Praktikum ini membahas penerapan simulasi Monte Carlo untuk mengestimasi nilai ekspektasi permintaan berdasarkan distribusi probabilitas yang telah diketahui. Nilai ekspektasi dihitung secara teoritis menggunakan perhitungan manual, kemudian dibandingkan dengan hasil simulasi menggunakan jumlah percobaan sebanyak 1.000, 5.000, dan 20.000. Analisis dilakukan untuk melihat pengaruh jumlah simulasi terhadap kedekatan hasil simulasi dengan nilai teoritis serta kestabilan estimasi yang dihasilkan.

Praktik ini membahas penerapan metode bootstrap pada analisis regresi linear serta penanganan missing value pada data. Bootstrap digunakan untuk mengestimasi ketidakpastian parameter regresi seperti standard error dan confidence interval tanpa bergantung pada asumsi distribusi normal. Analisis dilakukan melalui bootstrap pada data lengkap, mean imputation + bootstrap, serta multiple imputation menggunakan metode MICE. Hasil perbandingan menunjukkan bahwa setiap metode memberikan estimasi yang relatif mirip, namun memiliki perbedaan pada tingkat ketidakpastian dan interval kepercayaan.

Praktik ini membahas proses pembangkitan dan pemodelan data time series menggunakan metode ARIMA. Tahapan analisis dilakukan melalui identifikasi pola data, pengujian kestasioneran, proses differencing, penentuan kandidat model, serta pemilihan model terbaik berdasarkan nilai AIC. Melalui praktik ini, dapat dipahami bahwa model terbaik hasil pemodelan tidak selalu sama dengan model awal pembangkitan, karena dipengaruhi oleh karakteristik data, ukuran sampel, dan unsur acak dalam proses simulasi.

Simulasi ini menganalisis pengaruh ukuran sampel, variabilitas data, dan pengetahuan standar deviasi populasi terhadap lebar interval kepercayaan 95 persen. Hasil menunjukkan bahwa sampel lebih besar membuat interval lebih sempit, variabilitas lebih tinggi membuat interval lebih lebar, dan penggunaan distribusi t menghasilkan interval lebih lebar terutama pada sampel kecil.

Dokumen ini menyajikan simulasi estimasi distribusi dan parameter model menggunakan R. Analisis meliputi ilustrasi Teorema Limit Pusat pada distribusi geometrik dan eksponensial, pengujian ketakbiasan penduga mean dan ragam, serta simulasi selang kepercayaan. Selain itu, dilakukan penerapan pada data nyata menggunakan dataset Prestige untuk mengestimasi interval kepercayaan rata-rata pendapatan.

Simulasi ini menampilkan penerapan distribusi Poisson, Eksponensial, dan Normal menggunakan R. Distribusi Poisson digunakan untuk memodelkan jumlah pelanggan per jam, distribusi Eksponensial untuk memodelkan waktu tunggu pelanggan, dan distribusi Normal untuk memodelkan waktu tempuh perjalanan ke kampus. Melalui simulasi ini dapat dilihat bagaimana rata-rata dan probabilitas kejadian tertentu dihitung serta divisualisasikan dalam bentuk histogram.

Pembahasan mengenai penggunaan dasar R yang mencakup pembuatan data frame dan perhitungan rata-rata nilai mahasiswa, pembentukan barisan numerik dengan pola tertentu, pembuatan vektor menggunakan seq() dan rep(), simulasi percobaan acak dengan sample(), serta pengolahan data penjualan sederhana beserta ringkasan statistiknya.