DISTRIBUSI PROBABILITAS
|
|
- Widya Iskandar
- 5 tahun lalu
- Tontonan:
Transkripsi
1 DISTRIBUSI PROBABILITAS 1
2 Variabel Random(Acak) : adalah suatu fungsi yang menghubungkan sebuah bilangan riil dengan setiap unsur didalam ruang sampel S ( himpunan semua hasil percobaan). Untuk menyatakan variabel random digunakan sebuah huruf besar, misalkan X. Sedangkan huruf kecilnya, misalkan, menunjukkan salah satu dari nilainya.
3 Contoh : S = {BBB, BBC, BCB, CBB, BCC, CBC, CCB, CCC} dengan B menunjukkan tanpa cacat (baik) dan C menunjukkan cacat. Variabel random X yang menyatakan jumlah barang yang cacat pada saat tiga komponen elektronik diuji, maka ditulis X = 0, 1,, 3. 3
4 VARIABEL ACAK Variabel Random Variabel acak diskret Variabel acak kontinu 4
5 Distribusi Probabilitas : Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) 5
6 Himpunan pasangan tersusun (, f()) adalah sebuah fungsi probabilitas, fungsi padat probabilitas, atau distribusi probabilitas dari suatu variabel random diskrit X bila untuk setiap keluaran yang mungkin, berlaku : - P(X = ) = f() - f ( ) 0 - n 1 f ( ) 1 6
7 Distribusi Binomial Sifat-sifat sebagai berikut : Percobaan itu terdiri dari n pengulangan Tiap pengulangan memberikan hasil yang dapat diidentifikasi sukses atau gagal Probabilitas sukses dinyatakan dengan p, tetap konstan (tidak berubah) dari satu pengulangan ke pengulangan lainnya, sedangkan probabilitas gagal adalah q = 1- p Tiap pengulangan dan pengulangan lainnya saling bebas.
8 Distribusi Binomial Distribusi Binomial dinyatakan sebagai : b(,n,p) b ( ; n, p ) n p q n dimana = 1,,, n
9 Contoh Sebuah proses Bernoulli untuk QC dilakukan dengan memilih 3 komponen secara simultan dari sebuah proses produksi. Setiap komponen yg diambil dinyatakan sukses jika ternyata rusak, dan gagal jika ternyata komponen tsb baik (sebenarnya boleh juga definisinya dibalik!). Variabel random X didefinisikan sebagai banyaknya sukses dalam pengambilan 3 komponen tsb.
10 Ruang sampel bagi X adalah (S: sukses, G:gagal): Outcome SSS SSG SGS SGG GSS GSG GGS GGG X Misalkan diketahui dari masa lalu, sebanyak 5% produksi komponen tersebut rusak ( S ). Jadi probabilitas 1 kali pengambilan menghasilkan rusak = probabilitas sukses = p= ¼, berarti probabilitas gagal = 1- ¼ = ¾. Sebagai contoh probabilitas outcome= SSG p(ssg)=p(s)p(s)p(g)= ¼* ¼ * ¾ = 3/64, jadi untuk X=, ada 3 outcome yg terkait : SSG, SGS, GSS, maka jika f(x=) menyatakan probabilitas X=, f (X=) = 3*3/64 = 9/64.
11 Contoh (lanjutan). Dengan cara yg sama bisa diturunkan probabilitas untuk X=0,1 dan 3, dan hasilnya adalah fungsi distribusi probabilitas f() sbb: X f(x) 7/64 7/64 9/64 1/64 Variabel random X ini disebut variabel random binomial, sedangkan fungsi distribusinya f() disebut fungsi distribusi binomial, dan dituliskan sbb: f() = b(;n,p) Untuk menegaskan bahwa probabilitas ditentukan oleh banyak eksperimennya (n, dalam contoh di atas n=3), dan bergantung pada probabilitas sukses di tiap eksperimen (p). Jadi f(=) =b(;3,0.5) = 9/64
12 Kasus distribusi binomial umum: - dilakukan eksperimen sebanyak n kali pengambilan - dari n tsb, sebanyak dikategorikan sukses, jadi sebanyak n- adalah gagal - probabilitas sukses di tiap percobaan = p, berarti probabilitas gagal, q=1-p. Maka probabilitas terjadinya outcome dengan konfigurasi sukses dan (n) gagal tertentu, adalah: P(SSS GGG) = ppp.qqq = p q n- Sebab S ada buah dan G sebanyak (n-) buah. Tentu ada banyak konfigurasi lain yg juga memiliki buah S dan (n-) buah G. Sehingga probabilitas mendapatkan hasil eksperimen yg memiliki buah S dan (n-) buah G adalah: C n p q n- = b(;n,p)
13 Contoh. Jawab. Misal kita definisikan sukses = tidak rusak, probabilitas sukses, p=3/4. Jadi probabilitas gagal, q= 1-3/4 = ¼. Total percobaan ada n=4, jumlah yg tidak rusak, sukses, =. Jadi probabilitas dari 4 komponen yg dijatuhkan tidak rusak diberikan oleh: )!!( 4 4! ) 4 1 ( ) 4 3 ( 4 ) 4 3 4, ; ( 4 n q p n p n b Sifat dari b(;n,p) sebagai fungsi distribusi probabilitas adalah: Karena seringkali kita memerlukan probabilitas untuk X dalam sebuah interval, misal P(X<r) atau P(a<X b) maka, dibuat tabel fungsi distribusi binomial kumulatif sbb: n p n b 0 1 ), ; ( r p n b p n r B 0 ), ; ( ), ; (
14 Contoh. Probabilitas seorang pasien yg sakit suatu penyakit flu sembuh adalah 40%. Jikalau 15 orang diketahui telah tertular penyakit ini, berapakah probabilitasnya bahwa (a) paling tidak 10 orang sembuh, (b) antara 3 hingga 8 orang sembuh (c)tepat 5 orang sembuh? Jawab. Ini adalah proses Bernoulli. Probabilitas sukses, yaitu sembuh adalah p =0.4. Variabel random X menyatakan banyak orang yang sukses = sembuh, sedangkan total percobaannya adalah n=15. a) P (paling tidak 10 sembuh) = P(X 10) =1- P(X<10)= =1- B(r=9;n=15,p=0.4) = = b) P (antara 3 sd 8 sembuh) = P(3 X 8) =P(X 8) - P(X<3) = =B(r=8;n=15,p=0.4) - B(r=;n=15,p=0.4) = = c) P (5 sembuh) = P(X=5) =P(X 5) - P(X<5) = =B(r=5;n=15,p=0.4) - B(r=4;n=15,p=0.4) = =0.1859
15 Contoh. Probabilitas seorang pasien yg sakit suatu penyakit flu sembuh adalah 40%. Jikalau 15 orang diketahui telah tertular penyakit ini, (a) Berapakah rata-rata jumlah orang yg sembuh? (b) Menurut teorem Chebysev paling tidak sebanyak 75% kasus akan jatuh dalam interval μ - σ < X < μ + σ. Terapkan dalam kasus ini dan beri interpretasi. Jawab. a) Dalam kasus ini probabilitas sembuh, p=0.4, banyak percobaan, n=15, sehingga rata-rata jumlah orang yang sembuh b) Variansinya : μ = np = 15*0.4 = 6 orang σ = npq = np(1-p) = 15*(0.4)(1-0.4) = 3.6 dengan STD σ = 1.897, μ - σ = 6 -(1,897) =.06 dan μ + σ = 6 +(1,897)= Artinya (menurut Chebysev) terdapat probabilitas paling tidak 75% pasien yg sembuh jumlahnya antara.06 s/d atau dibulatkan antara 3 s.d 9.
16 Contoh. Diperkirakan 30% sumur di sebuah desa tercemar.untuk memeriksa kebenaran hal tsb dilakukan pemeriksaan dengan secara acak mengambil 10 sumur. (a) (b) Jika perkiraan tsb benar, berapakah probabilitasnya tepat 3 sumur tercemar? Pertanyaan yg sama tapi lebih dari 3 sumur yg tercemar?
17 Jawab. Probabilitas 1 sumur tercemar p=0.3 ( sukses ), jadi probabilitas tidak tercemar ( gagal ) q=1-p = 1-0.3=0.7. Total pengambilan n=10 buah. a) Tepat 3 sumur tercemar, =3. P(=3;n=10,p=0.3)= B(r=3;n=10,p=0.3)-B(r=;n=10,p=0.3) = = (7%). b) Lebih dari 3 sumur tercemar >3, P(>3;n=10,p=0.3)= 1- P( 3;n=10,p=0.3)= = 1 B(r=3;n=10,p=0.3) = = = 35%
18 Soal. Soal yg sama. Misalkan ternyata dari 10 sampel yg diambil secara acak sebanyak 6 mengandung pencemaran. Pergunakanlah perhitungan probabilitas, untuk memberik komentar ttg kemungkinan hal spt terjadi, jikalau perkiraan semula benar.
19 Distribusi Normal (Distribusi Probabilitas Kontinu)
20 Kurva Normal dan Variabel Random Normal Distribusi probabilitas kontinu yang terpenting adalah distribusi normal dan grafiknya disebut kurva normal. Variabel random X yang distribusinya berbentuk seperti lonceng disebut variabel random normal.
21 Sifat kurva normal, yaitu : Kurva setangkup terhadap garis tegak yang melalui Kurva mempunyai titik belok pada Sumbu merupakan asimtot dari kurva normal Seluruh luas di bawah kurva, di atas sumbu adalah 1 (satu)
22 Distribusi Normal Variabel random X berdistribusi normal, dengan mean dan variansi mempunyai fungsi densitas n ( ;, ) 1 e ( ) ( )
23 LUAS DIBAWAH KURVA NORMAL Probabilitas distribusi kontinue adalah merupakan luas area di bawah garis kurva. Probabilitas suatu variabel dengan nilai antara a dan b adalah luas kurva yang dibatasi oleh garis a dan b. Luas yang tercakup dalam batas-batas tersebut pada tabel distribusi normal. Bila suatu distribusi adalah normal, maka jarak antara rerata dengan simpangan Luas area bakunya adalah sama. antara a-b a b
24 luas daerah di bawah kurva dinyatakan dengan : ) X ( P 1 X1 1 1 ) ( ) ( 1 d e 1 )d, n ( ; ) X P ( 1 d e 1 ) X P ( ) ( ) ( X
25 Distribusi Normal Standar (1) apabila variabel X ditransformasikan dengan substitusi Z maka : z z z 1 1 P ( z 1 Z z ) e dz e dz n ( z ;0,1) dz z 1 1 z z 1 1 z z 1 ternyata substitusi Z menyebabkan distribusi normal n ( z;, ) menjadi n ( z;0,1), yang disebut distribusi normal standar.
26 Distribusi Normal Standar (): Karena transformasi ini, maka selanjutnya nilai P ( 1 X ini dapat dihitung dengan menggunakan tabel distribusi normal standar. )
27 Contoh: Hitung Luas Pergunakanlah tabel distribusi normal standard untuk menghitung luas daerah : a) Di sebelah kanan z=1.84 b) Antara z=-1.97 s/d z=0.86 Jawab. Ingat bahwa luas yg diberikan dalam tabel distribusi normal kumulatif adalah luas dari z=- s/d z 0 tertentu: P(z<z 0 ). a) P(z>1.84) = 1 P(z 1.84) = = b) P(-1.97 <z<0.86) = P(z<0.86) P(z<-1.97) = =
28 Contoh: Cari z Carilah nilai z=k di distribusi normal standard sehingga a) P(Z>k) = b) P(k<z<-0.18) = Jawab: a) P(Z>k) = berarti P(Z<k) = 1- P(z>k) = = Dari tabel terbaca luas ke kiri = adalah untuk z=0.5. b) P(k<z<-0.18) = P(z<-0.18) P(z<k) = = P(z<k) = Jadi P(z<k) = = Dari tabel z = -.37
29 Contoh: Luas di bawah kurva normal non standard Contoh. Variaber X terdistribusi normal dengan mean 50 dan standard deviasi =10. Carilah probabilitas untuk menemukan X bernilai antara 45 dan 6? Jawab. Dalam soal ini μ = 50 dan σ=10. 1 = 45 dan =6 Pertama kita mapping ke z (melakukan normalisasi atau standardisasi): z 1 = ( 1 -μ)/σ z 1 = (45-50)/10 = -0.5 z = ( -μ)/σ z = (6-50)/10 = 1. Sehingga P(45 << 6) = P(-0.5<z<1.) P(-0.5<z<1.) = P(z<1.) P(z<-0.5) = =0.5764
30 Memakai Distribusi Normal Dalam Arah Kebalikan Diketahui luas dibawah distribusi normal yg diinginkan yang terkait dengan besar probabilitas, ingin dicari nilai variabel random X yg terkait. Contoh. Misalkan distribusi normal memiliki μ=40 σ=6, carilah nilai 0 sehingga: a) P(< 0 ) = 45% b) P(> 0 )=14% Jawab. a) Kita mulai dengan mencari nilai Z yg sama luasnya. P(z<z 0 ) = 45% = 0.45 dari tabel z 0 = z 0 = ( 0 -μ)/σ 0 = μ + σz 0 = 40 +6*(-0.13) = 39.
31 Memakai Distribusi Normal Dalam Arah Kebalikan Jawab. b) Kita mulai dengan mencari nilai Z yg sama luasnya. P(z>z 0 ) = 14% P(z<z 0 ) = 1- P(z>z 0 ) = = 0.86 P(z<z 0 ) = 0.86 dari tabel z 0 = 1.08 z 0 = ( 0 -μ)/σ 0 = μ + σz 0 = 40 +6*(1.08) = 46.48
32 Distribusi Probabilitas Normal Bab 9 PENERAPAN KURVA NORMAL Contoh Soal: PT GS mengklaim berat buah mangga B adalah 350 gram dengan standar deviasi 50 gram. Bila berat mangga mengikuti distribusi normal, berapa probabilitas bahwa berat buah mangga mencapai kurang dari 50 gram, sehingga akan diprotes oleh konsumen. 3
33 Distribusi Probabilitas Normal Bab 9 PENERAPAN KURVA NORMAL Jawab: Transformasi ke nilai z AP(< 50); P(=50) = (50-350)/50=-,00 Jadi P(<50)=P(z<-,00) Lihat pada tabel luas di bawah kurva normal P(z<-,00)=0,477 Luas sebelah kiri nilai tengah adalah 0,5. Oleh sebab itu, nilai daerah yang diarsir menjadi 0,5 0,477=0,08. Jadi probabilitas di bawah 50 gram adalah 0,08 (,8%). Dengan kata lain probabilitas konsumen protes karena berat buah mangga kurang dari 50 gram adalah,8%. 33
34 Distribusi Probabilitas Normal Bab 9 PENERAPAN KURVA NORMAL Contoh Soal: PT Work Electric, memproduksi Bohlam Lampu yang dapat hidup 900 jam dengan standar deviasi 50 jam. PT Work Electric ingin mengetahui berapa persen produksi pada kisaran antara jam, sebagai bahan promosi bohlam lampu. Hitung berapa probabilitasnya! 34
35 Distribusi Probabilitas Normal Bab 9 PENERAPAN KURVA NORMAL Jawab: P(800<X<1.000)? Hitung nilai Z Z 1 = ( )/50 = -,00; Z = ( )/50 =,00 Jadi: P(800<X<1.000) =P(-,00<Z<,00); P(-,00<Z) = 0,477 dan P(Z>,00) = 0,477 Sehingga luas daerah yang diarsir adalah = 0,477+0,477= 0,9544. Jadi P(800<X<1.000) = P(-,00 < Z<,00) = 0,9544. Jadi 95,44% produksi berada pada kisaran jam. Jadi jika PT Work Electric mengklaim bahwa lampu bohlamnya menyala jam, mempunyai probabilitas benar 95,44%, sedang sisanya 4,56% harus dipersiapkan untuk garansi. 35
36 Hubungan antara Distribusi Binomial dan Distribusi Normal Jika N cukup besar dan jika tak satu pun dari p atau q sangat dekat dengan nol maka distribusi binomial dapat didekati atau diaproksimasi oleh sebuah distribusi normal dengan variabel terstandarisasi yang dirumiskan sebagai: z Np Npq Pendekatan ini akan semakin baik seiring dengan semakin bertambah besarnya N. Dalam praktiknya, pendekatannya akan sangat bagus jika Np dan Nq kedua-duanya lebih besar daripada 5.
37 Contoh Penerapan Distribusi Normal Sebuah perusahaan bolam lampu mengetahui bahwa umur lampunya (sebelum putus) terdistribusi secara normal dengan rata-rata umurnya 800 jam dan standard deviasinya 40 jam. Carilah probabilitas bahwa sebuah bolam produksinya akan: Berumur antara 778 jam dan 834 jam Berumur kurang dari 750 jam atau lebih dari 900 jam Jawab. μ= 800 σ=40. P(778<<834) 1 =778 z 1 = ( 1 -μ)/σ = ( )/40 = =834 z = ( -μ)/σ = ( )/40 = 0.85 P(778<<834) = P(-0.55<z<0.85) = P(z<0.85)-P(z<-0.55) = =
38 Contoh Penerapan Distribusi Normal b) Berumur kurang dari 750 jam atau lebih dari 900 jam μ= 800 σ=40. P(< 750 atau >900) 1 =750 z 1 = ( 1 -μ)/σ = ( )/40 = -1.5 =900 z = ( -μ)/σ = ( )/40 =.5 P(< 750 atau >900) = P(z<-1.5) + P(z>.5) = P(z<-1.5) + 1- P(z<.5) = 1 + P(z<-1.5) - P(z<.5) = =
39 Soal: 1) Dalam suatu ujian akhir Matematika, mean nilai adalah 7 sementara deviasi standarnya adalah 15. tentukan angka-angka standar (yaitu nilai-nilai dalam satuan deviasi standar) dari siswa-siswa yang memperoleh nilai (a) 60 (b) 93 (c) 7 ) Sebuah koin yang seimbang dilemparkan sebanyak 500 kali. Carilah probabilitas bahwa selisih banyaknya kemunculan tanda gambar dengan 50 kali adalah (a) tidak lebih dari 10 (b) tidak lebih dari 30
40 Soal 3) Diameter ball-bearing yg diproduksi sebuah pabrik memiliki mean 3cm dengan standard deviasi cm. Pembeli hanya mau menerima jikalau ball bearingnya memiliki diameter 3.0±0.01cm. a) berapakah persenkah dari produksi pabrik tersebut yg tidak bisa diterima pembeli? b) jikalau dalam sebulan pabrik tsb memproduksi ball-bearing, berapa banyak yg harus dibuang tiap bulan karena ditolak pembeli? 4) Sebuah pengukur diameter bola besi dipasang secara otomatis dalam sebuah pabrik. Pengukur tsb hanya akan meloloskan diameter bola 1.50±d cm. Diketahui bahwa bola produksi pabrik tersebut memiliki diameter yg terdistribusi normal dengan rata-rata 1.50 dan standard deviasi 0. cm. Jikalau diinginkan bahwa 95% produksinya lolos seleksi berapakah nilai d harus ditetapkan?
41 Soal 5) Rata-rata nilai kuliah statistik diketahui 65 dengan standard deviasi 15. a) Jikalau diinginkan 15% murid mendapat nilai A dan diketahui distribusi nilai normal, berapakah batas bawah nilai agar mendapat A? (b) Selanjutanya diinginkan yg mendapat B adalah sebanyak 5%. Berapakah batas bawah B? (c) Seandainya diinginkan yg tidak lulus paling banyak 5%, berapakah batas bawah agar siswa lulus?
DISTRIBUSI NORMAL. Pertemuan 3. 1 Pertemuan 3_Statistik Inferensial
DISTRIBUSI NORMAL Pertemuan 3 1 Pertemuan 3_Statistik Inferensial Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal
Lebih terperinciDistribusi Probabilitas Diskrit. Dadan Dasari
Distribusi Probabilitas Diskrit Dadan Dasari Daftar Isi DIstribusi Uniform Distribusi Binomial DIstribusi Multinomial Distribusi Hipergeometrik Distribusi Poisson Distribusi Probabilitas Uniform Diskrit
Lebih terperinciOUT LINE. Distribusi Probabilitas Normal. Pengertian Distribusi Probabilitas Normal. Distribusi Probabilitas Normal Standar
3 OUT LINE Pengertian Distribusi Probabilitas Normal Distribusi Probabilitas Normal Distribusi Probabilitas Normal Standar Penerapan Distribusi Probabilitas Normal Standar Pendekatan Normal Terhadap Binomial
Lebih terperinciDISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1
DISTRIBUSI NORMAL Pertemuan 3 1 Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal yang menjadi dasar dalam banyak teori
Lebih terperinciJenis Distribusi. 1. Distribusi Probabilitas 2. Distribusi Binomial (Bernaulli) 3. Distribusi Multinomial 4. Distribusi Normal (Gauss)
Ir Tito Adi Dewanto Jenis Distribusi 1. Distribusi Probabilitas 2. Distribusi Binomial (Bernaulli) 3. Distribusi Multinomial 4. Distribusi Normal (Gauss) Pengantar Kunci aplikasi probabilitas dalam statistik
Lebih terperinciKumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X
Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik
Lebih terperinciDistribusi Normal. Statistika (MAM 4137) Syarifah Hikmah JS
Distribusi Normal Statistika (MAM 4137) Syarifah Hikmah JS Outline Kurva normal Luas daerah di bawah kurva normal Penerapan sebaran normal DISTRIBUSI NORMAL model distribusi kontinyu yang paling penting
Lebih terperinciProbabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata
Probabilitas dan Statistika Distribusi Peluang Kontinyu 1 Adam Hendra Brata Variabel Acak Kontinyu - Variabel Acak Kontinyu Suatu variabel yang memiliki nilai pecahan didalam range tertentu Distribusi
Lebih terperinciKARAKTERISTIK DISTRIBUSI KURVA NORMAL
DISTRIBUSI PROBABILITAS NORMAL 1 KARAKTERISTIK DISTRIBUSI KURVA NORMAL 1. Kurva berbentuk genta ( = Md= Mo) 2. Kurva berbentuk simetris 3. Kurva mencapai puncak pada saat X= 4. Luas daerah di bawah kurva
Lebih terperinciPembahsan Tugas 9 Probabilitas dan Statistika Distribusi Peluang Diskrit dan Distribusi Peluang Kontinyu
Pembahsan Tugas 9 Probabilitas dan Statistika Distribusi Peluang Diskrit dan Distribusi Peluang Kontinyu Distribusi Peluang Diskrit 1. Hitunglah P( < 10) dengan distribusi binomial untuk n = 15, p = 0,4!
Lebih terperinciDistribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif
Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi
Lebih terperinciDISTRIBUSI PROBABILITAS NORMAL
DISTRIBUSI PROBABILITAS NORMAL 1 KARAKTERISTIK DISTRIBUSI KURVA NORMAL 1. Kurva berbentuk genta ( = Md= Mo) 2. Kurva berbentuk simetris 3. Kurva normal berbentuk asimptotis 4. Kurva mencapai puncak pada
Lebih terperinciDISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30
DISTRIBUSI TEORITIS Distribusi teoritis merupakan alat bagi kita untuk menentukan apa yang dapat kita harapkan, apabila asumsi-asumsi yang kita buat benar. Distribusi teoritis memungkinkan para pembuat
Lebih terperinciDISTRIBUSI NORMAL. Fitri Yulianti
DISTRIBUSI NORMAL Fitri Yulianti KARAKTERISTIK DISTRIBUSI KURVA NORMAL 1. Kurva berbentuk genta ( = Md= Mo) 2. Kurva berbentuk simetris 3. Kurva normal berbentuk asimptotis 4. Kurva mencapai puncak padaa
Lebih terperinciDistribusi Probabilitas Diskrit: Binomial & Multinomial
Distribusi Probabilitas Diskrit: Binomial & Multinomial 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi Binomial Distribusi
Lebih terperinciBAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 4. BEBERAPA DISTRIBUSI PELUANG DISKRET
Pertemuan 7. BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 4. BEBERAPA DISTRIBUSI PELUANG DISKRET 4. Pendahuluan 4.2 Distribusi seragam diskret 4.3 Distribusi binomial dan multinomial
Lebih terperinciDISTRIBUSI PROBABILITAS NORMAL
DISTRIBUSI PROBABILITAS NORMAL 1 OUTLINE BAGIAN II Probabilitas dan Teori Keputusan Konsep-konsep Dasar Probabilitas Distribusi Probabilitas Diskret Distribusi Normal Teori Keputusan Pengertian dan Karakteristik
Lebih terperinciBab 2 DISTRIBUSI PELUANG
Bab 2 DISTRIBUSI PELUANG PENDAHULUAN Setiap peristiwa akan mempunyai peluangnya masingmasing, dan peluang terjadinya peristiwa itu akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di sebut
Lebih terperinciBAB II DISTRIBUSI PROBABILITAS
BAB II DISTRIBUSI PROBABILITAS.1. VARIABEL RANDOM Definisi 1: Variabel random adalah suatu fungsi yang memetakan ruang sampel (S) ke himpunan bilangan Real (R), dan ditulis X : S R Contoh (Variabel random)
Lebih terperinciSTATISTICS. Oleh: Hanung N. Prasetyo DISTRIBUSI NORMAL WEEK 6 TELKOM POLTECH/HANUNG NP
STATISTICS WEEK 6 Oleh: Hanung N. Prasetyo DISTRIBUSI NORMAL Pengantar: Dalam pokok bahasan disini memuat beberapa distribusi kontinyu yang sangat penting di bidang statistika. diantaranya distribusi normal.
Lebih terperinciDISTRIBUSI TEORITIS. Variabel Acak Distribusi Teoritis Binomial Normal
DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat
Lebih terperinciPertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu
Pertemuan ke 5 4.1 Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu Fungsi Probabilitas dengan variabel kontinu terdiri dari : 1. Distribusi Normal 2. Distribusi T 3. Distribusi Chi Kuadrat
Lebih terperinciStatistika Farmasi
Bab 3: Distribusi Data Statistika FMIPA Universitas Islam Indonesia Distribusi Data Teori dalam statistika berkaitan dengan peluang Konsep dasar peluang tersebut berkaitan dengan peluang distribusi, yaitu
Lebih terperinciDISTRIBUSI TEORITIS DISTRIBUSI TEORITIS
DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal 1 Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat
Lebih terperinciKONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.
KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT. EKSPERIMEN suatu percobaan yang dapat diulang-ulang dengan kondisi yang sama CONTOH : Eksperimen : melempar dadu 1 kali Hasilnya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Distribusi Normal Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang
Lebih terperinciDISTRIBUSI PROBABILITAS
BAB 7 DISTRIBUSI PROBABILITAS Kompetensi Menjelaskan distribusi probabilitas Indikator 1. Menjelaskan distribusi hipergeometris 2. Menjelaskan distribusi binomial 3. Menjelaskan distribusi multinomial
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal)
Lebih terperinciDistribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah
Distribusi Diskrit dan Kontinu yang Penting Oleh Azimmatul Ihwah Distribusi Diskrit Fungsi probabilitas dari variabel random diskrit dapat dinyatakan dalam formula matematik tertentu yang dinamakan fungsi
Lebih terperinciMakalah Statistika Distribusi Normal
Makalah Statistika Distribusi Normal Disusun Oleh: Dwi Kartika Sari 23214297 2EB16 Fakultas Ekonomi Jurusan Akuntansi Universitas Gunadarma 2015 Kata Pengantar Puji syukur kehadirat Tuhan Yang Maha Esa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Probabilitas (Peluang) Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya
Lebih terperinci15Ilmu. Uji t-student dan Uji Z (Distribusi Normal)
Modul ke: Fakultas 15Ilmu Komunikasi Uji t-student dan Uji Z (Distribusi Normal) Untuk sebaran distribusi sampel kecil, dikembangkan suatu distribusi khusus yang disebut distribusi t atau t-student Dra.
Lebih terperinciHaryoso Wicaksono, S.Si., M.M., M.Kom. 26
Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2. Probabilitas Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya tidak pasti (uncertain
Lebih terperinciSTATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI
STATISTIKA Muhamad Nursalman Pendilkom/Ilkom UPI 1 Daftar Isi Bab 1 Peluang Bab Peubah Acak Bab 3 Distribusi Peluang Diskret Bab 4 Distribusi Peluang Kontinu Bab 5 Fungsi Peubah Acak Bab 6 Teori Penaksiran
Lebih terperinciPENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 5. Beberapa jenis Distribusi Variabel Acak Prima Kristalina April 215 1 Outline 1. Beberapa macam
Lebih terperinciDISTRIBUSI PROBABILITAS VARIABEL RANDOM
Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan DISTRIBUSI PROBABILITAS VARIABEL RANDOM Statistika dan Probabilitas 2 Distribusi probabilitas variabel random diskrit Distribusi
Lebih terperinciBeberapa Distribusi Peluang. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB
Beberapa Distribusi Peluang Kontinu Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Distribusi Seragam Kontinu Distribusi Seragam kontinu
Lebih terperinciDISTRIBUSI PELUANG.
DISTRIBUSI PELUANG readonee@yahoo.com Distribusi? Peluang? Distribusi Peluang? Distribusi = sebaran, pencaran, susunan data Peluang : Ukuran/derajat ketidakpastian suatu peristiwa Distribusi Peluang adalah
Lebih terperinciDistribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai
Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai analisis statistika. Distribusi normal baku adalah distribusi
Lebih terperinciBAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu
BAB II TINJAUAN TEORITIS 2.1 Pendahulauan Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu rekayasa suatu model logika ilmiah untuk melihat kebenaran/kenyataan model tersebut.
Lebih terperinciPengujian Hipotesis. 1. Pendahuluan. Topik Bahasan:
Topik Bahasan: Pengujian Hipotesis. Pendahuluan Hipotesis pernyataan yang merupakan pendugaan berkaitan dengan nilai suatu parameter populasi (satu atau lebih populasi) Kebenaran suatu hipotesis diuji
Lebih terperinciDISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2. Distribusi Hipergeometrik
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2 TI2131 TEORI PROBABILITAS MINGGU KE-10 Distribusi Hipergeometrik Eksperimen hipergeometrik memiliki karakteristik sebagai berikut: 1. sebuah sampel random berukuran
Lebih terperinciBIOSTATISTIK HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA ( ) NURTASMIA ( ) SOBRI ( )
BIOSTATISTIK UJI HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA (20611003) NURTASMIA (20611022) SOBRI (20611027) : Tahapan-tahapan dalam uji hipotesis 1.Membuat hipotesis nol (H o ) dan hipotesis alternatif (H
Lebih terperinciDISTRIBUSI BINOMIAL STKIP SILIWANGI BANDUNG LUVY S ZANTHY KAPSEL SMA
DISTRIBUSI BINOMIAL STKIP SILIWANGI BANDUNG LUVY S ZANTHY KAPSEL SMA 1 LUVY S. ZANTHY KAPSEL SMA 2 LUVY S. ZANTHY KAPSEL SMA 3 Distribusi Binomial O Dalam suatu percobaan statistik sering dijumpai pengulangan
Lebih terperinciTHEORY. By: Hanung N. Prasetyo PEUBAH ACAK TELKOM POLYTECHNIC/HANUNGNP
THEORY By: Hanung N. Prasetyo PEUBAH ACAK Variabel acak adalah suatu variabel yang nilainya bisa berapa saja Variabel acak merupakan deskripsi numerik dari outcome beberapa percobaan / eksperimen VARIABEL
Lebih terperinciDISTRIBUSI PROBABILITAS (PELUANG)
DISTRIBUSI PROBABILITAS (PELUANG) Distribusi Probabilitas (Peluang) Distribusi? Probabilitas? Distribusi Probabilitas? JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Distribusi = sebaran,
Lebih terperinciDISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016
DISTRIBUSI PROBABILITAS KONTINYU Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PELUANG KONTINYU Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat
Lebih terperinciMODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU
DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan
Lebih terperinci5. Fungsi dari Peubah Acak
5. Fungsi dari Peubah Acak EL2002-Probabilitas dan Statistik Dosen: Andriyan B. Suksmono Sebaran cuplikan (n-1)s 2 / σ 2 TEOREMA 5.16 Jika S 2 adalah variansi dari cuplikan acak berukuran n yang diambil
Lebih terperinciPEUBAH ACAK. Materi 4 - STK211 Metode Statistika. October 2, Okt, Department of Statistics, IPB. Dr. Agus Mohamad Soleh
PEUBAH ACAK Materi 4 - STK211 Metode Statistika October 2, 2017 Okt, 2017 1 Pendahuluan Pernahkah bertanya, mengapa dalam soal ujian penerimaan mahasiswa baru, jika jawaban benar diberi nilai 4, salah
Lebih terperinciBeberapa Distribusi Peluang Diskrit
Beberapa Distribusi Peluang Diskrit Departemen Teknik Informatika Institut Teknologi Bandung Page 1 Isi : Distribusi Seragam Distribusi Binomial Distribusi Multinomial Page 2 Distribusi
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan V Peubah Acak dan Sebaran Peubah Acak Septian Rahardiantoro - STK IPB 1 Pertemuan minggu lalu kita sudah belajar mengenai cara untuk membuat daftar kemungkinan-kemungkinan
Lebih terperinciSTK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak
STK 511 Analisis statistika Materi 3 Sebaran Peubah Acak 1 Konsep Peluang 2 Peluang Peluang dapat diartikan sebagai ukuran kemungkinan terjadinya suatu kejadian Untuk memahami peluang diperlukan pemahaman
Lebih terperinciSTATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling
STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling Rengganis Banitya Rachmat rengganis.rachmat@gmail.com 4. Distribusi Probabilitas Normal dan Binomial
Lebih terperinciKULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:
KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output: 1. Terminating simulation 2. Nonterminating simulation: a. Steady-state parameters b. Steady-state cycle parameters
Lebih terperinciBEBERAPA DISTRIBUSI PELUANG KONTINU. Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F
BEBERAPA DISTRIBUSI PELUANG KONTINU Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F Distribusi Normal Distribusi yang terpenting dalam bidang statistika, penemu : DeMoivre (733) dan Gauss Bergantung
Lebih terperinciSTK 211 Metode statistika. Materi 4 Peubah Acak dan Sebaran Peluang
STK 211 Metode statistika Materi 4 Peubah Acak dan Sebaran Peluang 1 Pendahuluan Soal ujian masuk PT diselenggarakan dengan sistem pilihan berganda. Jika jawaban benar diberi nilai 4, salah dikurangi 1
Lebih terperinciBinomial Distribution. Dyah Adila
Binomial Distribution Dyah Adila Binomial Distribution adalah bentuk percobaan yang memiliki syarat-syarat sebagai berikut: 1. Percobaan dilakukan sebanyak n kali. 2. Setiap percobaan memiliki dua hasil
Lebih terperinciMK Statistik Bisnis 2 MultiVariate. Haryoso Wicaksono, S.Si., M.M., M.Kom. 1
Haryoso Wicaksono, S.Si., M.M., M.Kom. 1 Descriptive Statistics mengandung metoda dan prosedur yang digunakan untuk pengumpulan, pengorganisasian, presentasi dan memberikan karakteristik terhadap himpunan
Lebih terperinciMetode Statistika. Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution)
Metode Statistika Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Konsep Peubah Acak Peubah acak merupakan suatu fungsi yang memetakan ruang kejadian (daerah
Lebih terperinci4. Sebaran Peluang Kontinyu
4. Sebaran Peluang Kontinyu EL00-Probabilitas dan Statistik Dosen: Andriyan B. Suksmono Isi 1. Sebaran normal/gauss. Luas daerah di bawah kurva normal 3. Hampiran normal untuk sebaran binomial 4. Sebaran
Lebih terperincimatematika DISTRIBUSI VARIABEL ACAK DAN DISTRIBUSI BINOMIAL K e l a s A. Penarikan Sampel dari Suatu Populasi Kurikulum 2013 Tujuan Pembelajaran
Kurikulum 20 matematika K e l a s XI DISTRIBUSI VARIABEL ACAK DAN DISTRIBUSI BINOMIAL Tujuan Pembelajaran Setelah mempelajari materi ini, kamu diharapkan memiliki kemampuan berikut.. Memahami perbedaan
Lebih terperinciNilai harapan suatu variabel acak x ditulis E (x) didefinisikan E (x) = Σ x. f (x) Var (x) = σ x 2 = E [ x E (x) ] 2 = E (x 2 ) { E (x) } 2
Pertemuan ke- 4 BAB III POPULASI, SAMPEL & DISTRIBUSI TEORITIS VARIABEL DISKRIT DAN FUNGSI PROBABILITAS 3.1 Variabel Random atau Variabel Acak Variabel yang nilainya merupakan suatu bilangan yang ditentukan
Lebih terperinciDISTRIBUSI SATU PEUBAH ACAK
0 DISTRIBUSI SATU PEUBAH ACAK Dalam hal ini akan dibahas macam-macam peubah acak, distribusi peluang, fungsi densitas, dan fungsi distribusi. Pada pembahasan selanjutnya, fungsi peluang untuk peubah acak
Lebih terperinciProbabilitas dan Statistika Variabel Acak dan Fungsi Distribusi Peluang Diskrit. Adam Hendra Brata
dan Statistika dan Fungsi Peluang Adam Hendra Brata acak adalah sebuah fungsi yang memetakan hasil kejadian yang ada di alam (seperti : buka dan tutup; terang, redup dan gelap; merah, kuning dan hijau;
Lebih terperinciMA2181 Analisis Data - U. Mukhaiyar 1
DISTRIBUSI KONTINU Uniform Normal Gamma & Eksponensial MA 2181 Analisis Data Utriweni Mukhaiyar September 20 By NN 2008 DISTRIBUSI UNIFORM Distribusi kontinu yang paling sederhana Notasi: X ~ U (a,b) f.k.p:
Lebih terperinciKONSEP PROBABILITAS & DISTRIBUSI PROBABILITAS
KONSEP PROBABILITAS & DISTRIBUSI PROBABILITAS 5 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hbp://debrina.lecture.ub.ac.id/ 2
Lebih terperinciDISTRIBUSI KONTINU. Utriweni Mukhaiyar
DISTRIBUSI KONTINU Uniform Normal Gamma & Eksponensial MA 2081 Statistika ti tik Dasar Utriweni Mukhaiyar Maret 2012 By NN 2008 Distribusi Uniform Distribusi kontinu yang paling sederhana Notasi: X ~ U
Lebih terperinciSTATISTIK PERTEMUAN IV
STATISTIK PERTEMUAN IV PRINSIP DAN DISTRIBUSI PROBABILITAS A. PERANAN PROBABILITAS Pembuatan model, analisis matematis, simulasi komputer dan sebagainya, banyak didasarkan atas asumsi-asumsi yang diidealisir,
Lebih terperinciDISTRIBUSI PELUANG TEORITIS
Distribusi Teoritis 1/ 15 DISTRIBUSI PELUANG TEORITIS 1. Pendahuluan Titik-titik contoh di dalam Ruang Sampel (S) dapat disajikan dalam bentuk numerik/bilangan.. PEUBAH ACAK Fungsi yang mendefinisikan
Lebih terperinciPELUANG DAN PEUBAH ACAK
PELUANG DAN PEUBAH ACAK Materi 3 - STK511 Analisis Statistika October 3, 2017 Okt, 2017 1 Konsep Peluang 2 Pendahuluan Kejadian di dunia: pasti (deterministik) atau tidak pasti (probabilistik) Contoh kejadian
Lebih terperinciDistribusi Peluang. Pendahuluan
1 Sufyani Prabawanto Bahan Belajar Mandiri 6 Distribusi Peluang Pendahuluan Di bahan belajar mandiri sebelumnya telah disinggung sedikit tenatng peubah. Ditinjau dari diskret atau tidaknya, Peubah dapat
Lebih terperinciMetode Statistika (STK 211) Pertemuan ke-5
Metode Statistika (STK 211) Pertemuan ke-5 rrahmaanisa@apps.ipb.ac.id Memahami definisi dan aplikasi peubah acak (peubah acak sebagai fungsi, peubah acak diskrit dan kontinu) Memahami sebaran peubah acak
Lebih terperinciDistribusi Peluang Teoritis
Distribusi Peluang Teoritis 1. Pendahuluan Titik-titik contoh di dalam Ruang Sampel (S) dapat disajikan dalam bentuk numerik/bilangan.. Peubah Acak Fungsi yang mendefinisikan titik-titik contoh dalam ruang
Lebih terperinciJurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada. 1http://istiarto.staff.ugm.ac.id STATISTIKA. Discrete Probability Distributions
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA Discrete Probability Distributions 1http://istiarto.staff.ugm.ac.id Discrete Probability Distributions Distribusi Hipergeometrik Bernoulli
Lebih terperinciDISTRIBUSI PROBABILITAS DISKRET Distribusi Binomial. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016
DISTRIBUSI PROBABILITAS DISKRET Distribusi Binomial Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 Distribusi Binomial Perhatikan kembali setiap hasil percobaan statistik pada pembahasan sebelumnya, dari
Lebih terperinciTugas Kelompok. Mata Kuliah Metodologi Penelitian Kuantitatif. Judul Makalah Revisi DISTRIBUSI PELUANG
Tugas Kelompok Mata Kuliah Metodologi Penelitian Kuantitatif Judul Makalah Revisi DISTRIBUSI PELUANG Kajian Buku Pengantar Statistika Pengarang Nana Sudjana Tugas dibuat untuk memenuhi tugas mata kuliah
Lebih terperinciMata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia
Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Pokok Bahasan Variabel Acak Pola Distribusi Masukan Pendugaan Pola Distribusi Uji Distribusi
Lebih terperinciStatistika & Probabilitas
Statistika & Probabilitas Peubah Acak Peubah = variabel Dalam suatu eksperimen, seringkali kita lebih tertarik bukan pada titik sampelnya, tetapi gambaran numerik dari hasil. Misalkan pada pelemparan sebuah
Lebih terperinciDistribusi Normal, Skewness dan Qurtosis
Distribusi Normal, Skewness dan Qurtosis Departemen Biostatistika FKM UI 1 2 SAP Statistika 1, minggu ke-4 4 Membekali mahasiswa agar lebih paham dan menguasai teori terkait: menghitung ukuran penyimpangan
Lebih terperinciMA5283 STATISTIKA Bab 3 Inferensi Untuk Mean
MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Peubah acak kontinu, distribusi dan Tabel normal, penaksiran titik dan selang, uji hipotesis untuk
Lebih terperinciD I S T R I B U S I P R O B A B I L I T A S
D I S T R I B U S I P R O B A B I L I T A S Amiyella Endista Email : amiyella.endista@yahoo.com Website : www.berandakami.wordpress.com Distribusi Probabilitas Kunci aplikasi probabilitas dalam statistik
Lebih terperinciSTATISTIK PERTEMUAN V
STATISTIK PERTEMUAN V Variabel Random/ Acak variabel yg nilai-nilainya ditentukan oleh kesempatan/ variabel yang bernilai numerik yg didefinisikan dlm suatu ruang sampel 1. Variabel Random diskrit Variabel
Lebih terperinciPertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution)
Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Peubah acak merupakan suatu fungsi yang memetakan ruang kejadian (daerah fungsi) ke ruang bilangan
Lebih terperinciAchmad Samsudin, M.Pd. Jurdik Fisika FPMIPA Universitas Pendidikan Indonesia
Achmad Samsudin, M.Pd. Jurdik Fisika FPMIPA Universitas Pendidikan Indonesia VARIABEL ACAK VARIABEL ACAK : suatu fungsi yang nilainya berupa bilangan nyata yang ditentukan oleh setiap unsur dalam ruang
Lebih terperinciKURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana)
KURVA NORMAL (Sumber: Buku Metode Statistika tulisan Sudjana) Distribusi Normal (Distribusi GAUSSE) Kurva Normal Suatu alat statistik yang sangat penting untuk menaksir dan meramalkan peristiwa-peristiwa
Lebih terperinciDistribusi Probabilitas Kontinyu Teoritis
Distribusi Probabilitas Kontinyu Teoritis Suprayogi Dist. Prob. Teoritis Kontinyu () Distribusi seragam kontinyu (continuous uniform distribution) Distribusi segitiga (triangular distribution) Distribusi
Lebih terperincil.makalah DISTRIBUSI PROBABILITAS DISKRIT
l.makalah DISTRIBUSI PROBABILITAS DISKRIT Kata Pengantar Puji syukur atas kehadirat Allah SWT karena rahmat serta karunia-nya penulis dapat menyelesaikan makalah ini.shalawat serta salam dari Allah SWT
Lebih terperinciDistribusi Peluang Kontinu. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB
Distribusi Peluang Kontinu Bahan Kuliah II9 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Fungsi Padat Peluang Untuk peubah acak kontinu, fungsi peluangnya
Lebih terperinciBAB 9 DISTRIBUSI PELUANG KONTINU
BAB 9 DISTRIBUSI PELUANG KONTINU A. Pengertian Distribusi Peluang Kontinu Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh semua nilai pada skala kontinu. Ruang sampel kontinu adalah
Lebih terperinciBAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 3. HARAPAN MATEMATIK
Pertemuan 6. BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang. Variansi dan kovariansi. HARAPAN MATEMATIK Keragaman suatu peubah acak X diperoleh dengan mengambil g(x) = (X µ). Rataan
Lebih terperinciBI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist
BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Distribusi Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep peubah acak, fungsi peluang (probability density function), fungsi distribusi
Lebih terperinciUJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT
UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah, ST., MT SIGN TEST Sign Test Digunakan untuk menguji hipotesa tentang MEDIAN dan DISTRIBUSI KONTINYU. Pengamatan dilakukan pada median dari sebuah distribusi
Lebih terperinciDistribusi Probabilitas Diskret Teoritis
Distribusi robabilitas Diskret Teoritis Distribusi robabilitas Teoritis Diskret Distribusi seragam diskret (discrete uniform distribution) Distribusi hipergeometris (hypergeometric distribution) Distribusi
Lebih terperinciModul Responsi. Statistika Dasar. Dosen Pengampu: Widiarti, M.Si. Penyusun:
Daftar Isi Modul Responsi Statistika Dasar Dosen Pengampu: Widiarti, M.Si. Penyusun: Firmansyah Feri Krisnanto Mei Rusfandi Ichwan Almaza Muammar Rizki F.I. Faiz Azmi Rekatama Edisi 1 (2017) Laboratorium
Lebih terperinciBAHAN KULIAH. Konsep Probabilitas Probabilitas Diskrit dan Kontinyu
BAHAN KULIAH Konsep Probabilitas Probabilitas Diskrit dan Kontinyu Soal UTS periode November 00 Mata Kuliah : Statistika & Probabilitas Waktu : 0 menit. Suatu sistem pipa seperti ditunjukkan pada gambar
Lebih terperinciPERMUTASI, KOMBINASI DAN PELUANG. Kaidah pencacahan membantu dalam memecahkan masalah untuk menghitung
PERMUTASI, KOMBINASI DAN PELUANG A. KAIDAH PENCACAHAN Kaidah pencacahan membantu dalam memecahkan masalah untuk menghitung berapa banyaknya cara yang mungkjin terjadi dalam suatu percobaan. Kaidah pencacahan
Lebih terperinci6. Teori Estimasi. EL2002-Probabilitas dan Statistik. Dosen: Andriyan B. Suksmono
6. Teori Estimasi EL2002-Probabilitas dan Statistik Dosen: Andriyan B. Suksmono Pendahuluan Inferensi statistik adalah metoda untuk menarik inferensi atau membuat generalisasi dari suatu populasi. Ada
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Revenue Management Belakangan ini revenue management telah mendapat perhatian dunia sebagai salah satu aplikasi dari operations research (OR) yang paling sukses. Revenue management
Lebih terperinci