefinisikan
Mencari nilai y1 secara random
(membangkitkan data) yang
menggunakan distribusi logistik
dengan banyaknya data 20 dan
shape sebesar 2.5 serta lokasi
sebesar 2.
Mencari nilai y2 secara random
(membangkitkan data) yang
menggunakan distribusi logistik
dengan banyaknya data 20 dan
shape sebesar 2.5 serta lokasi
sebesar 2.
Memanggil data y1 yang sudah
didefinisikan

18

> y2

Memanggil data y2 yang sudah

didefinisikan

19

>plot(x,y1,type="l",lwd=3,col=
"blue")

Melihat gambar/plot dari data x

dan y1 yang bertipe garis
dengan warna biru

20

>plot(x,type="l",lwd=3,col="re
d")

Melihat gambar/plot dari data x

yang bertipe garis dengan warna
merah

21

>lines(y1,type="l",lwd=3,col="
blue")

Menggambarkan garis y1 pada

plot data x dengan warna biru

22

>lines(y2,type="l",lwd=3,col="
green")

Menggambarkan garis y2 pada

plot data x dengan warna hijau

23

> plogis(0.6, location = 0, scale

= 1, lower.tail = TRUE, log.p =
FALSE)

Untuk
memunculkan
nilai
distribusi logistic dengan data
bertipe p dengan nilai q=0.6,
location=0,
scale=1,
lower
tail=TRUE dan log p=FALSE

24

> qlogis(0.4, location = 0, scale

= 1, lower.tail = TRUE, log.p =
FALSE)

Untuk
memunculkan
nilai
distribusi logistic dengan data
bertipe q dengan nilai p=0.4,
location=0,scale=1,lower.tail=T
RUE dan log.p=FALSE

1. Distribusi logistic

0 .0 0

0 .0 1

0 .0 2

0 .0 3

0 .0 4

0 .0 5

saat n=150, shape=2.5, location=5

Menggunakan histogram (type=h, col=gray)

-30

-20

-10

10

20

30

Menggunakan plot (type=p, col=gray)

0.0 0

0.0 1

0.0 2

0.0 3

0.0 4

0.0 5

-30

-20

-10

10

20

saat n=150, shape=2.5, location=5

30

0.06
0.00

0.02

0.04

0.08

0.10

0.12

Menggunakan histogram (type=h, col=gray)

-10

-5

10

0.06
0.00

0.02

0.04

0.08

0.10

0.12

Menggunakan histogram (type=h, col=gray)

-10

-5

Saat n =20, shape=2.5, location=5

10

Mengeplot x , y1 dan y2

Saat n =20, shape=2.5, location=5

Mengeplot x dan y1

Plogis
Output = [1] 0.6456563
Qlogis
Output = [1] -0.405465
WEIBULL

2.3.

SOURCE CODE
x=rweibull(10,sha
pe=0.5,scale=1)
y=dweibull(x,sha
pe=0.5,scale=1)
y1=dweibull(x,sh
ape=0.75,scale=1)
y2=dweibull(x,sh
ape=2,scale=1)
x
plot(x,y,type="l",l
wd=2,col="purple
")
lines(x,y1,type="l
",lwd=2,col="gol
d")
lines(x,y2,type="l
",lwd=2,col="blu
e")
legend("topright",
c("shape=0.5",
"shape=0.75","sh
ape=2"),
lty=c(1,1,1),col=c
("purple","gold","
blue"))
pweibull(x,shape
=0.5,scale=1)
qweibull(0.95,sha
pe=0.5,scale=1)

PENJELASAN
Memasukkan nilai random dengan distribusi weibull
Memasukkan fungsi kepekatan peluangpada
distribusi weibull dengan menggunakan nilai x dan
parameter = 0.5 dan =1
Memasukkan fungsi kepekatan peluang pada
distribusi weibull dengan menggunakan nilai x dan
parameter = 0.75 dan =1
Memasukkan fungsi kepekatan peluang pada
distribusi weibull dengan menggunakan nilai x dan
parameter = 2 dan =1
Memunculkan nilai x
Memplotkan sumbu x terhadap y
Menggabungkan kurva x terhadap sumbu y dan y1
Menggabungkan kurva x terhadap sumbu y dan y1
dan y2

Memberi keterangan
Memasukkan peluang pada distribusi weibull dengan
menggunakan nilai x dan parameter = 0.5 dan =1
Memcari titk kritis

2.4.

BETHA
SOURCE CODE

x=rbeta(100,shape1=0.5,sh
ape2=1)
y=dbeta(x,shape1=0.5,shap
e2=1)
y1=dbeta(x,shape1=0.75,sh
ape2=1)
y2=dbeta(x,shape1=1,shape
2=1)
x
plot(x,y,type="l",lwd=3,col
="green")
lines(x,y1,type="l",lwd=3,c
ol="blue")
lines(x,y2,type="l",lwd=2,c
ol="red")
legend("topright",c("shape=
0.5",

KETERANGAN
Memasukkannilai random dengandistribusi
beta
Memasukkanfungsikepekatanpeluangpadadi
stribusi beta denganmenggunakannilai x dan
parameter = 0.5 dan =1
Memasukkanfungsikepekatanpeluangpadadi
stribusi beta denganmenggunakannilai x dan
parameter = 0.75 dan =1
Memasukkanfungsikepekatanpeluangpadadi
stribusi beta denganmenggunakannilai x dan
parameter = 1dan =1
Memunculkannilai x
Memplotkansumbu x terhadap
ydenganketebalangaris 3 danwarnagarishijau
Menggabungkankurva x terhadapsumbu y
dan y1denganketebalangaris
3danwarnagarisbiru
Menggabungkankurva x terhadapsumbu y
dan y1 dan y2denganketebalangaris
3danwarnagarismerah
Memberiketeranganpadagambar

"shape=0.75","shape=1"),
lty=c(1,1,1),col=c("green","
blue","red"))
pbeta(0.5,shape1=0.5,shape
2=1,ncp=0,lower.tail=TRU
E,log.p=FALSE)
>qbeta(0.5,shape1=0.5,shap
e2=1,ncp=0,lower.tail=TR
UE,log.p=FALSE)

Memasukkanpeluangpadadistribusi beta
denganmenggunakannilai0.5 dan parameter
= 0.5 dan =1
Mencarititikkritispadadistribusi beta
denganmenggunakannilai 0.5 dan parameter
= 0.5 dan =1

2.5.

POISSON

SOURCE CODE
>x9=rpois(100,120)
>x9
>y9=dpois(x9,110)
>y9
>plot(x9,y9,type="h",lwd=4,col="purple")
>x10=rpois(100,120)
>x10
>y10=dpois(x10,110)
>y10
>plot(x10,y10,type="h",lwd=4,col="blue"
)

Penjelasan
Untuk membangkitkan data
poisson dengan banyaknya
sukses 100
Untuk menampilkan hasil
syntax dari x9
Untuk menghitung tinggi
kurva poisson ketika x9sama
dengan sebuah angka
Untuk menampilkan hasil
syntax dari y9
Untuk menampilkan plot x9
dan y9 dengan tipe h dan
warna ungu
Untuk membangkitkan data
poisson dengan banyaknya
sukses 100
Untuk menampilkan hasil
syntax dari x10
Untuk menghitung tinggi
kurva poisson ketika x10
sama dengan sebuah angka
Untuk menampilkan hasil
syntax dari y10
Untuk menampilkan plot x10
dan y10 dengan tipe h dan
warna biru

BAB III
KESIMPULAN DAN SARAN
3.1.

Kesimpulan
Masing-masing sebaran memiliki cirri dan bentuk kurva yang
berbeda-beda yang nantinya digunakan dalam bidang terapan yang
berbeda pula. Selain itu, diketahui pula bahwa program R dapat
membantu statistikawan dalam melakukan pembangkitan data serta
ploting data.

3.2.

Saran
Sebaiknya, praktikan lebih memahami tentang distribusi peluang
sebelum melakukan praktikum ini.