Metode bootstrap merupakan alternatif pendekatan non-parametrik yang efektif untuk mengestimasi ketidakpastian dalam analisis regresi tanpa bergantung pada asumsi distribusi klasik. Analisis ini juga membandingkan keandalan estimasi parameter regresi saat menangani missing value melalui pendekatan data lengkap, imputasi rata-rata, dan Multiple Imputation (MICE).

Penerapan algoritma Expectation-Maximization (EM) untuk mengestimasi parameter probabilitas pada kasus dua koin dengan data yang tidak diketahui asalnya. Melalui proses iteratif, diperoleh nilai parameter yang konvergen dan digunakan untuk menentukan kecenderungan koin pada setiap set percobaan.

Simulasi Monte Carlo digunakan untuk memprediksi permintaan dengan memanfaatkan bilangan acak dan proses simulasi berulang. Percobaan dilakukan dengan berbagai periode dan jumlah iterasi untuk melihat pengaruhnya terhadap kestabilan dan hasil prediksi.

Bertujuan untuk memahami proses pembangkitan dan pemodelan data time series menggunakan model ARIMA. Data dibangkitkan dengan model ARIMA(1,1,1) dengan parameter tertentu, kemudian dilakukan analisis. Model terbaik dipilih berdasarkan nilai AIC terkecil, yang menunjukkan bahwa hasil pemodelan tidak selalu sama dengan model awal pembangkitan data.

Simulasi ini bertujuan untuk menganalisis kinerja estimasi model time series pada data pergerakan saham BBCA dengan mempertimbangkan beberapa kondisi data yang sering terjadi dalam praktik, yaitu data normal, data dengan outlier, serta data dengan missing values. Model yang digunakan dalam simulasi adalah ARIMA(1,1,0) dengan parameter autoregressive (AR) sebesar -0.191 sebagai nilai sebenarnya.

Pengaruh ukuran sampel, variabilitas data, dan pengetahuan tentang standar deviasi populasi terhadap lebar interval kepercayaan

Berisi konsep dasar estimasi khususnya pada distribusi data dan pendugaan parameter model. Fokus utama adalah untuk mensimulasikan bagaimana data dari distribusi tertentu (seperti Eksponensial, Seragam atau Uniform) dapat diestimasi karakteristiknya melalui pendekatan komputasi menggunakan bahasa pemrograman R.

Simulasi variabel random baik variabel diskrit maupun variabel kontinu, serta implementasi studi kasus menggunakan data simulasi dari macam-macam distribusi tersebut.

Latihan dasar-dasar software R untuk simulasi