Perilaku Distribusi Bernoulli. Definisi: Bernoulli. Contoh Binomial. Contoh Binomial

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "Perilaku Distribusi Bernoulli. Definisi: Bernoulli. Contoh Binomial. Contoh Binomial"

Transkripsi

1 Defiisi: Beroulli ercobaa Beroulli: Haya terdaat satu kali ercobaa dega eluag sukses da eluag gagal - eluag Sukse: eluag Gagal: ( = ) = ( = 0 ( = 0) = ( 0 0 = erilaku Distribusi Beroulli E() = Var () = (- Var( Y ) = E( Y = [ + 0 ( ] [ + 0( ] = = ( ) E( Y ) Cotoh Biomial Melemar koi sebayak 5 kali. Beraa eluag medaatka teat 3 keala? Catata: - ercobaa Diskrit - Memuyai keluara bier (ya da tidak atau da 0) - memuyai eluag yag sama tia kali lemara eyelesaia: Cotoh Biomial Satu cara medaat teat 3 keala: HHHTT eluagya adalah: (heads)x(heads) x(heads)x(tails)x(tails) =(/) 3 x (/) Cara lai medaatka teat 3 keala: THHHT eluagya = (/) x (/) 3 x (/) = (/) 3 x (/)

2 Cotoh Biomial Jadi, (/) 3 x (/) meruaka eluag utuk medaatka teat 3 keala da ekor Sehigga, eluag utuk medaat 3 keala da ekor (sejauh yag kita daat sekarag) adalah: /) 3 x (/) + (/) 3 x (/) + (/) 3 x (/) +.. Namu, terdaat lebih dari satu egatura 3 keala da ekor. Ada beraa cara utuk megaturya? 5 3 cara utuk megatur 3 keala dalam 5 ercobaa 5 C 3 = 5!/3!! = 0 Cotoh Biomial Keluara eluag THHHT (/) 3 x (/) HHHTT (/) 3 x (/) TTHHH (/) 3 x (/) HTTHH (/) 3 x (/) HHTTH (/) 3 x (/) HTHHT (/) 3 x (/) THTHH (/) 3 x (/) HTHTH (/) 3 x (/) HHTHT (/) 3 x (/) THHTH (/) 3 x (/) HTHHT (/) 3 x (/) 0 egatura x (/) 3 x (/) eluag dari tia egatura yag uik Cat: eluagya sama Biomial distributio fuctio: (3 keala da ekor) = 5 x (heads) 3 x (tails) = 3 0 x (½) 5= 3.5% = bayakya keluar keala dari 5 kali ercobaa (x) Atau lihat tabel Biomial bayakya keala x

3 Distribusi eluag Biomial Distribusi Biomial, secara umum Bayak yag teat dari sejumlah observasi (ercobaa), Cotoh: koi dilemar 5 kali, 0 asie, 000 orag yag ikut survei eubah Acak Bier Cotoh: keala atau ekor, rusak atau baik, laki atau eremua Secara umum disebut sukses atau gagal eluag sukses adalah, eluag gagal adalah Utuk setia observasi ercobaa adalah kosta Cotoh: e;uag medaatka keala adalah sama utuk tia ercobaa Betuk umum dari distribusi Biomial adalah: = # bayak sukses dari ercobaa = bayak ercobaa ( = eluag sukses - = eluag gagal Defiisi: Biomial Biomial: Misal terdaat ercobaa yag salig bebas, da tia ercobaa meghasilka sebuah sukses dega eluag da gagal dega eluag -. Jika total bayakya sukses,, meruaka eubah acak Biomial dega arameter da. eulisaya adalah: ~ Bi (, {dibaca: iberdistribusi biomial dega arameter da } Da eluag bahwa =r (i.e., terdaat teat r sukses) adalah: r r ( = r) = ( r Defiisi: Biomial Jika megikuti distribusi biomial dega arameter da : ~ Bi (, Maka: µ x = E() = σ x =Var () = (- σ x =SD ()= ( catata: varias aka berada atara 0*N *N (- mecaai maks saat =.5 (-=.5 3

4 For ~Bi (N, = i= Y Berouilli = Var( ) = Var( Defiisi: Biomial ; Var( Y ) = ( i= Y ) = i= Var( Y ) = ( Distribusi geometric biasaya diterjemahka sebagai bayakya ercobaa samai kejadia gagal terjadi. Bayakya koi dilemar samai keluar ekor utuk ertama kaliya. eubah acak adalah bayakya lemara samai ekor mucul ertama kaliya eluag mucul keala (sukses) adalah. 4 Fugsi eluag dari distribusi Geometric ( ) = ( ( ) = ( ( 3) = ( ( = ( Jadi, ( )? x ( x) = ( seterusya. x = (x bil. Bulat ositif) erhatikabahwa tidak terdaat batas atas utuk Igat ejumlaha semua eluag adalah : x ( x) = ( = ( = x ( = ( = ( ) 0 Deret Geometric x 6 4

5 x = ( < ) 0 0 x x = = ( ( Turuka kedua sisi terhada : lajuta Exectatio: x x ( x) x ( = ( = = x ( = ( ) x 7 Lajuta Variace: V ( ) = ( Cotoh: Geometric Sebuah dadu dilemar samai mata 6 didaatka. Jika adalah bayakya ercobaa samai sukses didaatka, maka tabel eluagya adalah (=x) Guaka tabel diatas utuk medaatka mea da varias. Aa hasilya? 5

6 Distribusi Negative Biomial (ascal s) Defiisi (versi ertama): Negatif Biomial diguaka utuk memberika r sukses dalam x ercobaa, dimaa sukses terakhir meruaka akhir ercobaa. eluag sukses adalah, sedagka eluag gagal adl q. Distribusi Negative Biomial (ascal s) Defiisi (versi kedua): Negatif Biomial diguaka utuk memberika r gagal dalam x ercobaa sebelum sukses yag ke-r. eluag sukses adalah, sedagka eluag gagal adl q. Aa yag dimaksud Negatif? Nama Negatif dimaksudka sebagai alikasi betuk umum Teorema Biomial dega agkat Negatif Mea Varias Negatif Biomial 6

7 Negatif Biomial (Cotoh) Sebuah dadu yag adil dilemar samai mata 6 (eam) keluar kali. Tetuka eluag bahwa 5 kali lemara dibutuhka utuk medaatka kali agka 6. Hyergeometric Distribusi Hyergeometric terjadi ketika samel diambil taa egembalia dari sebuah oulasi (N). Bayakya sukses ada oulasi diberika oleh r. Bayakya sukses ada samel diberika oleh y. Dimaa max (0, +r-n) k mi (r,) Hyergeometric Mea E(Y) = = r/n Varias Hyergeometric Cotoh: 0 kartu diambil dari satu aket kartu. Tetuka eluag terdaat teat ace dari 0 kartu. N = 0, r = 4, k =, N = 5, = /3 7

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 da Distribusi Peluag Peubah Acak (Radom Variable): Sebuah keluara umerik yag merupaka hasil dari percobaa (eksperime) Utuk setiap aggota dari ruag sampel percobaa, peubah

Lebih terperinci

Distribusi Peluang BERBAGAI MACAM DISTRIBUSI SAMPEL. Distribusi Peluang 5/6/2012

Distribusi Peluang BERBAGAI MACAM DISTRIBUSI SAMPEL. Distribusi Peluang 5/6/2012 5/6/0 Distribusi Peluag BERBAGAI MACAM DISTRIBUSI SAMPEL Distribusi peluag, P( x), adalah kumpula pasaga ilai-ilai variabel acak Cotoh: Jika dua buah koi dilempar bersamaa. Kejadia bayakya mucul agka.

Lebih terperinci

1 n MODUL 5. Peubah Acak Diskret Khusus

1 n MODUL 5. Peubah Acak Diskret Khusus ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai

Lebih terperinci

Jurdik Fisika FPMIPA UPI Bandung DISTRIBUSI VARIABEL RANDOM DISKRIT

Jurdik Fisika FPMIPA UPI Bandung DISTRIBUSI VARIABEL RANDOM DISKRIT Jurdik Fisika FPMIPA UPI Badug DISTRIBUSI VARIABEL RANDOM DISKRIT Distribusi Variabel Radom Diskrit Proses Beroulli Distribusi Biomial Distribusi Geometrik Distribusi Hiergeometrik Proses & Distribusi

Lebih terperinci

Distribusi Sampel, Likelihood dan Penaksir

Distribusi Sampel, Likelihood dan Penaksir BAB 1 Distribusi Sampel, Likelihood da Peaksir 1.1 Sampel Acak Misalka X 1, X 2,..., X sampel acak berukura (radom sample of size ). Fugsi peluag -variat ya adalah f X1,X 2,,X (x 1, x 2,..., x ) = f Xi

Lebih terperinci

Distribusi Probabilitas (Peluang)

Distribusi Probabilitas (Peluang) Distribusi Probabilitas (Peluag Distribusi? Probabilitas? Distribusi Probabilitas? JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Distribusi sebara, ecara, susua data Probabilitas: a

Lebih terperinci

DISTRIBUSI KHUSUS YANG DIKENAL

DISTRIBUSI KHUSUS YANG DIKENAL 0 DISTRIBUSI KHUSUS YANG DIKENAL Kita sudah membahas fugsi peluag atau fugsi desitas, baik defiisiya maupu sifatya. Fugsi peluag atau fugsi desitas ii merupaka ciri dari sebuah distribusi, artiya fugsi

Lebih terperinci

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali)

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali) DISTRIBUSI BINOMIAL Distribusi bioial berasal dari percobaa bioial yaitu suatu proses Beroulli yag diulag sebayak kali da salig bebas. Distribusi Bioial erupaka distribusi peubah acak diskrit. Secara lagsug,

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi suatu ring serta

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi suatu ring serta BAB II LANDASAN TEORI Pada bab ii aka dibahas megeai defiisi suatu rig serta beberaa sifat yag dierluka dalam embahasa oliomial ermutasi Pejelasa megeai rig dimulai dega defiisi dari suatu sistem matematika

Lebih terperinci

Himpunan. Himpunan 3/28/2012. Semesta Pembicaraan Semua mobil di Indonesia

Himpunan. Himpunan 3/28/2012. Semesta Pembicaraan Semua mobil di Indonesia Himpua Suatu himpua atau gugus adalah merupaka sekumpula obyek. Pada umumya aggota dari gugus tersebut memiliki suatu sifat yag sama. Suatu himpua bagia atau aak gugus merupaka sekumpula obyek yag aggotaya

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI LNDSN TEORI. robabilitas robabilitas adalah suatu ilai utuk megukur tigkat kemugkia terjadiya suatu eristiwa evet aka terjadi di masa medatag yag hasilya tidak asti ucertai evet. robabilitas diyataka atara

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

1. Pendahuluan. Materi 3 Pengujuan Hipotesis

1. Pendahuluan. Materi 3 Pengujuan Hipotesis Materi 3 Pegujua Hiotesis. Pedahulua Hiotesis eryataa yag meruaka edugaa berkaita dega ilai suatu arameter oulasi (satu atau lebih oulasi) Kebeara suatu hiotesis diuji dega megguaka statistik samel hiotesis

Lebih terperinci

SOAL-JAWAB MATEMATIKA PEMINATAN STATISTIKA. 6 cm, 7 cm, 6 cm, 4 cm, 6 cm, 3 cm, 7 cm, 6 cm, 5 cm, 8 cm.

SOAL-JAWAB MATEMATIKA PEMINATAN STATISTIKA. 6 cm, 7 cm, 6 cm, 4 cm, 6 cm, 3 cm, 7 cm, 6 cm, 5 cm, 8 cm. SOAL-JAWAB MATEMATIKA PEMINATAN STATISTIKA Soal Diberika data egukura sebagai berikut: 6 cm, 7 cm, 6 cm, 4 cm, 6 cm, 3 cm, 7 cm, 6 cm, 5 cm, 8 cm. Tetukalah: a) Modus b) Media c) Kuartil bawah Urutka data

Lebih terperinci

Statistika 2. Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc.

Statistika 2. Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc. Statistika Toik Bahasa: Pegujia Hiotesis Oleh : Edi M. Pribadi, SP., MSc. E-mail: edi_m@staff.guadarma.ac.id. Pedahulua Hiotesis eryataa yag meruaka edugaa berkaita dega ilai suatu arameter oulasi (satu

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

PERSAMAAN DIFERENSIAL

PERSAMAAN DIFERENSIAL PERSAMAAN DIFERENSIAL A. Persamaa Diferesial Liier Tigkat Satu Betuk umum ersamaa diferesial liier tigkat satu adalah sebagai berikut: P( ) y Q( ) d atau y P( ) y Q( ) Rumus eyelesaia umum utuk ersamaa

Lebih terperinci

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas

Lebih terperinci

Haryoso Wicaksono, S.Si., M.M., M.Kom. 8

Haryoso Wicaksono, S.Si., M.M., M.Kom. 8 Seragam (Uiform) [D1] : Fugsi probabilita Uiform utuk semua ilai. Dimaa merupaka bayakya 1 f ( ) obyek da diasumsika memiliki sifat yag sama. Biomial [D2] : Sifat percobaa Biomial : Percobaa dilakuka dalam

Lebih terperinci

Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N,

Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N, DISTRIBUSI SAMLING opulasi da Sampel opulasi : totalitas dari semua objek/ idividu yg memiliki karakteristik tertetu, jelas da legkap yag aka diteliti Sampel : bagia dari populasi yag diambil melalui cara-cara

Lebih terperinci

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA TEOREMA LIMIT PUSAT DAN TERAPANNYA Telah dikeal bahwa X 1, X 2...X sampel radom dari distribusi ormal dega mea µ da variasi σ 2, maka x µ σ/ atau xi µ σ

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi 6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0

Lebih terperinci

PELUANG KEJADIAN. 3. Permutasi siklis adalah permutasi yang susunannya melingkar.

PELUANG KEJADIAN. 3. Permutasi siklis adalah permutasi yang susunannya melingkar. PELUANG KEJADIAN A. Atura Perkalia/Pegisia Tempat Jika kejadia pertama dapat terjadi dalam a cara berbeda, kejadia kedua dapat terjadi dalam b cara berbeda, kejadia ketiga dapat terjadi dalam c cara berbeda,

Lebih terperinci

2 BARISAN BILANGAN REAL

2 BARISAN BILANGAN REAL 2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu

Lebih terperinci

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang 2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua

Lebih terperinci

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang II. LANDASAN TEORI Pada bab ii aka diberika beberapa istilah, defiisi serta kosep-kosep yag medukug dalam peelitia ii. 2.1 Kosep Dasar Teori Graf Berikut ii aka diberika kosep dasar teori graf yag bersumber

Lebih terperinci

BAB VIII KONSEP DASAR PROBABILITAS

BAB VIII KONSEP DASAR PROBABILITAS BAB VIII KONSEP DASAR PROBABILITAS 1.1. Pedahulua Dalam pertemua ii Ada aka mempelajari beberapa padaga tetag permutasi da kombiasi, fugsi da metode perhituga probabilitas, da meghitug probabilitas. Pada

Lebih terperinci

theresiaveni.wordpress.com NAMA : KELAS :

theresiaveni.wordpress.com NAMA : KELAS : theresiaveiwordpresscom NAMA : KELAS : 1 theresiaveiwordpresscom BARISAN DAN DERET Barisa da deret dapat diguaka utuk memudahka peyelesaia perhituga, misalya buga bak, keaika produksi, da laba/rugi suatu

Lebih terperinci

Distribusi Sampel Sampling Distribution

Distribusi Sampel Sampling Distribution Chapter 5 Studet Lecture otes 5-1 Samplig Distributio Pegatar Distribusi mea Sampel dari ilai Rata-rata Distribusi mea Sampel dari ilai Proporsi Chap 5-1 Distribusi sampel adalah f() distribusi dari ratarata

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

UKURAN PEMUSATAN DATA

UKURAN PEMUSATAN DATA Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN

Lebih terperinci

BAB IV PERSAMAAN TINGKAT SATU DERAJAT TI NGGI (1-n)

BAB IV PERSAMAAN TINGKAT SATU DERAJAT TI NGGI (1-n) BAB IV ERSAMAAN TINGKAT SATU DERAJAT TI NGGI 1- Stadar Kometesi Setelah memelajari okok bahasa ii diharaka mahasiswa daat memahami ara-ara meetuka selesaia umum ersamaa dieresial tigkat satu derajat tiggi.

Lebih terperinci

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3 BAB XII. SUKU BANYAK A = a Pegertia: f(x) = a x + a x + a x + + a x +a adalah suku bayak (poliom) dega : - a, a, a,.,a, a, a 0 adalah koefisiekoefisie suku bayak yag merupaka kostata real dega a 0 - a

Lebih terperinci

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015 RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi

Lebih terperinci

KARAKTERISTIK GRUP YANG DIBANGUN OLEH MATRIKS N X N DENGAN ENTRI BILANGAN BULAT MODULO P, P PRIMA

KARAKTERISTIK GRUP YANG DIBANGUN OLEH MATRIKS N X N DENGAN ENTRI BILANGAN BULAT MODULO P, P PRIMA KARAKTERISTIK GRUP YANG DIBANGUN OLEH MATRIKS N X N DENGAN ENTRI BILANGAN BULAT MODULO P, P PRIMA Ibu Hadi Program Studi Matematika, Uiversitas Negeri Jakarta, Idoesia ibu_hadi@uj.ac.id, ibu_uj@yahoo.co.id

Lebih terperinci

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa

Lebih terperinci

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 JRA TEKIK OITS Vol. o. -6 Aalisis eta Kedali megguaka Kualitas Fuzzy ada ergesera ilai Rata-Rata da iasi dari Suatu roses Rollita utri Karei I G Rai sadha aksmi rita Wardhai Jurusa atematika Fakultas IA

Lebih terperinci

Teori Penaksiran. Oleh : Dadang Juandi

Teori Penaksiran. Oleh : Dadang Juandi Teori Peakira Oleh : Dadag Juadi Pedahulua Ada metode iferei : metode klaik da metode Baye dalam meakir arameter oulai Dalam metode klaik iferei didaarka ada iformai yag dieroleh melalui amel acak Dalam

Lebih terperinci

PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA

PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA 4.. Tujua : Setelah melaksaaka praktikum ii mahasiswa diharapka mampu : Membedaka data berdasarka jeis variabelya Mapatka mea da varias dari distribusi

Lebih terperinci

Bab6 PENAKSIRAN PARAMETER

Bab6 PENAKSIRAN PARAMETER Bab6 PENAKSIRAN PARAMETER MENAKSIR RATARATA μ Mialka kita memuyai ebuah oulai berukura N dega ratarata µ da imaga baku σ Dari oulai ii arameter ratarata µ aka ditakir Utuk keerlua ii,ambil ebuah amel acak

Lebih terperinci

DERET TAK HINGGA (INFITITE SERIES)

DERET TAK HINGGA (INFITITE SERIES) MATEMATIKA II DERET TAK HINGGA (INFITITE SERIES) sugegpb.lecture.ub.ac.id aada.lecture.ub.ac.id BARISAN Barisa merupaka kumpula suatu bilaga (atau betuk aljabar) yag disusu sehigga membetuk suku-suku yag

Lebih terperinci

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu: Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira

Lebih terperinci

PENGANTAR MODEL LINEAR Oleh: Suryana

PENGANTAR MODEL LINEAR Oleh: Suryana PENGANTAR MODEL LINEAR Oleh: Suryaa Model liear meyagkut masalah statistik yag ketergatugaya terhadap parameter secara liear. Betuk umum model liear adalah 0 1X1... px p, dega = Variabel respo X i = Variabel

Lebih terperinci

PROSES INFERENSI PADA MODEL LOGIT. Oleh: Agus Rusgiyono Program Studi Statistika FMIPA UNDIP. 1 n

PROSES INFERENSI PADA MODEL LOGIT. Oleh: Agus Rusgiyono Program Studi Statistika FMIPA UNDIP. 1 n PROSS INFRNSI PADA MODL LOGIT Oleh: Agus Rusgiyoo Program Studi Statistika FMIPA UNDIP Abstracts Let { 3 L } rereset the resose o a omial radom variable o Beroulli distributio with P[ ] P[ ] where is a

Lebih terperinci

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

ARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN ARTIKEL Meetuka rumus Jumlah Suatu Deret dega Operator Beda Markaba 191115198801005 Maret 015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN PUSAT PENGEMBANGAN DAN PEMBERDAYAAN PENDIDIK DAN TENAGA KEPENDIDIKAN

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval Pedugaa Parameter. Pedahulua Pedugaa Parameter Popoulai dilakuka dega megguaka ilai Statitik Sampel Mial :. x diguaka ebagai peduga bagi. diguaka ebagai peduga bagi 3. p atau p diguaka ebagai peduga bagi

Lebih terperinci

K13 Revisi Antiremed Kelas 11 Matematika

K13 Revisi Antiremed Kelas 11 Matematika K13 Revisi Atiremed Kelas 11 Matematika Persiaa Peilaia Akhir Semester Pas Gajil Doc. Name: RK13AR11MATWJB01PAS Versio : 2016-11 halama 1 01. Negasi dari eryataa Semua siswa hormat keada guru adalah...

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

Modul 1. (Pertemuan 1 s/d 3) Deret Takhingga

Modul 1. (Pertemuan 1 s/d 3) Deret Takhingga Modul. (Pertemua s/d ) Deret Takhigga. Deret Tidak Terhigga. Pembicaraa kita sekarag deret pada umumya. Deret yag bayakya suku tak terbatas disebut deret tak higga, otasi : Masalah pokok pada deret tak

Lebih terperinci

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

Abstract

Abstract Ideedet Domiatio Number Pada Graf Oerasi Siti Amiatus Solehah 1,, Ika Hesti Agusti 1,, Dafik 1,3 1 CGANT- Uiversity of Jember Deartmet of Mathematics Educatio - Uiversity of Jember 3 Deartmet of Iformatio

Lebih terperinci

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata robabilitas da Statistika Teorema ayes dam Hedra rata Itroduksi - Joit robability Itroduksi Teorema ayes eluag Kejadia ersyarat Jika muculya mempegaruhi peluag muculya kejadia atau sebalikya, da adalah

Lebih terperinci

Hendra Gunawan. 12 Februari 2014

Hendra Gunawan. 12 Februari 2014 MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2013/2014 12 Februari 2014 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 82 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg

Lebih terperinci

ESTIMASI. Jika parameter populasi disimbolkan dengan θ maka θ yang tidak diketahui harganya ditaksir oleh harga

ESTIMASI. Jika parameter populasi disimbolkan dengan θ maka θ yang tidak diketahui harganya ditaksir oleh harga ESTIMASI Salah atu aek utuk mearik keimula megeai uatu oulai dega memakai amel yag diambil dari oulai terebut megguaka etimai (eakira) Jika arameter oulai diimbolka dega θ maka θ yag tidak diketahui hargaya

Lebih terperinci

STATISTIKA SMA (Bag.1)

STATISTIKA SMA (Bag.1) SMA - STATISTIKA SMA (Bag. A. DATA TUNGGAL. Ukura Pemusata : Terdapat ilai statistika yag dapat dimiliki oleh sekumpula data yag diperoleh yaitu : a. Rata-rata Rata-rata jumlah seluruh data bayakya data

Lebih terperinci

PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian:

PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian: isip/kaidah pekalia: ELUANG Jika posisi /tempat petama dapat diisi dega caa yag bebeda, tempat kedua dega caa, da seteusya, sehigga lagkah ke ada caa maka bayakya caa utuk megisi tempat yag tesedia adalah

Lebih terperinci

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 < II. TINJAUAN PUSTAKA 2.1 Keterbagia Secara umum apabila a bilaga bulat da b bilaga bulat positif, maka ada tepat satu bilaga bulat q da r sedemikia sehigga : = +, 0 < dalam hal ii b disebut hasil bagi

Lebih terperinci

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

Pendugaan Parameter Model

Pendugaan Parameter Model Det. Statistika IPB, 05 Pedugaa Parameter Model Aabila ilai, d, da q sudah daat diidetifikasi, maka selajutya dilakuka edugaa terhada arameter model, yaitu,,..., utuk model AR() da,,..., q utuk model MA(q)

Lebih terperinci

Teori Penaksiran. Oleh : Dewi Rachmatin

Teori Penaksiran. Oleh : Dewi Rachmatin Teori Peakira Oleh : Dewi Rachmati Pedahulua Ada metode iferei : metode klaik da metode Baye dalam meakir arameter oulai Dalam metode klaik iferei didaarka ada iformai yag dieroleh melalui amel acak Dalam

Lebih terperinci

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram Statistika Matematika Soal da embahasa M Samy Baladram Bab 4 Ubiasedess, Cosistecy, ad Limitig istributios Ubiasedess, Cosistecy, ad Limitig istributios 41 Ekspektasi Fugsi Key oits Ṫeorema 411 Jika T

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

Barisan ini adalah contoh dari barisan aritmatika U 1. ialah barisan aritmatika,jika: -U 2. =.= U n

Barisan ini adalah contoh dari barisan aritmatika U 1. ialah barisan aritmatika,jika: -U 2. =.= U n BARIAN DAN DERET A. BARIAN DAN DERET ARITMATIKA I. TJAN etelah mempelaji topik siswa dapat:. Meetuka suku ke suatu bisa itmatika. Meetuka rumus suku ke di bisa itmatika. Meetuka suku pertama da beda suatu

Lebih terperinci

BAB III METODOLOGI START. Baca Input Data γ, c, φ, x 1, y 1, x 2, y 2, x 3, y 3, x 4, y 4, D. Menghitung FK Manual. Tidak.

BAB III METODOLOGI START. Baca Input Data γ, c, φ, x 1, y 1, x 2, y 2, x 3, y 3, x 4, y 4, D. Menghitung FK Manual. Tidak. BAB III METODOLOGI 3.. ALUR PROGRAM (FLOW CHART) Seerti telah dijelaska sebelumya, bahwa tujua dari eelitia ii adalah utuk megaalisis suatu kasus stabilitas lereg. Aalisis stabilitas lereg tergatug ada

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 6 No.1 Juni 2012: 9-16 KRITERIA KEKONVERGENAN CAUCHY PADA RUANG METRIK KABUR INTUITIONISTIC

Jurnal Matematika Murni dan Terapan Vol. 6 No.1 Juni 2012: 9-16 KRITERIA KEKONVERGENAN CAUCHY PADA RUANG METRIK KABUR INTUITIONISTIC Jural Matematika Muri da Teraa Vol. 6 No.1 Jui 01: 9-16 KRITERIA KEKONVERGENAN CAUCHY PADA RUANG METRIK KABUR INTUITIONISTIC Muhammad Ahsar Karim 1 Faisal Yui Yulida 3 [1,,3] PS Matematika FMIPA Uiversitas

Lebih terperinci

BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

BAB 4: PELUANG DAN DISTRIBUSI NORMAL. BAB 4: PELUANG DAN DISTRIBUSI NORMAL. PELUANG Peluag atau yag biasa juga disebut dega istilah keugkia, probablilitas, atau kas eujukka suatu tigkat keugkia terjadiya suatu kejadia yag diyataka dala betuk

Lebih terperinci

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya TKS 4007 Matematika III Fugsi Kompleks (Pertemua XXVII - XXX) Dr. AZ Jurusa Tekik Sipil Fakultas Tekik Uiversitas Brawijaya Pedahulua Persamaa x + 1 = 0 tidak memiliki akar dalam himpua bilaga real. Pertayaaya,

Lebih terperinci

Kompetisi Statistika Tingkat SMA

Kompetisi Statistika Tingkat SMA . Arya da Bombom melakuka tos koikoi yag seimbag yag mempuyai sisi, agka da gambar Arya melakuka tos terhadap 6 koi, sedagka Bombom melakuka tos terhadap koi, maka peluag Arya medapatka hasil tos muka

Lebih terperinci

SINYAL WAKTU Pengolahan Sinyal Digital Minggu II

SINYAL WAKTU Pengolahan Sinyal Digital Minggu II SINYAL WAKTU Pegolaha Siyal Digital Miggu II 24 Goodrich, Tamassia PENDAHULUAN Defiisi Siyal x(t) Fugsi dari variabel bebas yag memiliki ilai real/skalar yag meyampaika iformasi tetag keadaa atau ligkuga

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum BAB II TEORI DASAR 2.1 Aljabar Liier Defiisi 2. 1. 1 Grup Himpua tak kosog G disebut grup (G, ) jika pada G terdefiisi operasi, sedemikia rupa sehigga berlaku : a. Jika a, b eleme dari G, maka a b eleme

Lebih terperinci

MENGUJI KEMAKNAAN SAMPEL TUNGGAL

MENGUJI KEMAKNAAN SAMPEL TUNGGAL MENGUJI KEMAKNAAN SAMPEL TUNGGAL 1.1 Uji Biomial 1. Uji esesuaia Chi Kuadrat 1.3 Uji Kesesuaia K-S 1.4 Uji Ideedesi Chi Kuadrat 1.5 Uji Pasti Fisher UJI BINOMIAL Meruaa uji roorsi dalam suatu oulasi Poulasi

Lebih terperinci

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah

Lebih terperinci

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval Pedugaa Parameter Pedahulua Pedugaa Parameter Populai dilakuka dega megguaka ilai Statitik Sampel Mial :. x diguaka ebagai peduga bagi. diguaka ebagai peduga bagi 3. p atau p diguaka ebagai peduga bagi

Lebih terperinci

MA1201 MATEMATIKA 2A Hendra Gunawan

MA1201 MATEMATIKA 2A Hendra Gunawan MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2016/2017 3 Februari 2017 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg Batas

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Alat terapi ini menggunakan heater kering berjenis fibric yang elastis dan

BAB IV HASIL DAN PEMBAHASAN. Alat terapi ini menggunakan heater kering berjenis fibric yang elastis dan BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Alat terapi ii megguaka heater kerig berjeis fibric yag elastis da di bugkus dega busa, pasir kuarsa, da kai peutup utuk memberi isolator terhadap kulit

Lebih terperinci

1. Ilustrasi. Materi 2 Pendugaan Parameter

1. Ilustrasi. Materi 2 Pendugaan Parameter Materi Pedugaa Parameter. Ilutrai Ifereia Statitika : Mecaku emua metode yag diguaka utuk earika keimula atau geeraliai megeai oulai dega melakuka egambila amel (amlig) Etimai / Pedugaa Parameter Yaitu

Lebih terperinci

STATISTIKA-2 (STATISTIKA INDUKTIF)

STATISTIKA-2 (STATISTIKA INDUKTIF) Brief Note o Iductive Statistics (014: revised editio) Drs. Basuki, M.Si. (origial editio : 1995) STATISTIKA- (STATISTIKA INDUKTIF) MATERI KULIAH: 1. TEORI PROBABILITAS (TEORI PELUANG). DISTRIBUSI PROBABILITAS

Lebih terperinci

BAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA

BAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA BAB VII DITRIBUI AMPLING DAN DEKRIPI DATA 7. Distribusi amplig (samplig distributio) amplig distributio adalah distribusi probabilitas dari suatu statistik. amplig distributio tergatug dari ukura populasi,

Lebih terperinci

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm

BAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Nama Alat Tegaga Ukura Berat : Lux meter dilegkapi sesor jarak berbasis arduio : 5 V (DC) : pajag 15,4 cm tiggi 5,4 cm lebar 8,7 cm : 657 gram 4.. Gambar

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

Lebih terperinci

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder 3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag

Lebih terperinci

Pengertian Estimasi Titik. Estimasi (Pendugaan) Estimasi (Pendugaan) Estimasi (Pendugaan) Populasi dan Sampel. Mean Proporsi

Pengertian Estimasi Titik. Estimasi (Pendugaan) Estimasi (Pendugaan) Estimasi (Pendugaan) Populasi dan Sampel. Mean Proporsi Chapter 6 Studet Lecture Notes 6-1 Hal-1 Hal-2 Estimasi (Pedugaa) Estimasi (Pedugaa) TOPIK Pegertia Estimasi Estimasi titik Nilai rata-rata populasi Nilai proporsi populasi Estimasi Iterval Estimasi iterval

Lebih terperinci

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian:

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian: isip/kaidah pekalia: BAB X. ELUANG Jika posisi /tempat petama dapat diisi dega caa yag bebeda, tempat kedua dea caa, da seteusya, sehigga lagkah ke ada caa maka bayakya caa utuk megisi tempat yag tesedia

Lebih terperinci

BARISAN DAN DERET. Materi ke 1

BARISAN DAN DERET. Materi ke 1 BARISAN DAN DERET Materi ke 1 Pola Bilaga adalah? Susua bilaga yag disusu meurut atura tertetu. Cotoh : 1. Pola Bilaga Gajil 1, 3, 5,... 2. Pola Bilaga Geap 2, 4, 6,... PERHATIKAN SSNAN BILANGAN DI BAWAH

Lebih terperinci

UKURAN LOKASI DAN DISPERSI

UKURAN LOKASI DAN DISPERSI Uiversitas Gadjah Mada Fakultas Tekik Departeme Tekik Sipil da Ligkuga UKURAN LOKASI DAN DISPERSI Statistika da Probabilitas Statistical Measures Commo statistical measures Measure of cetral tedecy Mea

Lebih terperinci

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret Program Perkuliaha Dasar Umum Sekolah Tiggi Tekologi Telkom Barisa da Deret Barisa Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) a Fugsi tersebut

Lebih terperinci

Barisan Dan Deret Arimatika

Barisan Dan Deret Arimatika Barisa Da Deret Arimatika A. Barisa Aritmatika Niko etera memiliki sebuah peggaris ukura 0 cm. Ia megamati bilaga-bilaga pada peggarisya ii. Bilaga-bilaga tersebut beruruta 0, 1,, 3,, 0. etiap bilaga beruruta

Lebih terperinci