Implementasi algoritme Expectation-Maximization (EM) dalam praktikum ini berhasil mengestimasi parameter bias (theta) dari dua koin yang berbeda melalui data observasi lemparan yang tidak memiliki label identitas koin. Melalui proses iteratif yang menggabungkan kalkulasi probabilitas posterior pada E-step dan pembaruan parameter pada M-step, algoritme mampu mencapai titik konvergensi dengan batas toleransi perubahan sebesar 0.0001. Hasil akhir praktikum memberikan nilai optimal theta_A dan theta_B serta tabel klasifikasi yang menentukan koin mana yang paling dominan digunakan pada setiap set percobaan berdasarkan perhitungan probabilitas final.

. Praktikum ini mendemonstrasikan penerapan metode Simulasi Monte Carlo menggunakan bahasa R untuk memprediksi tingkat permintaan harian selama periode 20 hari. Melalui pemetaan angka acak terhadap probabilitas kumulatif historis, rancangan simulasi tersebut berhasil mengkalkulasi estimasi rata-rata permintaan akhir sebesar 74 unit.

Analisis ini bertujuan untuk mempelajari ketidakpastian estimasi melalui simulasi interval kepercayaan 95% menggunakan bahasa pemrograman R. Simulasi dilakukan dengan mempertimbangkan tiga faktor utama, yaitu ukuran sampel, variabilitas data (standar deviasi), serta kondisi apakah standar deviasi populasi diketahui atau tidak diketahui. Hasil analisis menunjukkan bagaimana perubahan faktor-faktor tersebut mempengaruhi lebar interval kepercayaan dan tingkat presisi estimasi parameter populasi.

Praktikum ini membahas simulasi variabel random menggunakan distribusi diskrit dan kontinu dalam konteks pendidikan. Simulasi dilakukan menggunakan distribusi Poisson, Binomial, dan Normal untuk memodelkan jumlah kejadian dan nilai ujian siswa. Hasil simulasi menunjukkan bahwa rata-rata empiris mendekati parameter teoritis, sehingga memperkuat pemahaman konsep probabilitas dan distribusi peluang.

Praktikum ini bertujuan untuk membekali mahasiswa dengan pemahaman dasar mengenai penggunaan bahasa pemrograman R dalam pengolahan dan analisis data.