6.3 PROSES KELAHIRAN DAN KEMATIAN
|
|
- Susanti Hadiman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 6.3 PROSES KELAHIRAN DAN KEMATIAN Penjelasan dari proses-proses kelahiran murni dan kematian murni telah diskusikan pada bagian 6.1 dan 6.2 bahwa X(t) memungkinkan untuk naik ataupun turun. Jadi, apabila pada saat waktu t, proses berada pada state n, setelah bergerak secara acak, bergerak ke state terdekat lainnya n+1 atau n-1. Hasil dari proses kelahiran dan kematian dapat dianggap sebagai analogi waktu kontinu dari sebuah random walk ( bagian 3.53) proses kelahiran dan kematian merupakan cara yang baik dari permodelan ststistik, ragam model parameter proses kelahiran dan kematian pemodelan adalah sebuah variasi fenomena. pada waktu yang sama metode standar dari analisis berlaku untuk menentukan jumlah ( kuantitas ) seperti distribusi stasioner dan mean ( rata-rata ). Pada Bagian ini berisi beberapa contoh dari proses kelahiran dan kematian dan ilustrasi bagaimana keduanya digunakan untuk menggambarkan kesimpulan tentang fenomena yang bervariasi Dalil seperti pada kasus proses kelahiran murni, diasumsikan bahwa X(t) adalah sebuah proses Markov pada state 0,1,2,... dan dengan probabilitas transisinya Pij(t) sebagai berikut : Pij(t) = Pr { X(t+s)=j X(s)=i } untuk semua s 0 Diasumsikan bahwa Pij(t) sebagai berikut : 1. Pi,i+1(h) = ih + o(h) dengan 0, 0 2. Pi, i-1(h) = ih + o(h) dengan 0, 0 3. Pii(h) = 1 ( h + o(h) dengan 0, , 0,, 0 dengan i= 0,1,,,, o(h) di setiap kasus bergantung pada i, matriksnya sebagai berikut : A= disebut INFINITESIMAL GENERATOR dari prosesnya. Parameter dan disebut infinitesimal kelahiran dan infinitesimal kematian. Pada postulates 1 dan 2 diasumsikan bahwa apabila proses berawal di state, kemudian pada interval waktu
2 yang kecil probabilitas dari populasi meningkat / menurun oleh 1 yang merupakan proporsional esensi untuk panjang interval. Selama adalah probabilitas, dipunyai Pij ( t ) 0 Dan 1...(6.18) Menggunakan sifat proses Markov, didapatkan turunannya, disebut persamaan Chapman- Kolmogorov.....(6.19) Pada persamaan tersebut state bergerak dari state ke state pada saat waktu t, bergerak melalui state pada waktu dan dari ke pada waktu. Ini merupakan analog waktu kontinu dari formula. (3.11) Sejauh ini kita baru bisa menyebutkan probabilitas transisi. Untuk mendapatkan probabilitas, kita harus menspesifikasikan dimana proses itu berawal atau secara umum distribusi probabailitas untuk state inisial, diperoleh: Pr Dimana Waktu Singgah Dengan asumsi sebelumnya, kita bisa menghitung distribusi variabel random dalam state i dengan adalahwaktu singgah; jika prosesnya dalam state i, berapa distribusi waktu singgah ( ) pertama kali sampai prosenya meninggalkan state i? Jika kita anggap probabilitas di mana waktu antar kedatangan selanjutnya (waktu tunggu ) suatu waktu tertentu Jika kita menyesuaikan ini dengan sifat Markov bahwa h 0 {postulat 3} 1 atau µ 1 maka µ jika digunakan 0 1 solusi dari persamaan ini adalah
3 µ Contohnya, mengikuti distribusi exponensial dengan mean µ. Bukti yang ditunjukan tersebut tidak cukup lengkap karena kita harus menggunakan hubungan intuitif tanpa pembuktian yang formal. Menurut postulates 1 dan 2,selama durasi waktu sepanjang h, sebuah transisi terjadi dari state i ke i+1 dengan probabilitas dan dari state i ke i-1 dengan probabilitas µ. Ini disesuaikan berdasarkan intuisi bahwa, jika sebuah transisi ini terjadi pada waktu t, probabilitas yang ditetapkan transisi ini untuk state i+1 adalah / µ dan untuk state i-1 adlh µ / µ. Hal itu membawa kita pada sifat proses penting dari proses kelahiran dan kematian, bagaimanapun, didalam deskripsi gerakan mengikuti : proses singgah pada state i selama waktu singgahnya mengikuti distribusi exponensial dengan parameter µ. Ketika meninggalkan state i proses memasuki salah satu dari state i+1 dengan probabilitas / µ atau memasuki state i-1 dengan probabilitas µ / µ. Pergerakannya random kecuali pada pada saat periode waktu yang sudah pasti/ditentukan. Prosedur sederhana untuk mengkonstruksi proses kelahiran dan kematian adalah menentukan parameter kelahiran dan kematian,. Dan membangun stukturnya dengan memanfaatkan deskripsi sebelumnya tentang waktu tunggu dan probabilitas transsisi bersarat dari berbagai state. Kita tentukan proses realisasi sebagai berikut. Andaikan X(0)=I ;partikel acak variable random, berdistribusi eksponensial dengan parameter, dari state i perpindah dengan probabilitas / untuk state (i+1) dan dengan probabilitas / untuk state (i- 1). Selanjutnya partikel berpindah secara acak ke state lain, dan seterusnya. Untuk lebih jelasnya diamati nilai t 1 dari distribusi eksponensial dengan parameter adalah waktu perpindahan di state i. Dilemparkan sebuah koin dengan probabilitas kepala /.
4 Jika kepala (ekor)yang didapat kita pindah partikel ke state i+1(i-1). Di state i+1 kita observasi nilai t 2 dari distribusi eksonensial dengan parameter,itu merupakan waktu perpindahan yang diperbaiki di state ke dua yang dikunjungi. Jika partikel di trasisi pertama masuk state i-1, waktu perpindahan selanjutnya adalah t 2 yang merupakan observasi dari distribusi eksponensial dengan parameter. Setelah itu percobaan Berbouli dilakukan untuk memilih state selanjutnya yang akan disinggahi, dan proses berlangsung pada cara yang sama. Hasil dari penghitungan prosedur perhitungan sampling proses realisari, bentuknya sebagai berikut, 0 1,, X(t)=,.. Dengn mengambil sampel dari distribusi eksponensial dan bernouli. Kita akan mengkontuksikan contoh dari prosesnya. Hasil ini mungkin lebih baik dan akan dibahas pada buku senlanjutnya. Proses yang diperoleh pada cara ini dinamakan proses asosiasi minimal dengan perhitungan matix A dalam (6.17). postulat 1 sampai 5 dari sub Faktanya ada beberapa proses markov yang prosesnya sama dengan pembangkinya yang sangat kecil. Untungnya tak muncul komplikasi dalam model penomena umum. Pada kasus khusus proses kelahiran dan kematian untuk 0, kondisi cukup bahwa ada proses markov dengan fungsi probabilitas transisi untuk relasi yang kecil (6.18) dan (6.19) (6.21) Dimana 1,, 1,2,3,. Pada beberpa contoh kondisi proses kelahiran dan kematian (6.21) memenuhi asosiasi proses kalahiran dan kematian dengan parameter nya ditentukan secara unik.
5 Persamaan diferensial proses kematian dan kelahiran Seperti pada kasus proses kelahiran dan kematian murni probabilitas transisi (t) cukup pada sistem persamaan turunan diketahui sebagai batas bawah persamaan turunan Kolmograf. Diberikan: (t)= (t)+ (t) ij(t)=, (t) - ( + (t)+, (t), і 1 Dan batasan (0)= Dari persamaan (6.19), diperoleh :,,,,, 1, 1. Menggunakan postulates 1,2,3 dari bab Maka = 1,,, = 11 =, 1, Perpindahan (t) ruas kiri dan kanan dibagi oleh persamaan h,kita dapatkan setelah 0,, Persamaan batas bawah berada pada interval (0,t+h), dimana h positif dan kecil, pada 2 periode 0,,,, Dan pengujian transisi pada masing-masing periode pada persamaan ini didapatkan batas bawah adalah hasil dari first step analysis first step analysis berakhir lebih cepat pada interval di h.
6 Perbedaan hasil dari first step analysis dari penggabungan waktu interval 0, pada periode 2. 0,,, Dan berdasarka hasil dari kondisi yg kuat,kita dapat dapat menentukan persamaan diferensial selanjutnya j-1 j j+1..,,,,, j 1 (6.24) Dengan kondisi inisial yang sama 0 yang diketahui sebagai batas persamaan diferensial Kolmograv. Untuk mendapatkan persamaan tersebut kita ganti t dan h pada persamaan (6.23) dengan diasumsikan pada penambahan postulat 1,2&3 dapat ditunjukan bahwa bentuk akhirnya bermanfaat pada persamaan diferensial. 0(h). Mengingat pernyataan yang sama sebelumnya akan lebih Kondisi cukup (6.24) adalah / 0 1 untuk kj, j-1, j+1 dimana 0 1 cenderung mendekati nol dengan semua batasnya sama dengan k untuk j tertentu sebagaimana h->0. dalam kasus ini kita dapat membuktikan persamaaan. CONTOH Proses Pertumbuhan linier dengan Imigrasi, kelahiran dan kematian yang disebut proses pertumbuhan linier jika λ n = λn + a dan µ n = µn dengan λ > 0, µ > 0, dan a > 0. proses tersebut
7 terjadi secara alami dalam studi reproduksi biologi dan pertumbuhan penduduk. Jika n state menggambarkan ukuran populasi saat ini, maka tingkat rata-rata seketika pertumbuhan λn + a. Demikian pula, probabilitas state dari proses penurunan oleh satu setelah berlalu dari h durasi waktu kecil µnh + o(h). λn merupakan faktor pertumbuhan alami penduduk karena ukuran saat ini sedangkan faktor kedua mungkin ditafsirkan sebagai tingkat yang sangat kecil kenaikan penduduk karena sumber eksternal seperti imigrasi. Komponen µn yang memberikan tingkat kematian rata-rata sangat kecil dari populasi ini memiliki interpretasi yang jelas. Jika kita pengganti nilai-nilai di atas λn dan µn dalam (6.24) kita memperoleh P' i0 (t) = ap i0 (t) + µp i1 (t), P' ij (t) = [ λ( j 1) + a ] P i, j 1 (t) [(λ + µ)j + a] P ij (t) + µ(j + 1) P i,j+1 (t), j 1 Sekarang jika kita kalikan persamaan j dengan j dan jumlah, berarti nilai yang diharapkan memenuhi persamaan diferensial M '(t) = a + (λ µ) M (t) dengan M kondisi awal M(0)=i, if X (0) = i. Solusi persamaan ini adalah M (t) = at + i if λ = µ, dan M (t) = { l} + i if λ µ. (6.25) Saat kedua atau mungkin varians dihitung dengan cara yang sama. Sangat menarik untuk dicatat bahwa M (t) as t if λ µ, jika λ < µ, sedangkan jika λ <µ ukuran populasi mean untuk t besar adalah sekitar
8 Hasil ini menunjukkan bahwa dalam kasus kedua, dimana pada λ <µ, populasi stabil dalam jangka panjang dalam beberapa bentuk keseimbangan statistik. Memang dapat ditunjukkan bahwa distribusi probabilitas membatasi {π j } ada yang lim t P ij (t) = π j, j = 0, 1,... membatasi distribusi tersebut untuk kelahiran umum dan proses kematian adalah subyek dari bagian berikutnya. 1. Sebuah proses kelahiran dan kematian hanya dapat memiliki banya finitely state. Sebagai contoh sederhana, pertimbangkan kelahiran kedua state dan proses kematian dengan λ 0 = λ, µ 1 = µ, dan λ 1 = µ 0 = 0. Tentukan P ij (t) dengan memecahkan persamaan (6,24). Catatan: P 01 (t) = 1 P 00 (t). JAWAB: Dalam kasus pelayaan praktek dokter diasumsikan kedatangn seoarang pasien mengikuti proses poison dengan laju kedatangan 2 orang dalam 1jam, daln lama pemeriksaan 15 menit, bagaimana proses poisonya? Jawab: Missal sitem trsebut dalam keadan steady-state maka probabilitas p 0 dan p 1 adalah
9 Jika (ketangan pasien persatuan waktu seorang pasien sama dengan 1/rata-rata waktu pelayana untuk seorang pasien) Maka Sehingga dokter akan lebih banyak ngangur
Pr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.
6.. Proses Kelahiran Murni Dalam bab ini, akan dibahas beberapa contoh penting dari waktu kontinu, state diskrit, proses Markov. Khususnya, dengan kumpulan dari variabel acak {;0 } di mana nilai yang mungkin
Lebih terperinci6.6 Rantai Markov Kontinu pada State Berhingga
6.6 Rantai Markov Kontinu pada State Berhingga Markov chain kontinu 0 adalah proses markov pada state 0, 1, 2,.... Diasumsikan bahwa probabilitas transisi adalah stasioner, pada persamaan, (6.53) Pada
Lebih terperinciPengantar Proses Stokastik
Bab 6: Rantai Markov Waktu Kontinu Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Rantai Markov Waktu Kontinu Pendahuluan Pada bab ini, kita akan belajar mengenai
Lebih terperinciKarakteristik Limit dari Proses Kelahiran dan Kematian
Karakteristik Limit dari Proses Kelahiran dan Kematian Disusun guna memenuhi tugas mata kuliah Pengantar Proses Stokastik Disusun oleh : Saidun Nariswari Setya Dewi Lisa Apriana Marvina Puspito Nita Eka
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peluang Peluang mempunyai banyak persamaan arti, seperti kemungkinan, kesempatan dan kecenderungan. Peluang menunjukkan kemungkinan terjadinya suatu kejadian yang bersifat acak.
Lebih terperinciPROSES KEMATIAN MURNI (Pure Death Processes)
PROSES KEMATIAN MURNI (Pure Death Processes) Komplemen dari bertambahnya proses kelahiran murni adalah dengan penurunan proses kematian murni. Hal itu ditunjukkan keberhasilan melewati state,,, 2, dan
Lebih terperinciBAB III METODE PENELITIAN
18 BAB III METODE PENELITIAN Pada bab ini akan dikemukakan metode-metode yang akan digunakan pada bab selanjutnya. Metode-metode pada bab ini yaitu metode Value at Risk dengan pendekatan distribusi normal
Lebih terperinciBab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik
Bab 2 LANDASAN TEORI Pada bab ini akan diberikan penjelasan singkat mengenai pengantar proses stokastik dan rantai Markov, yang akan digunakan untuk analisis pada bab-bab selanjutnya. 2.1 Pengantar Proses
Lebih terperincidengan probabilitas laju kelahiran dengan probabilitas laju kematian
6.5 Proses Kelahiran(kemunculan) dan Kematian(kehilangan) dengan State Absorpsi Proses kelahiran dan kematian dimana 0 (kondisi awal laju kelahiran sama dengan nol, atau dapat dikatakan bahwa tidak ada
Lebih terperinciBAB III PEMBAHASAN. dengan retensi pelanggan yang membatalkan antrian, nilai harapan banyaknya
BAB III PEMBAHASAN Pada bab ini akan dibahas tentang penurunan sistem persamaan lengkap untuk sistem antrian M/M/1/N dengan retensi pelanggan yang membatalkan antrian. Sistem persamaan lengkap tersebut
Lebih terperinciBAB II TINJAUAN PUSTAKA. X(t) disebut ruang keadaan (state space). Satu nilai t dari T disebut indeks atau
BAB II TINJAUAN PUSTAKA 2.1 Proses Stokastik Menurut Gross (2008), proses stokastik adalah himpunan variabel acak Semua kemungkinan nilai yang dapat terjadi pada variabel acak X(t) disebut ruang keadaan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengantar Pada bab ini akan diuraikan beberapa landasan teori untuk menunjang penulisan skripsi ini. Uraian ini terdiri dari beberapa bagian yang akan dipaparkan secara terperinci
Lebih terperinciPenelitian Operasional II Rantai Markov RANTAI MARKOV
Penelitian Operasional II Rantai Markov 49 4. RANTAI MARKOV 4. PENDAHULUAN Dalam masalah pengambilan suatu keputusan, seringkali kita diperhadapkan dengan suatu ketidakpastian. Permasalahan ini dapat dimodelkan
Lebih terperinciBAB 3 PEMBAHASAN. Contoh 1:
BAB 3 PEMBAHASAN 3.1 Pengolahan Data Seperti yang telah dijelaskan sebelumnya, rantai markov atau proses markov akan digunakan untuk menganalisa data yang diperoleh dalam penelitian ini. Contoh kasus yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Teori Pemeliharaan Untuk menjamin kontinuitas kegiatan operasional suatu sistem, keandalan setiap komponen peralatan sangat dijaga agar peralatan tersebut tidak mengalami kegagalan
Lebih terperinciMA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Po
MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Poisson: Suatu Pengantar Orang Pintar Belajar Stokastik Tentang Kuliah Proses Stokastik Bab 1 : Tentang Peluang Bab 2 : Peluang dan Ekspektasi Bersyarat*
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciPemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Pemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok Sucia Mentari, Retno Subekti, Nikenasih
Lebih terperinciPengantar 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 terperinciBAB 3 PEMBAHASAN. Tabel 3.1 Data Jumlah dan Rata-Rata Waktu Pelayanan Pasien (menit) Waktu Pengamatan
BAB 3 PEMBAHASAN 3.1. Uji Kesesuaian Distribusi Dalam penelitian ini kedatangan pasien diasumsikan berdistribusi Poisson dan waktu pelayanan diasumsikan berdistribusi Eksponensial. Untuk menguji kebenarannya
Lebih terperinciBAB 1. Rantai Markov 1.1 ILUSTRASI
BAB 1 Rantai Markov 1.1 ILUSTRASI (Ilustrasi 1) Akhir-akhir ini, hujan dan panas (baca: tidak hujan) datang silih berganti tanpa bisa diduga. Kalau hari ini hujan, besok mungkin hujan mungkin juga panas.
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. 4.1 Distribusi probabilitas banyaknya pelanggan dalam sistem antrian
BAB IV HASIL DAN PEMBAHASAN 4.1 Distribusi probabilitas banyaknya pelanggan dalam sistem antrian M/M/1/K Pada model antrian, kedatangan pelanggan dalam sistem antrian dan kepergian pelanggan yang telah
Lebih terperinciPROSES MARKOV KONTINYU (CONTINOUS MARKOV PROCESSES)
#11 PROSES MARKOV KONTINYU (CONTINOUS MARKOV PROCESSES) 11.1. Pendahuluan Masalah keandalan yang berhubungan dengan sistem secara normal adalah space memiliki sifat diskrit yaitu sistem tersebut dapat
Lebih terperinciMA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson
MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson SMART AND STOCHASTIC MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson SMART AND STOCHASTIC Pengantar Seperti sudah disampaikan sebelumnya, analog
Lebih terperinciDISTRIBUTIONS OF RANDOM VARIABLE DISTRIBUSI VARIABEL RANDOM
1.11 Chebyshev s Inequality DISTRIBUTIONS OF RANDOM VARIABLE (Ketaksamaan Chebyshev) A. Pendahuluan DISTRIBUSI VARIABEL RANDOM Konsep atau rumus yang berhubungan dengan Ketaksamaan Chebyshev Ekspektasi
Lebih terperinciSilabus. Proses Stokastik (MMM 5403) Proses Stokastik. Contoh
Silabus Proses Stokastik (MMM 5403) Status: Wajib Minat Statistika Rantai Markov, klasifikasi rantai Markov. Limit rantai Markov dan aplikasinya. Rantai Markov kontinu, contoh-contoh klasik. Proses renewal,
Lebih terperinciDISTRIBUSI VARIABEL RANDOM
DISTRIBUSI VARIABEL RANDM Distribusi Variabel Diskrit Distribusi variabel diskrit adalah salah satu variabel acak yang diasumsikan memiliki bilangan terbatas dari nilai-nilai yang berbeda. Contoh : Waktu
Lebih terperinciBAB III PROSES POISSON MAJEMUK
BAB III PROSES POISSON MAJEMUK Pada bab ini membahas tentang proses stokastik, proses Poisson dan proses Poisson majemuk yang akan diaplikasikan pada bab selanjutnya. 3.1 Proses Stokastik Koleksi atau
Lebih terperinciBAB 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 terperinciBAB 1 PENDAHULUAN. ii Bagaimana rata-rata atau nilai tengah dibuat oleh Stimulan eksternal.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan matematika dan penerapannya dalam berbagai bidang keilmuan selalu mencari metode baru untuk memudahkan dalam memprediksi dan menaksir
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teori statistika telah mempengaruhi hampir semua aspek kehidupan. Hal ini disebabkan statistika merupakan salah satu disiplin ilmu yang berperan
Lebih terperinciOpen Source. Not For Commercial Use
Ringkasan Kalkulus 2, Untuk dipakai di ITB 1 Limit dan Kekontinuan Misalkan z = f(, y) fungsi dua peubah dan (a, b) R 2. Seperti pada limit fungsi satu peubah, limit fungsi dua peubah bertujuan untuk mengamati
Lebih terperinciBAB IV PROSES BIRTH-DEATH DAN APLIKASINYA DALAM SISTEM ANTRIAN. Kebanyakan sistem antrian dimodelkan menggunakan interarrival times dan
BAB IV PROSES BIRTH-DEATH DAN APIKASINYA DAAM SISTEM ANTRIAN 4. Distribusi Eksponensial Dalam Proses Birth-Death Kebanyakan sistem antrian dimodelkan menggunakan interarrival times dan service times berdistribusi
Lebih terperinciBAB II LANDASAN TEORI. pembahasan model antrian dengan working vacation pada pola kedatangan
BAB II LANDASAN TEORI Pada bab ini diuraikan tentang dasar-dasar yang diperlukan dalam pembahasan model antrian dengan working vacation pada pola kedatangan berkelompok (batch arrival) satu server, mencakup
Lebih terperinciHaryoso Wicaksono, S.Si., M.M., M.Kom. 26
Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random
Lebih terperinciAlgoritma Viterbi dalam Metode Hidden Markov Models pada Teknologi Speech Recognition
Algoritma Viterbi dalam Metode Hidden Markov Models pada Teknologi Speech Recognition Abstrak Angela Irfani 1, Ratih Amelia 2, Dyah Saptanti P 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik
Lebih terperinciCatatan 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 terperinciKAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR. Oleh: RAFIQATUL HASANAH NRP.
TUGAS AKHIR KAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR Oleh: RAFIQATUL HASANAH NRP. 1208 100 021 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si. Drs.
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Asap atau polutan yang dibuang melalui cerobong asap pabrik akan menyebar atau berdispersi di udara, kemudian bergerak terbawa angin sampai mengenai pemukiman penduduk yang berada
Lebih terperinciCatatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Dewasa ini industri asuransi telah menjadi suatu bidang usaha yang menarik dan mempunyai peranan yang tidak kecil dalam perekonomian. Keberadaan industri
Lebih terperinciBAB 1. Rantai Markov 1.1 ILUSTRASI
BAB 1 Rantai Markov 1.1 ILUSTRASI (Ilustrasi 1) Akhir-akhir ini, hujan dan panas (baca: tidak hujan) datang silih berganti tanpa bisa diduga. Kalau hari ini hujan, besok mungkin hujan mungkin juga panas.
Lebih terperinciBAB I PENDAHULUAN. Dalam kehidupan sehari-hari banyak terlihat kegiatan mengantri seperti, pasien
BAB I PENDAHULUAN I.1. Latar Belakang Masalah Dalam kehidupan sehari-hari banyak terlihat kegiatan mengantri seperti, pasien yang ingin periksa ke dokter, orang yang mengantri beli bensin di SPBU, orang
Lebih terperinciANALISIS ANTRIAN TIPE M/M/c DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT. Oleh : Budi Setiawan
ANALISIS ANTRIAN TIPE M/M/c DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT Oleh : Budi Setiawan 1206 100 034 Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Drs. Sulistiyo, MT. ABSTRAK Penggunaan teori
Lebih terperinciBAB II KAJIAN PUSTAKA. Pada bab ini diuraikan tentang dasar-dasar yang diperlukan dalam pembahasan
BAB II KAJIAN PUSTAKA Pada bab ini diuraikan tentang dasar-dasar yang diperlukan dalam pembahasan model antrian M/M/1/N dengan retensi pelanggan yang membatalkan antrian, mencakup tentang model antrian
Lebih terperinciRANTAI MARKOV ( MARKOV CHAIN )
RANTAI MARKOV ( MARKOV CHAIN ) 2.1 Tujuan Praktikum Rantai markov (Markov Chain ) merupakan salah satu materi yang akan dipelajari dalam praktikum stokastik. Berikut ini terdapat beberapa tujuan yang akan
Lebih terperinciPengantar Statistika Matematik(a)
Catatan Kuliah Pengantar Statistika Matematik(a) Statistika Lebih Dari Sekadar Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Model Markov Dalam teori probabilitas, model Markov adalah model stokastik yang digunakan untuk memodelkan sistem yang berubah-ubah secara random di mana diasumsikan bahwa kondisi
Lebih terperinciBAB II KAJIAN TEORI. dalam pembahasan model antrean dengan disiplin pelayanan Preemptive,
BAB II KAJIAN TEORI Pada bab ini akan dijabarkan tentang dasar-dasar yang digunakan dalam pembahasan model antrean dengan disiplin pelayanan Preemptive, mencangkup tentang teori antrean, pola kedatangan
Lebih terperinci5. Representasi Matrix
5. Representasi Matrix Oleh : Ade Nurhopipah Pokok Bahasan : 1. Matrix Ketetanggaan 2. Walk Pada Graph dan Digraph 3. Matrix Insidensi Sumber : Aldous, Joan M.,Wilson, Robin J. 2004. Graph and Applications.
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Pengertian Distribusi Eksponensial Distribusi eksponensial adalah distribusi yang paling penting dan paling sederhana kegagalan mesin penghitung otomatis dan kegagalan komponen
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciKAJIAN MODEL EPIDEMIK SIR DETERMINISTIK DAN STOKASTIK PADA WAKTU DISKRIT. Oleh: Arisma Yuni Hardiningsih
KAJIAN MODEL EPIDEMIK SIR DETERMINISTIK DAN STOKASTIK PADA WAKTU DISKRIT Oleh: Arisma Yuni Hardiningsih 126 1 5 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si Jurusan Matematika Fakultas Matematika
Lebih terperinciMODUL DISTRIBUSI PROBABILITAS EKSPONENSIAL
MODUL DISTRIBUSI PROBABILITAS EKSPONENSIAL Tujuan Praktikum: Membantu mahasiswa memahami materi Distribusi Eksponensial Pengambilan keputusan dari suatu kasus dengan menggunakan kaidah dan syarat Distribusi
Lebih terperinciDistribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai
Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai analisis statistika. Distribusi normal baku adalah distribusi
Lebih terperinciKULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:
KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output: 1. Terminating simulation 2. Nonterminating simulation: a. Steady-state parameters b. Steady-state cycle parameters
Lebih terperinciBAB III. Hidden Markov Models (HMM) Namun pada beberapa situasi tertentu yang ditemukan di kehidupan nyata,
BAB III Hidden Markov Models (HMM) 3.1 Pendahuluan Rantai Markov mempunyai state yang dapat diobservasi secara langsung. Namun pada beberapa situasi tertentu yang ditemukan di kehidupan nyata, beberapa
Lebih terperinciPeubah 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 terperinciBERKELOMPOK ( BATCH ARRIVAL ) SKRIPSI. Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Negeri Yogyakarta
MODEL ANTRIAN SATU SERVER DENGAN POLA KEDATANGAN BERKELOMPOK ( BATCH ARRIVAL ) SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk memenuhi sebagian
Lebih terperinciBAB 8 TEORI ANTRIAN (QUEUEING THEORY)
BAB 8 TEORI ANTRIAN (QUEUEING THEORY) Analisis pertama kali diperkenalkan oleh A.K. Erlang (93) yang mempelajari fluktuasi permintaan fasilitas telepon dan keterlambatan annya. Saat ini analisis banyak
Lebih terperinciANALISIS DAN SIMULASI SISTEM ANTRIAN PADA BANK ABC
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 2 (2014), pp. 147 162. ANALISIS DAN SIMULASI SISTEM ANTRIAN PADA BANK ABC Faradhika Arwindy, Faigiziduhu Buulolo, Elly Rosmaini Abstrak. Kejadian antrian
Lebih terperinciBI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist
BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Distribusi Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep peubah acak, fungsi peluang (probability density function), fungsi distribusi
Lebih terperinciPengantar 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 terperinciBAB I PENDAHULUAN. atau memprediksi nilai suatu perolehan data di masa yang akan datang
BAB I PENDAHULUAN 1.1 Latar Belakang Time Series atau deret waktu merupakan barisan suatu nilai pengamatan yang diukur dalam rentang waktu tertentu dalam interval waktu yang sama. Analisis data deret waktu
Lebih terperinciMata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia
Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Pokok Bahasan Variabel Acak Pola Distribusi Masukan Pendugaan Pola Distribusi Uji Distribusi
Lebih terperinciDistribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah
Distribusi Diskrit dan Kontinu yang Penting Oleh Azimmatul Ihwah Distribusi Diskrit Fungsi probabilitas dari variabel random diskrit dapat dinyatakan dalam formula matematik tertentu yang dinamakan fungsi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Dalam bab ini diuraikan dua subbab yaitu tinjauan pustaka dan landasan teori. Subbab tinjauan pustaka memuat hasil-hasil penelitian yang telah dilakukan. Subbab landasan teori memuat
Lebih terperinciDISTRIBUSI POISSON Pendahuluan Rumus Pendekatan Peluang Poisson untuk Binomial P ( x ; µ ) = (e µ. µ X ) / X! n. p Rumus Proses Poisson
DISTRIBUSI POISSON Pendahuluan Distribusi poisson diberi nama sesuai dengan penemunya yaitu Siemon D. Poisson. Distribusi ini merupakan distribusi probabilitas untuk variabel diskrit acak yang mempunyai
Lebih terperinciPengantar 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 terperinciBAB II KAJIAN TEORI. representasi pemodelan matematika disebut sebagai model matematika. Interpretasi Solusi. Bandingkan Data
A. Model Matematika BAB II KAJIAN TEORI Pemodelan matematika adalah proses representasi dan penjelasan dari permasalahan dunia real yang dinyatakan dalam pernyataan matematika (Widowati dan Sutimin, 2007:
Lebih terperinciBAB II DISTRIBUSI PROBABILITAS
BAB II DISTRIBUSI PROBABILITAS.1. VARIABEL RANDOM Definisi 1: Variabel random adalah suatu fungsi yang memetakan ruang sampel (S) ke himpunan bilangan Real (R), dan ditulis X : S R Contoh (Variabel random)
Lebih terperinciANALISIS SISTEM ANTREAN PADA PELAYANAN TELLER DI PT BANK BPD DIY KANTOR CABANG SLEMAN TUGAS AKHIR SKRIPSI
ANALISIS SISTEM ANTREAN PADA PELAYANAN TELLER DI PT BANK BPD DIY KANTOR CABANG SLEMAN TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk
Lebih terperinciKONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.
KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT. EKSPERIMEN suatu percobaan yang dapat diulang-ulang dengan kondisi yang sama CONTOH : Eksperimen : melempar dadu 1 kali Hasilnya
Lebih terperinciBab 2 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 terperinciTeller 1. Teller 2. Teller 7. Gambar 3.1 Proses antrian pada sistem antrian teller BRI Cik Ditiro
Berikut ini adalah pembahasan mengenai sistem antrian teller BRI Cik Ditiro dan optimasinya berdasarkan model tingkat aspirasi. Deskripsi mengenai sistem antrian teller BRI Cik Ditiro dapat diuraikan sebagai
Lebih terperinciTELETRAFIK SEBAGAI PENGEVALUASI UNJUK-KERJA DAN PENDIMENSIAN SISTEM KOMUNIKASI DAN KOMPUTER RISWAN DINZI
TELETRAFIK SEBAGAI PENGEVALUASI UNJUK-KERJA DAN PENDIMENSIAN SISTEM KOMUNIKASI DAN KOMPUTER RISWAN DINZI Jurusan Teknik Elektro Fakultas Teknik Universitas Sumatera Utara BAB I PENDAHULUAN 1.1. Tujuan
Lebih terperinci7/28/2005 created by Hotniar Siringoringo 1
Tujuan analisis output adalah menjawab pertanyaan yang diajukan di awal pembentukan model dengan benar. Bentuk pertanyaan mengindikasikan pengujian hipotesis, selang kepercayaan atau pendugaan parameter.
Lebih terperinciBAB 2 LANDASAN TEORI
14 BAB 2 LANDASAN TEORI 2.1. Pendahuluan Antrian adalah kejadian yang sering dijumpai dalam kehidupan seharihari. Menunggu di depan loket untuk mendapatakan tiket kereta api, menunggu pengisian bahan bakar,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.. Respon Impuls Akustik Ruangan. Respon impuls akustik suatu ruangan didefinisikan sebagai sinyal suara yang diterima oleh suatu titik (titik penerima, B) dalam ruangan akibat suatu
Lebih terperinciBAB IV PEMBAHASAN. pertanyaan pada perumusan masalah. Hal-hal yang dijelaskan dalam bab ini
BAB IV PEMBAHASAN Bab ini menguraikan hasil penelitian dan pembahasan untuk menjawab pertanyaan pada perumusan masalah. Hal-hal yang dijelaskan dalam bab ini mencakup pemeriksaan steady state, uji distribusi,
Lebih terperinciAPLIKASI SISTEM ANTRIAN DENGAN SALURAN TUNGGAL PADA UNIT PELAKSANA TEKNIS (UPT) PERPUSTAKAAN UNIVERSITAS NEGERI SEMARANG
APLIKASI SISTEM ANTRIAN DENGAN SALURAN TUNGGAL PADA UNIT PELAKSANA TEKNIS (UPT) PERPUSTAKAAN UNIVERSITAS NEGERI SEMARANG SKRIPSI Diajukan dalam Rangka Penyelesaian Studi Strata 1 untuk Mencapai Gelar Sarjana
Lebih terperinciKonsep Dasar Markov Chain serta Kemungkinan Penerapannya di Bidang Pertanian
Edi Abdurachman * Konsep Dasar Markov Chain serta Kemungkinan Penerapannya di Bidang Pertanian Pendahuluan Konsep dasar Markov Chain baru diperkenalkan sekitar tahun 1907, oleh seorang Matematisi Rusia
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Antrian Teori antrian adalah teori yang menyangkut studi sistematis dari antrian atau baris-baris penungguan. Formasi baris-baris penungguan ini tentu saja merupakan suatu
Lebih terperinciBAB III MODEL ANTRIAN MULTISERVER DENGAN VACATION
BAB III MODEL ANTRIAN MULTISERVER DENGAN VACATION Dalam sebuah sistem antrian akan terdapat individu yang datang untuk mendapatkan pelayanan yang disebut dengan customer, juga individu yang akan memberikan
Lebih terperinciPengantar 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 terperinciBAB III METODE PENELITIAN. Metode penulisan yang berkaitan dengan tujuan skripsi ini adalah sebagai
BAB III METODE PENELITIAN Metode penulisan yang berkaitan dengan tujuan skripsi ini adalah sebagai berikut : 1. Menentukan distribusi probabilitas banyaknya pelanggan dalam sistem antrian M/M/1/K a. Menguraikan
Lebih terperinciMA2082 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 terperinciOperations Management
Operations Management OPERATIONS RESEARCH William J. Stevenson 8 th edition Proses Antrian Suatu proses yang berhubungan dengan kedatangan pelanggan pada suatu fasilitas pelayanan, menunggu dalam baris
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis tingkat persediaan liner yang optimal dan ekspektasi keuntungan yang didapat PT Indonesia
Lebih terperinciDistribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 17/12/2014
STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh: Suatu
Lebih terperinciBab 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
Bab 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sebagian besar mahasiswa ITB mengambil mata kuliah MA1122 Kalkulus I pada tahun pertama perkuliahannya. Mata kuliah ini merupakan salah satu mata kuliah yang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari 3 bagian. Pada bagian pertama diberikan tinjauan pustaka dari penelitian-penelitian sebelumnya. Pada bagian kedua diberikan teori penunjang untuk mencapai tujuan
Lebih terperincimulai Identifikasi masalah dan tujuan dan Pengambilan data (pengamatan) Statistika deskriptif Uji asumsi tingkat kedatangan dan tingkat pelayanan
L A N G K A H mulai Identifikasi masalah dan tujuan dan Pengambilan data (pengamatan) Statistika deskriptif Uji asumsi tingkat kedatangan dan tingkat pelayanan A N A L I S I S Analisis sistem nyata Dibandingkan
Lebih terperinciOleh: Isna Kamalia Al Hamzany Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si
Oleh: Isna Kamalia Al Hamzany 1207 100 055 Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh
Lebih terperinciModel Antrian 02/28/2014. Ratih Wulandari, ST.,MT 1. Menunggu dalam suatu antrian adalah hal yang paling sering terjadi dalam kehidupan sehari-hari
Model Antrian M E T O D E S T O K A S T I K Menunggu dalam suatu antrian adalah hal yang paling sering terjadi dalam kehidupan sehari-hari Siapaun yang pergi berbelanja atau ke bioskop telah mengalami
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Dalam bab ini dijelaskan beberapa definisi dan teorema yang digunakan dalam pembahasan selanjutnya. 2.1 Teori Peluang Definisi 2.1.1 (Percobaan Acak) (Ross 2000) Suatu percobaan
Lebih terperinciBAB II. Landasan Teori
BAB II Landasan Teori Antrian merupakan waktu tunggu yang dialami pelanggan untuk mencapai tujuan, dikarenakan jumlah pelanggan melebihi kapasitas layanan yang tersedia. Waktu tunggu yang terlalu lama
Lebih terperinciII. TINJAUAN PUSTAKA. real. T dinamakan himpunan indeks dari proses atau ruang parameter yang
II. TINJAUAN PUSTAKA 2.1 Proses Stokastik Stokastik proses = { ( ), } adalah kumpulan dari variabel acak yang didefinisikan pada ruang peluang (Ω, ς, P) yang nilai-nilainya pada bilangan real. T dinamakan
Lebih terperinci4. Misalkan peubah acak X memiliki fungsi distribusi:
Diskusi 1 Tanggal 19 Februari 2014, Waktu: suka-suka menit 1. Enam laki-laki dan 5 perempuan melamar suatu pekerjaan di PT KhrshFin. Empat dari mereka terpilih secara acak untuk diwawancarai. Misalkan
Lebih terperinci