Distribusi Peluang Gabungan

Ukuran: px
Mulai penontonan dengan halaman:

Download "Distribusi Peluang Gabungan"

Transkripsi

1 Distribusi Peluang Gabungan EXPERT COURSE #bimbelnyamahasiswa

2 Variabel Acak Random Variabel = chance variable, stochastic variable, variate. Variabel Acak / Random Variabel (Variate) Univariate (Single-variable) Bivariate (Two-variable) Multivariate (more than twovariable) Distribusi Gabungan (jointly distributed): Jika dua atau lebih Variabel Acak berkaitan satu dengan lainnya di dalam sebuah populasi 2

3 Bivariate/Dua Variabel Acak Definisi: Misalkan Ω merupakan ruang sampe dari sebuah eksperimen acak. Misalkan pula X dan Y merupakan dua buah variabel acak, pasangan (X,Y) disebut bivariate (two-random variables), jika setiap bilangan real X dan Y berhubungan dengan setiap elemen Ω. Dua variabel acak (X,Y) dapat dianggap sebagai sebuah fungsi terhadap setiap titik ω pada Ω memetakan titik sebuah titik ( pada ruang sample. Ruang pemetaan bivariate (X,Y) dinotasikan sebagai R XY dan didefiniskan: R XY ( ; dan X ( ) Y ( ) y 3

4 Bivariate/Dua Variabel Acak Jika variabel acak X dan Y masing-masing merupakan variabel acak diskrit maka (X,Y) disebut sebagai dua variabel acak diskrit (discrete bivariate). Dalam hal sama, jika X dan Y masing-masing merupakan variabel acak kontinu, maka (X,Y) disebut sebagai continuous bivariate. Jika salah satu dari X atau Y adalah diskrit, sementara yang lainnya kontinu, maka (X,Y) disebut sebagai mixed bivariate. 4

5 Variabel Acak Diskrit Gabungan Jika X dan Y merupakan jointly discrete random variables : 1. Fungsi mass peluang gabungan (The joint probability mass function) dari X dan Y adalah: p(=p(x=x_dan_y= 2. Fungsi mass peluang marjinal (The marginal probability mass funtion) dari X dan Y dapat diperoleh dengan berikut: p Y ( P( Y p( Dimana jumlahnya diambil dari seluruh nilai yang mungkin dari masing-masing X atau Y. x 5

6 Variabel Acak Diskrit Gabungan 3. Fungsi variabel acak gabungan memiliki sifat: x y p( 1 Untuk seluruh nilai yang mungkin dari X dan Y. 6

7 Variabel Acak Kontinu Gabungan Jika X dan Y merupakan variabel acak gabungan, dengan Fungsi densitas gabungan (jointly density random variables) f(, dan a<b, c<d maka: 1. P(aX b, dan c Y d) = 2. Fungsi peluang gabungan mempunyai sifat: (i). Untuk setiap x dan y: f ( dydx f ( Fungsi peluang marjinal diperoleh: f X ) f Y ( f ( dx ( x) f ( y dy 7

8 Fungsi Distribusi Kumulatif Gabungan Definition: Fungsi Distribusi Kumulatif Gabungan (The joint cumulative distribution function) dari X and Y, dinotasikan sebagai F XY (,,erupakan fungsi yang didefiniskan: F XY ( P( X x dan Y Event (X x dan Y pada persamaan di atas equivalent dengan event A B, dimana A dan B merupakan event dari Ω, didefiniskan dengan: dan A ; X ( ) x dan B ; Y ( ) y P( A) F ( x) ; P( B) F ( X F XY ( P( A B) Y 8

9 Ekspektasi Variabel Acak pada Distribusi Gabungan Misalkan h( merupakan fungsi dari x dan y. Kemudian jika variabel X dan Y mempunyai sebuah distiribusi gabungan, nilai ekspektasi dari h(x,y) didefiniskan sebagai berikut: Diskrit E[h(X,Y)] Kontinu x y y x h( h( h( h( p( p( f ( dxdy f ( dydx 9

10 Covariance Covariance: salah satu ukuran yang dapat menunjukkan adanya hubungan (correlation) atau tidak diantara variabel-variabel Definisi: Misalkan X dan Y merupakan variabel acak dengan rata-rata masingmasing X dan Y, maka Covariance X dan Y adalah: Cov( X, Y ) E[( X X )( Y Y )] atau dapat pula dihitung dengan rumus: Cov( X, Y) E( XY) E( X ) E( Y) Tidak ada korelasi: Jika Cov(X,Y) = 0. Hubungan antar variabel akan dibahas dalam Analisis Korelasi 10

11 LATIHAN 1 Misalkan sepasang dadu ditoss. Jika hasilnya didefiniskan sebagai X = mata dadu terbesar, dan Y = jumlah kedua mata dadu tersebut. Tentukan: a. Fungsi Peluang bersama X dan Y b. E(XY) c. Fungsi Distribusi Peluang Marjinal untuk X 11

12 LATIHAN 2 Misalkan variabel acak X dan Y mempunyai distribusi peluang gabunga sebagai berikut: f ( c 0 jika 5 x 10 dan 4 y 9 lainnya Tentukan nilai c sehingga fungsi tersebut merupkan pdf Gabungan! 12

13 LATIHAN 3 Misalkan sebuah eksperimen acak dari pengambilan tiga buah bola secara bersamaan dari sebuah kotak yang berisi dua bola merah, tiga bola putih dan empat bola biru. Misalkan (X,Y) merupakan variabel acak bivariat, dimana X dan Y masing-masing dinotasikan sebagai Jumlah bola merah dan putih yang terambil. Tentukan: a. Range dari (X,Y) b. PMF Gabungan dari (X,Y) c. Marginal PMF dari X dan Y d. Apakah X dan Y independen? e. Apakah X dan Y berkorelasi? 13

14 LATIHAN 4 Misalkan variabel acak kontinu X dan Y mempunyai distribusi gabungan sebagai berikut: f ( 2 xy x 0 1, x y lainnya a. Tentukan apakah fungsi distribusi tersebut merupakan pdf gabungan? b. Hitung nilai E(XY)-nya! c. Hitung Distribusi Peluang Marjinal X dan Y masingmasing! 2 14

Dasar-dasar Statistika Pemodelan Sistem

Dasar-dasar Statistika Pemodelan Sistem Dasar-dasar Statistika Pemodelan Sistem Kuliah Pemodelan Sistem Semester Genap 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Januari 2016 MZI (FIF Tel-U) Statistika Pemodelan Januari 2016

Lebih terperinci

STATISTIK PERTEMUAN VI

STATISTIK PERTEMUAN VI STATISTIK PERTEMUAN VI 1. TEORI PENDUKUNG 1.1 Pendahuluan 1. Variabel acak 1.3 Distribusi variabel acak diskrit 1.4 Distribusi variabel acak kontinu 1.5 Distribusi multivariat 1.1 Pendahuluan Definisi

Lebih terperinci

Probabilitas dan Statistika Variabel Acak dan Fungsi Distribusi Peluang Diskrit. Adam Hendra Brata

Probabilitas 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 terperinci

Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R

Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R Bab Peubah Acak. Konsep Dasar Peubah Acak Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R Contoh peubah acak: Jika X adalah peubah acak banyaknya sisi muka yang muncul pada

Lebih terperinci

Distribusi Peluang Kontinu. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Distribusi 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 terperinci

Contoh Solusi PR 2 Statistika & Probabilitas. 1. Semesta dari kejadian adalah: pemilihan 5 soal dari 10 soal. Jumlah kemungkinannya ( 10 = 252.

Contoh Solusi PR 2 Statistika & Probabilitas. 1. Semesta dari kejadian adalah: pemilihan 5 soal dari 10 soal. Jumlah kemungkinannya ( 10 = 252. Contoh Solusi PR Statistika & Probabilitas Semesta dari kejadian adalah: pemilihan soal dari soal Jumlah kemungkinannya ( ) = (a) Kemungkinannya dapat dihitung dengan memilih soal tes dari soal yang anak

Lebih terperinci

BAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer

BAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer BAB I PENDAHULUAN A. Latar Belakang Statistika merupakan salah satu ilmu matematika yang terus berkembang dari waktu ke waktu. Di dalamnya mencakup berbagai sub pokok-sub pokok materi yang sangat bermanfaat

Lebih terperinci

Peubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak

Peubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak Peubah Acak Peubah Acak Diskrit dan Distribusi Peluang Peubah Acak (Random Variable): Sebuah keluaran numerik yang merupakan hasil dari percobaan (eksperimen) Untuk setiap anggota dari ruang sampel percobaan,

Lebih terperinci

1 PROBABILITAS. Pengertian

1 PROBABILITAS. Pengertian PROBABILITAS Pengertian Pada awal perkuliahan, sebelum menjelaskan probabilitas, dibahas sepintas sebagai pengantar tentang eksperimen, titik sampel, ruang sampel, dan peristiwa, serta variabel random

Lebih terperinci

28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω

28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω SAMPLE SPACE, SAMPLE POINTS, EVENTS Sample space,ω, Ω adalah sekumpulan semua sample points,ω, ω yang mungkin; dimana ω Ω Contoh 1. Melemparkan satu buah koin:ω={gambar,angka} Contoh 2. Menggelindingkan

Lebih terperinci

Statistika. Random Variables Discrete Random Variables Continuous Random Variables. Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada

Statistika. Random Variables Discrete Random Variables Continuous Random Variables. Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada Statistika Random Variables Discrete Random Variables Continuous Random Variables 1 Pengertian Random variable (variabel acak) Jenis suatu fungsi

Lebih terperinci

Joint Distribution Function

Joint Distribution Function DISTRIBUSI PROBABILITAS MARGINAL & BERSYARAT TI2131 TEORI PROBABILITAS MINGGU KE-6 1 Joint Distribution Function Distribusi peluang gabungan dari dua variabel random X dan Y merupakan distribusi peluang

Lebih terperinci

PENGANTAR MODEL PROBABILITAS

PENGANTAR MODEL PROBABILITAS PENGANTAR MODEL PROBABILITAS (PMP, Minggu 1-7) Sri Haryatmi Kartiko Universitas Gadjah Mada Juni 2014 Outline 1 Minggu 1:HIMPUNAN Operasi Himpunan Sifat-Sifat Operasi Himpunan 2 Minggu 2:COUNTING TECHNIQUE

Lebih terperinci

A. Distribusi Gabungan

A. Distribusi Gabungan HANDOUT PERKULIAHAN Mata Kuliah : Statistika Matematika Pertemuan Ke : 5 Pokok Bahasan : Distibusi Dua peubah Acak URAIAN POKOK PERKULIAHAN A. Distribusi Gabungan Definisi 1: Peubah Acak Berdimensi Dua

Lebih terperinci

A. Distribusi Gabungan

A. Distribusi Gabungan HANDOUT PERKULIAHAN Mata Kuliah Pokok Bahasan : Statistika Matematika : Distibusi Dua peubah Acak URAIAN POKOK PERKULIAHAN A. Distribusi Gabungan Definisi 1: Peubah Acak Berdimensi Dua Jika S merupakan

Lebih terperinci

PENS. Probability and Random Process. Topik 4. Variabel Acak dan Distribusi Probabilitas. Prima Kristalina April 2015

PENS. Probability and Random Process. Topik 4. Variabel Acak dan Distribusi Probabilitas. Prima Kristalina April 2015 Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 4. Variabel Acak dan Distribusi Probabilitas Prima Kristalina April 2015 1 Outline 1. Definisi

Lebih terperinci

1.1 Konsep Probabilitas

1.1 Konsep Probabilitas TEORI DASAR PROBABILITAS 1.1 Konsep Probabilitas Probabilitas/peluang secara umum dapat diartikan sebagai ukuran matematis terhadap kecenderungan akan munculnya sebuah kejadian. Secara matematis peluang

Lebih terperinci

Harapan Matematik. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Harapan Matematik. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB Harapan Matematik Bahan Kuliah II09 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Definisi Harapan Matematik Satu konsep yang penting di dalam teori peluang

Lebih terperinci

Peubah Acak. 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1

Peubah Acak. 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1 Peubah Acak 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1 Definisi Peubah Acak Peubah acak adalah peubah yang mengkarakterisasikan setiap elemen dalam ruang sampel dengan suatu bilangan real.

Lebih terperinci

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya Dosen: Aniq A Rohmawati, M.Si TELKOM UNIVERSITY JALAN TELEKOMUNIKASI 1, BANDUNG, INDONESIA Ruang Sampel dan Kejadian PEUBAH ACAK (P.A) Fungsi yang memetakan

Lebih terperinci

Bab 3 Kinerja Rata-rata dan Variabilitas

Bab 3 Kinerja Rata-rata dan Variabilitas Bab 3 Kinerja Rata-rata dan Variabilitas Dr. Yeffry Handoko Putra UNIVERSITAS KOMPUTER INDONESIA Page 1 ANALISIS DATA TERUKUR Kejadian Independen Variabel acak (random variable) Cumulative Distribution

Lebih terperinci

STATISTIKA UNIPA SURABAYA

STATISTIKA UNIPA SURABAYA MATEMATIKA STATISTIKA (MATHEMATICAL STATISTICS) GANGGA ANURAGA Materi : Distribusi variabel random Teori Himpunan Fungsi Himpunan Fungsi Himpunan Peluang Variabel Random Fungsi Kepadatan Peluang Fungsi

Lebih terperinci

Bab 8 Fungsi Peluang Bersama: Bersama Kita Berpisah

Bab 8 Fungsi Peluang Bersama: Bersama Kita Berpisah MA3181 Teori Peluang - Khreshna Syuhada Bab 8 1 Bab 8 Fungsi Peluang Bersama: Bersama Kita Berpisah Ilustrasi 8.1 Sebuah perusahaan asuransi menduga bahwa setiap orang akan mengalami dan memiliki parameter

Lebih terperinci

AK5161 Matematika Keuangan Aktuaria

AK5161 Matematika Keuangan Aktuaria Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang AK5161 Matematika

Lebih terperinci

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2014 1 Tentang AK5161 Matematika

Lebih terperinci

BAB III VARIABEL ACAK DAN DISTRIBUSI PROBABILITAS

BAB III VARIABEL ACAK DAN DISTRIBUSI PROBABILITAS BAB III VARIABEL ACAK DAN DISTRIBUSI ROBABILITAS.. Konsep variabel acak (random variable) Sebuah variabel y adalah variabel acak jika nilai-nilai yang dimiliki oleh y adalah suatu kemungkinan atau peristiwa

Lebih terperinci

Persatuan Aktuaris Indonesia Probabilitas dan Statistik 27 November 2006 A. 5/32 B. ¼ C. 27/32 D. ¾ E. 1 A. 0,20 B. 0,34 C. 0,40 D. 0,60 E.

Persatuan Aktuaris Indonesia Probabilitas dan Statistik 27 November 2006 A. 5/32 B. ¼ C. 27/32 D. ¾ E. 1 A. 0,20 B. 0,34 C. 0,40 D. 0,60 E. Persatuan Aktuaris Indonesia Probabilitas dan Statistik 27 November 2006. Jika A, B, C dan D adalah kejadian (event) di mana: ' B = A, C D = {}, P[ A] = [ ] 4, P B = 4 P C A = 2, P C B = 4, P D A = 4,

Lebih terperinci

2. Peubah Acak (Random Variable)

2. Peubah Acak (Random Variable) . Peubah Acak (Random Variable) EL00-Probabilitas dan Statistik Dosen: Andriyan B. Suksmono Isi 0. Review dari EL009 KonsepPeubahAcak Sebaran Peluang Diskrit Sebaran Peluang Kontinyu Sebaran Empiris Sebaran

Lebih terperinci

DISTRIBUSI SATU PEUBAH ACAK

DISTRIBUSI 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 terperinci

HANDOUT PERKULIAHAN. Pertemuan Ke : 3 : Distribusi Satu Peubah Acak dan Ekspektasi Satu Peubah Acak

HANDOUT PERKULIAHAN. Pertemuan Ke : 3 : Distribusi Satu Peubah Acak dan Ekspektasi Satu Peubah Acak HANDOUT PERKULIAHAN Pertemuan Ke : 3 Pokok Bahasan : Distribusi Satu Peubah Acak dan Ekspektasi Satu Peubah Acak URAIAN POKOK PERKULIAHAN A. Peubah Acak Definisi 1 : Peubah Acak Misalkan E adalah suatu

Lebih terperinci

Peubah Acak dan Distribusi Kontinu

Peubah Acak dan Distribusi Kontinu BAB 1 Peubah Acak dan Distribusi Kontinu 1.1 Fungsi distribusi Definisi: Misalkan X peubah acak. Fungsi distribusi (kumulatif) dari X adalah F X (x) = P (X x) Contoh: 1. Misalkan X Bin(3, 0.5), maka fungsi

Lebih terperinci

Harapan Matematik (Teori Ekspektasi)

Harapan Matematik (Teori Ekspektasi) (Teori Ekspektasi) PROBABILITAS DAN STATISTIKA Semester Genap 2014/2015 LUTFI FANANI lutfi.class@gmail.com Sifat Definisi Harapan matematik atau nilai ekspektasi adalah satu konsep yang penting di dalam

Lebih terperinci

Probabilitas dan Statistika Fungsi Distribusi Peluang Kontinyu. Adam Hendra Brata

Probabilitas dan Statistika Fungsi Distribusi Peluang Kontinyu. Adam Hendra Brata Probabilitas dan Statistika Adam Hendra Brata Himpunan nilai-nilai yang mungkin dari peubah acak X merupakan himpunan tak terhitung yaitu tidak dapat dinyatakan sebagai {,, 3,., n } atau {,, 3,.} tetapi

Lebih terperinci

AK5161 Matematika Keuangan Aktuaria

AK5161 Matematika Keuangan Aktuaria Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang AK5161 Matematika

Lebih terperinci

(HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 20 September 2012 Utriweni Mukhaiyar

(HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 20 September 2012 Utriweni Mukhaiyar 1 EKSPEKTASI (HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 0 September 01 Utriweni Mukhaiyar Ekspektasi Suatu Peubah Acak Misalkan X peubah acak Ekspektasi dari X EX [ ] xp( X x), jika X peubah acak

Lebih terperinci

Pertemuan Ke-1 BAB I PROBABILITAS

Pertemuan Ke-1 BAB I PROBABILITAS Pertemuan Ke-1 BAB I PROBABILITAS 1.1 Arti dan Pentingnya Probabilitas Probabilitas merupakan suatu nilai untuk mengukur besarnya tingkat kemungkinan terjadinya suatu kejadian yang acak. Kejadian Acak

Lebih terperinci

Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah

Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah BAB 1 Peluang dan Ekspektasi Bersyarat 1.1 EKSPEKTASI Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah E(X) x x p X (x) dan E(X)

Lebih terperinci

Probabilitas dan Statistika Ruang Sampel. Adam Hendra Brata

Probabilitas dan Statistika Ruang Sampel. Adam Hendra Brata dan Statistika Ruang Adam Hendra Brata adalah suatu ilmu untuk memprediksi suatu kejadian (event) atau dapat disebut peluang suatu kejadian berdasarkan pendekatan matematis. Dengan ilmu probabilitas, kita

Lebih terperinci

MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR 24 FEBRUARI 2011

MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR 24 FEBRUARI 2011 Fungsi Peluang Gabungan MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR 24 FEBRUARI 2011 Ilustrasi Suatu perusahaan properti memiliki banyak gedung/bangunan yang ditawarkan dengan kategori-kategori yang berbeda.

Lebih terperinci

Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA. Insure and Invest! Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA. Insure and Invest! Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA Insure and Invest! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang AK5161 MatKeu

Lebih terperinci

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2014 1 Tentang AK5161 Matematika

Lebih terperinci

Fungsi Peluang Gabungan

Fungsi Peluang Gabungan Fungsi Peluang Gabungan MA3181 Teori Peluang 15 September 2014 Utriweni Mukhaiyar Ilustrasi Suatu perusahaan properti memiliki banyak gedung/bangunan yang ingin diasuransikan dengan kategori-kategori yang

Lebih terperinci

Distribusi Peluang. Maka peubah acak X dinyatakan dengan banyaknya kemunculan angka. angka sama sekali. angka.

Distribusi Peluang. Maka peubah acak X dinyatakan dengan banyaknya kemunculan angka. angka sama sekali. angka. Distribusi Peluang Definisi peubah acak: Misalkan E adalah sebuah percobaan dengan ruang sampel T. Sebuah fungsi X yang memetakan setiap anggota t T dengan sebuah bilangan real X(t) dinamakan peubah acak.

Lebih terperinci

Review Teori Probabilitas

Review Teori Probabilitas Rekayasa Trafik 1 Review Teori Probabilitas Rekayasa Trafik Outline Arti Probabilitas Counting Method Random Variable Discrete RV Continuous RV Multiple RVs Rekayasa Trafik 2 Arti Probabilitas Rekayasa

Lebih terperinci

Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat

Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat MA38 Teori Peluang - Khreshna Syuhada Bab 9 Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat Ilustrasi 9. Misalkan banyaknya kecelakaan kerja rata-rata per minggu di suatu pabrik adalah empat.

Lebih terperinci

BAB 2 LANDASAN TEORI. Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S.

BAB 2 LANDASAN TEORI. Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S. BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S. Tiap hasil dalam ruang sampel disebut

Lebih terperinci

KONSEP DASAR TERKAIT METODE BAYES

KONSEP DASAR TERKAIT METODE BAYES KONSEP DASAR TERKAIT METODE BAYES 2.3. Peubah Acak dan Distribusi Peluang Pada statistika kita melakukan percobaan dimana percobaan tersebut akan menghasilkan suatu peluang. Ruang sampel pada percobaan

Lebih terperinci

KONSEP DASAR PROBABILITAS

KONSEP DASAR PROBABILITAS KONSEP DASAR PROBABILITAS PERTEMUAN VIII EvanRamdan PROBABILITAS Dalam menentukan banyaknya anggota kejadian, kadangkala kita tidak selalu dapat mendaftar semua titik sampel dalam percobaan tersebut. Untuk

Lebih terperinci

EKSPEKTASI DUA PEUBAH ACAK

EKSPEKTASI DUA PEUBAH ACAK 0 EKSPEKTASI DUA PEUBAH ACAK Dalam hal ini akan dibahas beberapa macam ukuran ang dihitung berdasarkan ekspektasi dari dua peubah acak, baik diskrit maupun kontinu, aitu nilai ekspektasi gabungan, ekspektasi

Lebih terperinci

Disusun oleh: 1. Diah Sani Susilawati ( / 7B) 2. Farid Hidayat ( / 7B) 3. Rico Nurcahyo ( / 7B)

Disusun oleh: 1. Diah Sani Susilawati ( / 7B) 2. Farid Hidayat ( / 7B) 3. Rico Nurcahyo ( / 7B) DISTRIBUSI MARGINAL DAN DISTRIBUSI GABUNGAN Disusun guna memenuhi tugas mata kuliah Statistika Matematika Dosen Pengampu: Supandi, M.Si Disusun oleh:. Diah Sani Susilawati (8355/ 7B). Farid Hidaat (836/

Lebih terperinci

Hidup penuh dengan ketidakpastian

Hidup penuh dengan ketidakpastian BAB 2 Probabilitas Hidup penuh dengan ketidakpastian Tidak mungkin bagi kita untuk dapat mengatakan dengan pasti apa yang akan terjadi dalam 1 menit ke depan tapi Probabilitas akan memprediksikan masa

Lebih terperinci

Perhatikan segitiga siku-siku CDE : Lsegitiga CDE = DE. CD. = ½. 2x. 2x = 2x 2 =

Perhatikan segitiga siku-siku CDE : Lsegitiga CDE = DE. CD. = ½. 2x. 2x = 2x 2 = 1. Diketahui setengah lingkaran dengan diameter AB dan O adalah titik tengah AB. Segitiga CDE siku-siku di D. DE pada diameter AB sehingga DO=OE dan CD=DE untuk suatu titik C pada setengah lingkaran. Jika

Lebih terperinci

Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA

Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA CNH4S3 Analisis Time Series Dosen: Aniq A Rohmawati, M.Si [Jadwal]: [Materi Analsis Time Series] Kuliah Pemodelan dan Simulasi berisi tentang dasar pemodelan time series seperti kestasioneran, identifikasi

Lebih terperinci

MA3081 STATISTIKA MATEMATIKA We love Statistics

MA3081 STATISTIKA MATEMATIKA We love Statistics Catatan Kuliah MA3081 STATISTIKA MATEMATIKA We love Statistics disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Daftar Isi 1 Peubah Acak

Lebih terperinci

Statistika Farmasi

Statistika 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 terperinci

PENGANTAR PROBABILITAS STATISTIKA UNIPA SBY

PENGANTAR PROBABILITAS STATISTIKA UNIPA SBY PENGANTAR PROBABILITAS GANGGA ANURAGA POKOK BAHASAN Konsep dasar probabilitas Teori himpunan Permutasi Kombinasi Koefisien binomial Koefisien multinomial Probabilitas Aksioma probabilitas Probabilitas

Lebih terperinci

DASAR-DASAR TEORI PELUANG

DASAR-DASAR TEORI PELUANG DASAR-DASAR TEORI PELUANG Herry P. Suryawan 1 Ruang Peluang Definisi 1.1 Diberikan himpunan tak kosong Ω. Aljabar-σ (σ-algebra pada Ω adalah koleksi subhimpunan A dari Ω dengan sifat (i, Ω A (ii jika A

Lebih terperinci

Distribusi Peubah Acak

Distribusi Peubah Acak Chandra Novtiar 085794801125 chandramathitb07@gmail.com PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP) SILIWANGI BANDUNG 4 April 2017 Garis Besar Pembahasan FUNGSI

Lebih terperinci

Metode Statistika (STK211)

Metode Statistika (STK211) Metode Statistika (STK211) Peubah Acak dan Sebaran Peluang (Random Variable and Probability Distribution) Dr. Ir. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 1 Konsep Peubah Acak (Random Variable) Peubah

Lebih terperinci

MA5181 PROSES STOKASTIK

MA5181 PROSES STOKASTIK Catatan Kuliah MA5181 PROSES STOKASTIK disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik A. Jadwal kuliah:

Lebih terperinci

ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI

ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI GHAZALI WARDHONO 090823040 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN

Lebih terperinci

oleh: Tri Budi Santoso Signal Processing Group Electronic Engineering Polytechnic Institute of Surabaya-ITS

oleh: Tri Budi Santoso Signal Processing Group Electronic Engineering Polytechnic Institute of Surabaya-ITS Dasar Statistik untuk Pemodelan dan Simulasi oleh: Tri Budi Santoso Signal Processing Group Electronic Engineering Polytechnic Institute of Surabaya-ITS . Probabilitas Probabilitas=Peluang, bisa diartikan

Lebih terperinci

Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA

Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA CNH4S3 Analisis Time Series Dosen: Aniq A Rohmawati, M.Si [Jadwal]: [Materi Analsis Time Series] Kuliah Pemodelan dan Simulasi berisi tentang dasar pemodelan time series seperti kestasioneran, identifikasi

Lebih terperinci

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi MA2082 BIOSTATISTIKA 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 terperinci

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4181 (Pengantar)

Lebih terperinci

DISTRIBUSI PROBABILITAS DAN TERMINOLOGI KEANDALAN

DISTRIBUSI PROBABILITAS DAN TERMINOLOGI KEANDALAN #7 DISTRIBUSI PROBABILITAS DAN TERMINOLOGI KEANDALAN 7.1. Pendahuluan Pada pembahasan terdahulu, keandalan hanya dievaluasi sebagai suatu sistem rekayasa (engineering) dengan tidak menggunakan distribusi

Lebih terperinci

Probabilitas dan Statistika Fungsi Distribusi Peluang Kontinyu Lanjut. Adam Hendra Brata

Probabilitas dan Statistika Fungsi Distribusi Peluang Kontinyu Lanjut. Adam Hendra Brata Probabilitas dan Statistika Fungsi Lanjut Adam Hendra Brata Gabungan Gabungan Fungsi Acak Fungsi Rapat Kumulatif Gabungan Untuk variabel random kontinu, analog dengan kasus diskrit, fungsi rapat probabilitas

Lebih terperinci

STATISTIK INDUSTRI 1. Agustina Eunike, ST., MT., MBA

STATISTIK INDUSTRI 1. Agustina Eunike, ST., MT., MBA STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Probabilitas PELUANG Eksperimen Aktivitas / pengukuran / observasi suatu fenomena yang bervariasi outputnya Ruang Sampel / Sample Space Semua output

Lebih terperinci

Variabel Random dan Nilai Harapan. Oleh Azimmatul Ihwah

Variabel Random dan Nilai Harapan. Oleh Azimmatul Ihwah Variabel Random dan Nilai Harapan Oleh Azimmatul Ihwah Outcomes dari suatu eksperimen dapat dinyatakan dengan angka untuk mempermudah. Suatu variabel yang mengasosiakan outcomes dari suatu eksperimen dengan

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) MUG2D3 PROBABILITAS DAN STATISTIKA Disusun oleh: INDWIARTI FAKULTAS INFORMATIKA TELKOM UNIVERSITY 1 LEMBAR PENGESAHAN Rencana Pembelajaran Semester (RPS) ini telah disahkan

Lebih terperinci

Mata Kuliah Pemodelan & Simulasi

Mata Kuliah Pemodelan & Simulasi Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probabilitistik pada sistem nyata mempunyai pola distribusi probabilistik

Lebih terperinci

RANCANGAN PEMBELAJARAN

RANCANGAN PEMBELAJARAN RANCANGAN PEMBELAJARAN Mata Kuliah : dan Proses Stokastik Semester : Jurusan : Dosen : TIU : respon sistem linear dengan input menggunakan konsep probabilitas dan proses stokastik (C4) No.. Mahasiswa mampu

Lebih terperinci

FUNGSI PELUANG GABUNGAN M A P E N G A N T A R S T A T I S T I K A 14 F E B R U A R I 2013 U T R I W E N I M U K H A I Y A R

FUNGSI PELUANG GABUNGAN M A P E N G A N T A R S T A T I S T I K A 14 F E B R U A R I 2013 U T R I W E N I M U K H A I Y A R FUNGSI PELUANG GABUNGAN M A 4 0 8 5 P E N G A N T A R S T A T I S T I K A 14 F E B R U A R I 2013 U T R I W E N I M U K H A I Y A R ILUSTRASI Suatu perusahaan properti memiliki banyak gedung/bangunan yang

Lebih terperinci

Minggu 1 Review Peubah Acak; Karakteristik Time Series. Minggu 4-6 Model Moving Average (MA), Autoregressive (AR)

Minggu 1 Review Peubah Acak; Karakteristik Time Series. Minggu 4-6 Model Moving Average (MA), Autoregressive (AR) CNH4S3 Analisis Time Series [Dosen] Aniq A Rohmawati, M.Si [Jadwal] Need to reschedule? [About] The purpose of time series analysis is generally twofold: to understand or model the stochastic mechanism

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia 2015 Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu. Ruang

Lebih terperinci

BAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol

BAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel

Lebih terperinci

Learning Outcomes Peubah Acak Fungsi Sebaran Secaran Diskret Nilai Harapan. Peubah Acak. Julio Adisantoso. 13 Maret 2014

Learning Outcomes Peubah Acak Fungsi Sebaran Secaran Diskret Nilai Harapan. Peubah Acak. Julio Adisantoso. 13 Maret 2014 13 Maret 2014 Learning Outcome Mahasiswa dapat memahami dan menentukan peubah acak dari suatu kejadian Mahasiswa dapat memahami fungsi sebaran Mahasiswa dapat mengerti dan menentukan peubah acak diskret

Lebih terperinci

, n(a) banyaknya kejadian A dan n(s) banyaknya ruang sampel

, n(a) banyaknya kejadian A dan n(s) banyaknya ruang sampel Peluang Suatu Kejadian a) Kisaran nilai peluang : 0 P( b) P( =, banyaknya kejadian A dan banyaknya ruang sampel c) Peluang komplemen suatu kejadian : P(A c ) = P( d) Peluang gabungan dari dua kejadian

Lebih terperinci

Bab II Kajian Teori Copula

Bab II Kajian Teori Copula Bab Kajian Teori Copula.1 Pendahuluan Copula Tesis ini mengacu pada terminologi copula sebagai fungsi yang menghubungkan fungsi distribusi multivariat terhadap fungsi distribusi marginal uniform. Misalkan

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Percobaan adalah kegiatan

Lebih terperinci

PEUBAH ACAK DAN DISTRIBUSINYA

PEUBAH ACAK DAN DISTRIBUSINYA PEUBAH ACAK DAN DISTRIBUSINYA MA3181 Teori Peluang 8 September 2014 Utriweni Mukhaiyar 1 Pemetaan (Fungsi) O Suatu pemetaan / fungsi O Kategori fungsi: 1. Fungsi titik 2. Fungsi himpunan A A B B 2 Peubah

Lebih terperinci

MA6281 Topik Lanjut dalam Statistika ANALISIS DATA DENGAN COPULA Dependency is not necessarily bad

MA6281 Topik Lanjut dalam Statistika ANALISIS DATA DENGAN COPULA Dependency is not necessarily bad Catatan Kuliah MA6281 Topik Lanjut dalam Statistika ANALISIS DATA DENGAN COPULA Dependency is not necessarily bad disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut

Lebih terperinci

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang

Lebih terperinci

PEMBANGKIT RANDOM VARIATE

PEMBANGKIT RANDOM VARIATE PEMBANGKIT RANDOM VARIATE Mata Kuliah Pemodelan & Simulasi JurusanTeknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probalitistik pada sistem nyata mempunyai pola distribusi probabilistik

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.

Lebih terperinci

25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak

25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak Konsep Peubah Acak Metode Statistika (STK11) Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Peubah acak merupakan suatu fungsi yang memetakan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bab ini diberikan beberapa konsep dasar seperti teorema dan beberapa definisi sebagai landasan dalam penelitian ini. Konsep dasar ini berkaitan dengan masalah yang dibahas dalam

Lebih terperinci

Sampling dengan Simulasi Komputer

Sampling dengan Simulasi Komputer Modul Sampling dengan Simulasi Komputer PENDAHULUAN Sutawanir Darwis M etode statistika merupakan alat untuk menyelesaikan masalah apabila solusi analitik tidak mungkin diperoleh. Dengan metode statistika

Lebih terperinci

Ruang Sampel. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Ruang Sampel. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB Ruang Sampel Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Ruang Sampel (Sample Space) Ruang sampel: himpunan semua hasil (outcome) yang

Lebih terperinci

Bagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas

Bagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas Probabilitas Bagian Probabilitas A) = peluang (probabilitas) bahwa kejadian A terjadi 0 < A) < 1 A) = 0 artinya A pasti terjadi A) = 1 artinya A tidak mungkin terjadi Penentuan nilai probabilitas: Metode

Lebih terperinci

Teori Probabilitas 3.2. Debrina Puspita Andriani /

Teori Probabilitas 3.2. Debrina Puspita Andriani    / Teori Probabilitas 3.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Konsep Probabilitas Ruang Sampel Komplemen Kejadian Probabilitas Bersyarat Berapa peluang munculnya

Lebih terperinci

Pertemuan 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) 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 terperinci

SIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING

SIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING SIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING PENGANTAR Simulasi Monte Carlo didefinisikan sebagai semua teknik sampling statistik yang digunakan untuk memperkirakan solusi

Lebih terperinci

Situasi 1: a. Buatlah pernyataan-pernyataan yang sesuai dengan situasi di atas!

Situasi 1: a. Buatlah pernyataan-pernyataan yang sesuai dengan situasi di atas! BAHAN AJAR 3 DISTRIBUSI PEUBAH ACAK GABUNGAN DAN FUNGSI PELUANG MARGINAL Situasi 1: Sebuah kotak berisi tiga ballpoint berwarna merah, dua berwarna biru dan tiga berwarna hitam. Kemudian dua buah ballpoint

Lebih terperinci

1. 10 orang finalis suatu lomba kecantikan akan dipilih secara acak 3 yang terbaik. Banyak cara pemilihan tersebut ada cara.

1. 10 orang finalis suatu lomba kecantikan akan dipilih secara acak 3 yang terbaik. Banyak cara pemilihan tersebut ada cara. 1. 10 orang finalis suatu lomba kecantikan akan dipilih secara acak 3 yang terbaik. Banyak cara pemilihan tersebut ada cara. A. 70 B. 80 C. 120 D. 360 E. 720 Karena tidak ada aturan atau pengurutan, maka

Lebih terperinci

BAB 3 Teori Probabilitas

BAB 3 Teori Probabilitas BAB 3 Teori Probabilitas A. HIMPUNAN a. Penulisan Hipunan Cara Pendaftaran Cara Pencirian 1) A = {a,i,u,e,o} 1) A = {X: x huruf vokal } 2) B = {1,2,3,4,5} menghasilkan data diskrit 2) B = {X: 1 x 2} menghasilkan

Lebih terperinci

I. PENDAHULUAN II. TINJAUAN PUSTAKA

I. PENDAHULUAN II. TINJAUAN PUSTAKA I. PENDAHULUAN 1.1 Latar Belakang Pada kehidupan sehari-hari, distribusi probabilitas dapat diterapkan dalam banyak hal yang memberikan keuntungan serta manfaat dalam pengaplikasiannya. Misalnya, pada

Lebih terperinci

Probabilitas dan Proses Stokastik

Probabilitas dan Proses Stokastik Probabilitas dan Proses Stokastik Tim ProStok Jurusan Teknik Elektro - FTI Institut Teknologi Sepuluh Nopember Surabaya, 2014 O U T L I N E 1. Capaian Pembelajaran 2. Pengantar dan 3. Contoh 4. Ringkasan

Lebih terperinci

Minggu 3 Peluang Bersyarat (Teorema Bayes) Minggu 4 Peubah Acak, Fungsi Peluang, Fungsi Distribusi. Minggu 6 Distribusi Peubah Acak Diskrit (PAD)

Minggu 3 Peluang Bersyarat (Teorema Bayes) Minggu 4 Peubah Acak, Fungsi Peluang, Fungsi Distribusi. Minggu 6 Distribusi Peubah Acak Diskrit (PAD) MUGE Statistika Dosen: Aniq A Rohmawati, M.Si [Kelas Statistika] CS-8-0 [Jadwal] Rabu 1.0-14.0 R.KU.05.14; Jumat 16.0-18.0 R.KU.05.15 [Materi Statistika] Minggu 1 Statistika deskriptif Minggu Tipe kejadian

Lebih terperinci

Aksioma Peluang. Bab Ruang Contoh

Aksioma Peluang. Bab Ruang Contoh Bab 2 Aksioma Peluang 2.1 Ruang Contoh Dalam suatu percobaan, kita tidak tahu dengan pasti apa hasil yang akan terjadi. Misalnya pada percobaan membeli lampu pijar, kita tidak tahu dengan pasti, apakah

Lebih terperinci