Distribusi Probabilitas : Normal. Debrina Puspita Andriani /

Ukuran: px
Mulai penontonan dengan halaman:

Download "Distribusi Probabilitas : Normal. Debrina Puspita Andriani /"

Transkripsi

1 Distribusi Probabilitas : Normal 10 Debrina Puspita Andriani debrina.ub@gmail.com / debrina@ub.ac.id

2 2 Outline Pendahuluan Jenis Distribusi Normal Transformasi dari Nilai X ke Z Pendekatan Normal untuk Binomial

3 3 Distribusi Probabilitas Normal

4 x 4 Karakteristik Distribusi Kurva Normal µ 1. Kurva berbentuk genta (µ= Md= Mo) 2. Kurva berbentuk simetris 3. Kurva normal berbentuk asimptotis 4. Kurva mencapai puncak pada saat X= µ 5. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai tengah dan ½ di sisi kiri.

5 Definisi Kurva Normal 5 Bila X suatu variabel random normal dengan nilai tengah µ, dan standar deviasi σ, maka persamaan kurva normalnya adalah: N(X; µ,σ) = 1 e 1/2[(x-µ)/σ] 2, 2πσ 2 Untuk - <X< di mana π = 3,14159 e = 2,71828

6 JENIS-JENIS DISTRIBUSI NORMAL (1) m Mesokurtic Platykurtic Leptokurtic Distribusi kurva normal dengan µ sama dan σ berbeda

7 JENIS-JENIS DISTRIBUSI NORMAL (2) 7 Mangga C Mangga A Mangga B Distribusi kurva normal dengan µ berbeda dan σ sama

8 JENIS-JENIS DISTRIBUSI NORMAL (3) Distribusi kurva normal dengan µ dan σ berbeda

9 Grafik kurva normal 9 0,5 0,5 µ a µ b x P(x µ) = 0,5 P(x µ) = 0,5 Luas kurva normal : Luas kurva normal antara x = a & x = b = probabilitas x terletak antara a dan b

10 Transformasi dari Nilai X Ke Z 10 Transformasi dari X ke Z Di mana nilai Z: x z Z = X - µ σ

11 11 Z > 0 jika x > µ Z < 0 jika x < µ Simetri : P(0 Z b) = P(-b Z 0)

12 12

13 Contoh (1) 13 Diketahui data berdistribusi normal dengan mean µ = 55 dan deviasi standar = 15 a. P(55 x 75) Solusi: P(55 x 75) = = = P(0 Z 1,33) = 0,4082 (Tabel III) Atau Tabel III à A = 0,4082

14 Contoh (1) 14 Diketahui data berdistribusi normal dengan mean µ = 55 dan deviasi standar = 15 b. P(60 x 80) Solusi: P(60 x 80) = = P(0,33 Z 1,67) = P(0 Z 1,67) P(0 Z 0,33) = 0,4525 0,1293 = 0,3232 Atau Z1 = = 0,33 à B = 0,1293 Z2 = = 1,67 à A = 0,4525 C = A B = 0,3232

15 Contoh (1) Diketahui data berdistribusi normal dengan mean µ = 55 dan deviasi standar = c. P(40 x 60) = A + B Solusi: P(40 x 60) = = P(-1,00 Z 0,33) = P(-1,00 Z 0) + P(0 Z 0,33) = 0, ,1293 = 0, 4705 Atau Z1 = = -1,00 à A = 0,3412 Z2 = = 0,33 à B = 0,1293

16 Contoh (1) Diketahui data berdistribusi normal dengan mean µ = 55 dan deviasi standar = d. P(x 85) e. P(x 85) P(x 85) = 0,5 + A = 0,5 + 0,4772 = 0,9772

17 Contoh (2) 17 Diketahui rata-rata hasil ujian adalah 74 dengan simpangan baku 7. Jika nilai-nilai peserta ujian berdistribusi normal dan 12% peserta nilai tertinggi mendapat nilai A, berapa batas nilai A yang terendah? Solusi

18 Pendekatan Normal untuk Binomial 18 Distribusi Binomial : Exp : Pendekatan normal untuk binomial dengan n = 15, p = 0,4

19 Menurut Teorema Limit Pusat : Jika x suatu variabel random binomial dengan 19 mean & variansi. Jika n cukup besar (n>30) dan p tidak terlalu dekat dengan 0 atau 1, maka :

20 Contoh (1) 20 Suatu pabrik/ perusahaan pembuat CD menghasilkan 10% CD yang cacat/ rusak. Jika 100 CD dipilih secara random, berapa probabilitas terdapat : a) 8 CD yang rusak b) Paling sedikit 12 CD yang rusak c) Paling banyak 5 CD yang rusak Solusi: x = banyak CD yang rusak x Bin(100; 0,1) n = 100, p = 0,1 µ = n.p = 100.(0,1) = 10 σ 2 = n.p.(1-p)=100.(0,1).(0,9)=9 à σ = 9 = 3

21 Contoh (1) 21 a) P(x = 8) = Luas kurva normal antara x1 = 7,5 dan x2 = 8,5 Z1 = = -0,83 à A = 0,2967 Z2 = = -0,50 à B = 0,1915 P(x = 8) = A B = 0,2967 0,1915 = 0,1052

22 Contoh (1) 22 b) P(x 12) = Luas kurva normal dari x = 11,5 ke kanan à A = 0,1915 P(x 12) = 0,5 0,1915 = 0,3085

23 Contoh (1) 23 c) P(x 5) = Luas kurva normal dari x = 5,5 ke kiri à A = 0,4332 = -1,50 P(x 5) = 0,5 0,4332 = 0,0668

24 Contoh (2) 24 Dalam ujian pilihan ganda, tersedia 200 pertanyaan dengan 4 alternatif jawaban dan hanya 1 jawaban yang benar. Jika seseorang memilih jawaban secara random, berapa peluang dia lulus ujian (syarat lulus : benar paling sedikit 60). Solusi x = banyak jawaban yang benar P = 0,25 = ¼ à 1 p = 0,75 x Bin(200; 0,25) µ = n.p = 50 σ 2 = n.p(1-p) = 200(0,25).(0,75) = 37,5 à σ = 6,13

25 Contoh (2) 25 P(x 60) = Luas kurva normal dari x = 59,5 ke kanan Z1 = = 1,55 à A = 0,4394 P(x 60) = 0,5 0,4394 = 0,0606 = 6,06 %

26 26 Tugas 3 Apa pentingnya distribusi normal? Kenapa data penelitian diharapkan terdistribusi normal?

OUT LINE. Distribusi Probabilitas Normal. Pengertian Distribusi Probabilitas Normal. Distribusi Probabilitas Normal Standar

OUT 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 terperinci

DISTRIBUSI TEORITIS. Variabel Acak Distribusi Teoritis Binomial Normal

DISTRIBUSI 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 terperinci

DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS

DISTRIBUSI 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 terperinci

DISTRIBUSI PROBABILITAS NORMAL

DISTRIBUSI 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 terperinci

Distribusi Probabilitas : Gamma & Eksponensial

Distribusi Probabilitas : Gamma & Eksponensial Distribusi Probabilitas : Gamma & Eksponensial 11 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Gamma Distribusi Eksponensial 3 Distribusi Gamma Tidak selamanya

Lebih terperinci

DISTRIBUSI PROBABILITAS NORMAL

DISTRIBUSI 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 terperinci

PENGUJIAN HIPOTESIS (3) Debrina Puspita Andriani /

PENGUJIAN HIPOTESIS (3) Debrina Puspita Andriani    / PENGUJIAN HIPOTESIS (3) 4 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Uji Hipotesis untuk Variansi/ Standard Deviasi 3 Uji Hipotesis untuk Variansi (1) 4 Data statistik

Lebih terperinci

Distribusi Sampling 6.2. Debrina Puspita Andriani /

Distribusi Sampling 6.2. Debrina Puspita Andriani    / 6. Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline Pengertian dan Konsep Dasar Distribusi Sampling Distribusi Sampling Mean Distribusi Sampling Proporsi Distribusi Sampling

Lebih terperinci

DISTRIBUSI NORMAL. Fitri Yulianti

DISTRIBUSI 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 terperinci

Distribusi Probabilitas Diskrit: Poisson

Distribusi Probabilitas Diskrit: Poisson Distribusi Probabilitas Diskrit: Poisson 7.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Pendekatan Binomial Poisson Distribusi Poisson Kapan distribusi

Lebih terperinci

KARAKTERISTIK DISTRIBUSI KURVA NORMAL

KARAKTERISTIK 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 terperinci

STATISTICS. Oleh: Hanung N. Prasetyo DISTRIBUSI NORMAL WEEK 6 TELKOM POLTECH/HANUNG NP

STATISTICS. 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 terperinci

15Ilmu. Uji t-student dan Uji Z (Distribusi Normal)

15Ilmu. 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 terperinci

STATISTIK NON PARAMETRIK (2) Debrina Puspita Andriani /

STATISTIK NON PARAMETRIK (2) Debrina Puspita Andriani    / STATISTIK NON PARAMETRIK (2) 13 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Uji Korelasi Urutan Spearman Statistik Non Parametrik 3 Uji Korelasi Urutan Spearman

Lebih terperinci

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah

Distribusi 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 terperinci

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI

STATISTIKA. 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 terperinci

DISTRIBUSI NORMAL. Pertemuan 3. 1 Pertemuan 3_Statistik Inferensial

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 terperinci

Distribusi Probabilitas Diskrit: Geometrik Hipergeometrik

Distribusi Probabilitas Diskrit: Geometrik Hipergeometrik Distribusi Probabilitas Diskrit: Geometrik Hipergeometrik 4.3 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Geometrik Distribusi Hipergeometrik Distribusi

Lebih terperinci

KONSEP PROBABILITAS & DISTRIBUSI PROBABILITAS

KONSEP 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 terperinci

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1

DISTRIBUSI 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 terperinci

Distribusi 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 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 terperinci

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata

Probabilitas 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 terperinci

Distribusi Normal. Statistika (MAM 4137) Syarifah Hikmah JS

Distribusi 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 terperinci

Bab 2 DISTRIBUSI PELUANG

Bab 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 terperinci

Jenis Distribusi. 1. Distribusi Probabilitas 2. Distribusi Binomial (Bernaulli) 3. Distribusi Multinomial 4. Distribusi Normal (Gauss)

Jenis 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 terperinci

Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif

Distribusi 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 terperinci

PENGUJIAN HIPOTESIS (3)

PENGUJIAN HIPOTESIS (3) PENGUJIAN HIPOTESIS (3) 3 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Uji Hipotesis untuk Proporsi 3 Uji Hipotesis

Lebih terperinci

Makalah Statistika Distribusi Normal

Makalah 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 terperinci

Kumpulan 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=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 terperinci

D 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 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 terperinci

BAB II DISTRIBUSI PROBABILITAS

BAB 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 terperinci

Binomial Distribution. Dyah Adila

Binomial 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 terperinci

Pertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu

Pertemuan 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 terperinci

PENGUJIAN HIPOTESIS (1) Debrina Puspita Andriani /

PENGUJIAN HIPOTESIS (1) Debrina Puspita Andriani    / PENGUJIAN HIPOTESIS (1) 1 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pengertian Pengujian Hipotesis (1) 3 BAHASA YUNANI HUPO Lemah, kurang, di bawah THESIS Teori,

Lebih terperinci

Distribusi Probabilitas Diskrit: Binomial & Multinomial

Distribusi 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 terperinci

DISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30

DISTRIBUSI 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 terperinci

BAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu

BAB 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 terperinci

Pengukuran Deskriptif

Pengukuran Deskriptif Pengukuran Deskriptif 2.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi

Lebih terperinci

Distribusi Normal, Skewness dan Qurtosis

Distribusi 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 terperinci

STATISTIKA. Distribusi Binomial. Ingat contoh pemilihan 1 kegiatan (Kegiatan A) dari 4 kegiatan untuk didanai. Distribusi Normal

STATISTIKA. Distribusi Binomial. Ingat contoh pemilihan 1 kegiatan (Kegiatan A) dari 4 kegiatan untuk didanai. Distribusi Normal STATISTIKA Distribusi Normal Distribusi Binomial Ingat contoh pemilihan 1 kegiatan (Kegiatan A) dari 4 kegiatan untuk didanai Distribusi Binomial Histogram Distribusi Probabilitas Sukses Statistika Distribusi

Lebih terperinci

REGRESI LINIER BERGANDA. Debrina Puspita Andriani /

REGRESI LINIER BERGANDA. Debrina Puspita Andriani    / REGRESI LINIER BERGANDA 9 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline 03//04 Regresi Berganda : PENGERTIAN 3 Menguji hubungan linier antara variabel dependen (y) dan

Lebih terperinci

Ukuran Penyebaran Suatu ukuran baik parameter atau statistik untuk mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya.

Ukuran Penyebaran Suatu ukuran baik parameter atau statistik untuk mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya. UKURAN PENYEBARAN 1 Bab 4 PENGANTAR Ukuran Penyebaran Suatu ukuran baik parameter atau statistik untuk mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya. Ukuran penyebaran membantu

Lebih terperinci

DISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016

DISTRIBUSI 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 terperinci

BIOSTATISTIK HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA ( ) NURTASMIA ( ) SOBRI ( )

BIOSTATISTIK 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 terperinci

Distribusi Probabilitas Kontinyu Teoritis

Distribusi Probabilitas Kontinyu Teoritis Distribusi Probabilitas Kontinyu Teoritis Suprayogi Dist. Prob. Teoritis Kontinyu () Distribusi seragam kontinyu (continuous uniform distribution) Distribusi segitiga (triangular distribution) Distribusi

Lebih terperinci

Pengukuran Deskriptif. Debrina Puspita Andriani /

Pengukuran Deskriptif. Debrina Puspita Andriani    / Pengukuran Deskriptif 3 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi Pengukuran

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

PENGUJIAN HIPOTESIS (2) Debrina Puspita Andriani /

PENGUJIAN HIPOTESIS (2) Debrina Puspita Andriani    / PENGUJIAN HIPOTESIS (2) 2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Uji Hipotesis untuk Rata-rata Sampel Berukuran Besar 3 Uji Rata-rata untuk Sampel Berukuran

Lebih terperinci

BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 4. BEBERAPA DISTRIBUSI PELUANG DISKRET

BAHAN 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 terperinci

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26

Haryoso 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 terperinci

Teorema Newman Pearson

Teorema Newman Pearson pengujian terbaik Andi Kresna Jaya andikresna@yahoo.com Jurusan Matematika October 6, 2014 Outline 1 Review 2 Uji dua sisi untuk mean 3 Teorema Neyman-Pearson Back Outline 1 Review 2 Uji dua sisi untuk

Lebih terperinci

Makalah Sebagai Salah Satu Tugas dalam Mata Kuliah ANALISIS STATISTIK. Oleh: 1. Trilius Septaliana KR ( ) 2. Aisyah ( )

Makalah Sebagai Salah Satu Tugas dalam Mata Kuliah ANALISIS STATISTIK. Oleh: 1. Trilius Septaliana KR ( ) 2. Aisyah ( ) MOMEN, KEMIRINGAN DAN KERUNCINGAN, DISTRIBUSI NORMAL, DISTRIBUSI T, DISTRIBUSI F, DISTRIBUSI BINOMIAL, DISTRIBUSI POISSON, UJI NORMALITAS DAN HOMOGENITAS, UJI F DAN t, HIPOTESIS, DAN ANOVA Makalah Sebagai

Lebih terperinci

BEBERAPA DISTRIBUSI PELUANG KONTINU. Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F

BEBERAPA 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 terperinci

BAB IV METODE PENELITIAN

BAB IV METODE PENELITIAN BAB IV METODE PENELITIAN 4.1. Waktu dan Tempat Penelitian Penelitian dilaksanakan pada bulan Maret hingga April 2011 dengan lokasi penelitian berada di Hutan Pendidikan Gunung Walat, Kabupaten Sukabumi.

Lebih terperinci

DISPERSI DATA. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)

DISPERSI DATA. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation) DISPERSI DISPERSI DATA Ukuran penyebaran suatu kelompok data terhadap pusat data. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)

Lebih terperinci

STATISTIK NON PARAMETRIK (2)

STATISTIK NON PARAMETRIK (2) STATISTIK NON PARAMETRIK (2) 12 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Uji Korelasi Urutan Spearman Statistik

Lebih terperinci

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean

MA5283 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 terperinci

DISTRIBUSI PELUANG.

DISTRIBUSI 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

DISTRIBUSI PROBABILITAS

DISTRIBUSI PROBABILITAS BAB 7 DISTRIBUSI PROBABILITAS Kompetensi Menjelaskan distribusi probabilitas Indikator 1. Menjelaskan distribusi hipergeometris 2. Menjelaskan distribusi binomial 3. Menjelaskan distribusi multinomial

Lebih terperinci

STATISTIKA 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 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 terperinci

KURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana)

KURVA 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 terperinci

Distribusi Teoritis Probabilitas. Distribusi Teoritis Probabilitas. Distribusi Binomial. Distribusi Binomial. Distribusi Binomial

Distribusi Teoritis Probabilitas. Distribusi Teoritis Probabilitas. Distribusi Binomial. Distribusi Binomial. Distribusi Binomial Distribusi Teoritis Probabilitas Topik Distribusi teoritis Binomial Distribusi teoritis Poisson Distribusi teoiritis Normal 3 4 Distribusi Teoritis Probabilitas Distr. Teoritis Probabilitas Diskrit Kontinyu

Lebih terperinci

KORELASI LINIER BERGANDA. Debrina Puspita Andriani /

KORELASI LINIER BERGANDA. Debrina Puspita Andriani    / KORELASI LINIER BERGANDA 10 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline 3 Korelasi Linear Berganda Alat ukur mengenai hubungan yang terjadi antara variabel terikat

Lebih terperinci

MA2181 Analisis Data - U. Mukhaiyar 1

MA2181 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 terperinci

Distribusi Teoritis Probabilitas

Distribusi Teoritis Probabilitas Distribusi Teoritis Probabilitas Topik Distribusi teoritis Binomial Distribusi teoritis Poisson Distribusi teoiritis Normal 2 Distribusi Teoritis Probabilitas Distr. Teoritis Probabilitas Diskrit Kontinyu

Lebih terperinci

Pembahsan 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 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 terperinci

DISTRIBUSI KONTINU. Utriweni Mukhaiyar

DISTRIBUSI 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Bab 5 Distribusi Sampling

Bab 5 Distribusi Sampling Bab 5 Distribusi Sampling Pendahuluan Untuk mempelajari populasi kita memerlukan sampel yang diambil dari populasi yang bersangkutan. Meskipun kita dapat mengambil lebih dari sebuah sampel berukuran n

Lebih terperinci

Teknik Pengolahan Data

Teknik Pengolahan Data Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Distribusi Normal 1 Distribusi Binomial Ingat contoh pemilihan 1 kegiatan

Lebih terperinci

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT

UJI 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 terperinci

Sebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran nor

Sebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran nor Sebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran normal menjadi syarat untuk dilakukan Analisis varian,

Lebih terperinci

PENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015

PENS. 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 terperinci

Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA. Distribusi Normal. 1-Sep-14

Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA. Distribusi Normal. 1-Sep-14 Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA Distribusi Normal 1-Sep-14 http://istiarto.staff.ugm.ac.id 1 Distribusi Binomial Ingat contoh pemilihan 1 kegiatan (Kegiatan A) dari

Lebih terperinci

BAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat

BAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan

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

DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2. Distribusi Hipergeometrik

DISTRIBUSI 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 terperinci

KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.

KONSEP 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 terperinci

Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan ANALISIS FREKUENSI. Statistika dan Probabilitas

Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan ANALISIS FREKUENSI. Statistika dan Probabilitas Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan ANALISIS FREKUENSI Statistika dan Probabilitas 2 Regresi Linear Tabel data x i y i = f(x i ) 1 0.5 2 2.5 3 2 4 4 5 3.5 6 6

Lebih terperinci

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 13/11/2013

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 13/11/2013 3//203 STATISTIK INDUSTRI Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh:

Lebih terperinci

PETA KENDALI ATRIBUT. 6 Pengendalian Kualitas

PETA KENDALI ATRIBUT. 6 Pengendalian Kualitas PETA KENDALI ATRIBUT 6 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : hcp://debrina.lecture.ub.ac.id/ 2 Outline Peta Kendali Variabel

Lebih terperinci

KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:

KULIAH 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 terperinci

BAHAN KULIAH. Konsep Probabilitas Probabilitas Diskrit dan Kontinyu

BAHAN 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 terperinci

5. Fungsi dari Peubah Acak

5. 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 terperinci

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU

MODUL 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 terperinci

DISTRIBUSI PROBABILITAS (PELUANG)

DISTRIBUSI PROBABILITAS (PELUANG) DISTRIBUSI PROBABILITAS (PELUANG) Distribusi Probabilitas (Peluang) Distribusi? Probabilitas? Distribusi Probabilitas? JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Distribusi = sebaran,

Lebih terperinci

MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALA

MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALA MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALAM STATISTIKA HARGA HARAPAN Definisi Misalkan X variabel random. Bila X variabel random kontinu dengan f.k.p. f (x) dan maka harga harapan X adalah

Lebih terperinci

l.makalah DISTRIBUSI PROBABILITAS DISKRIT

l.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 terperinci

Pengertian limit secara intuisi

Pengertian limit secara intuisi Pengertian it secara intuisi Perhatikan fungsi f ( ) = Fungsi diatas tidak terdefinisi di =, karena di titik tersebut f() berbentuk 0/0. Tapi masih bisa ditanyakan berapa nilai f() jika mendekati Dengan

Lebih terperinci

Tugas Kelompok. Mata Kuliah Metodologi Penelitian Kuantitatif. Judul Makalah Revisi DISTRIBUSI PELUANG

Tugas 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 terperinci

Hipotesis. Penerimaan hipotesis menunjukkan bahwa tidak cukup petunjuk untuk mempercayai sebaliknya

Hipotesis. Penerimaan hipotesis menunjukkan bahwa tidak cukup petunjuk untuk mempercayai sebaliknya Hipotesis Suatu anggapan yang mungkin benar atau tidak mengenai suatu populasi atau lebih Digunakan istilah diterima atau ditolak untuk suatu hipotesis Penolakan suatu hipotesis berarti menyimpulkan bahwa

Lebih terperinci

4. Sebaran Peluang Kontinyu

4. 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 terperinci

PENGUJIAN HIPOTESIS (2)

PENGUJIAN HIPOTESIS (2) PENGUJIAN HIPOTESIS (2) 2 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Uji Hipotesis untuk Rata-rata Sampel

Lebih terperinci

Nilai 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

Nilai 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 terperinci

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

Beberapa 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 terperinci

PETA KENDALI ATRIBUT. 6 Pengendalian Kualitas

PETA KENDALI ATRIBUT. 6 Pengendalian Kualitas PETA KENDALI ATRIBUT 6 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : hcp://debrina.lecture.ub.ac.id/ 2 Outline Peta Kendali Variabel

Lebih terperinci

TATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS. Fitri Yulianti, SP. MSi.

TATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS. Fitri Yulianti, SP. MSi. TATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS Fitri Yulianti, SP. MSi. UKURAN PENYIMPANGAN Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan tinggi rendahnya perbedaan data yang diperoleh

Lebih terperinci

KORELASI LINIER BERGANDA

KORELASI LINIER BERGANDA KORELASI LINIER BERGANDA 10 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline 3 Analisa Korelasi Untuk mengukur

Lebih terperinci

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist

BI5106 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 terperinci