Melakukan penerapan algoritma Expectation-Maximization (EM) pada kasus dua koin dengan mengubah nilai parameter awal probabilitas koin A dan koin B. Selanjutnya dilakukan proses iteratif E-Step dan M-Step hingga mencapai konvergensi, kemudian membandingkan hasil estimasi parameter akhir dengan parameter awal untuk memperoleh insight mengenai pengaruh pemilihan parameter awal terhadap hasil estimasi.

Melakukan simulasi pembangkitan data time series menggunakan model ARIMA(1,1,1), kemudian melakukan identifikasi model melalui analisis ACF, PACF, dan uji stasioneritas, serta menentukan model terbaik berdasarkan nilai AIC dan membandingkannya dengan model pembangkitan awal.

Melakukan simulasi Monte Carlo dengan variasi jumlah simulasi untuk mengestimasi nilai ekspektasi, membandingkan hasil simulasi dengan perhitungan teoritis, dan mengevaluasi pengaruh banyaknya simulasi terhadap ketepatan estimasi.

Melakukan simulasi Bootstrap dengan melakukan pengambilan sampel ulang dari data asli sebanyak sejumlah iterasi tertentu, kemudian menghitung rata-rata sampel pada setiap iterasi dan menganalisis distribusi hasil yang diperoleh.

Simulasi ini menunjukkan bahwa lebar interval kepercayaan 95% dipengaruhi oleh ukuran sampel, variabilitas data, dan pengetahuan standar deviasi populasi. Semakin besar ukuran sampel, interval semakin sempit, sedangkan semakin besar variabilitas, interval semakin lebar. Selain itu, jika standar deviasi populasi tidak diketahui, interval cenderung lebih lebar dibandingkan jika diketahui.

Praktikum ini bertujuan untuk mempelajari simulasi variabel acak menggunakan beberapa distribusi probabilitas dengan bantuan software R. Distribusi yang digunakan meliputi distribusi Uniform, Binomial, Normal, Poisson, dan Eksponensial yang mewakili distribusi diskrit dan kontinu. Melalui simulasi ini dibuat beberapa studi kasus sederhana untuk memahami bagaimana data acak dapat dimodelkan menggunakan distribusi tertentu serta melihat karakteristiknya melalui hasil simulasi dan visualisasi. Praktikum ini membantu memahami penerapan konsep distribusi probabilitas dalam pemodelan statistika.

Laporan ini menyajikan hasil eksplorasi praktis mengenai struktur data fundamental dalam bahasa pemrograman R, mulai dari manipulasi Vector dan List hingga pengelolaan Data Frame. Fokus utama dari latihan ini adalah memahami mekanisme coercion (konversi otomatis) pada vector yang berisi tipe data campuran, serta membandingkan fleksibilitas penyimpanan elemen pada objek list.