STATISTIKA LINGKUNGAN
|
|
- Yohanes Tedja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 STATISTIKA LINGKUNGAN TEORI PROBABILITAS
2 Probabilitas -pendahuluan Statistika deskriptif : menggambarkan data Statistik inferensi kesimpulan valid dan perkiraan akurat ttg populasi dengan mengobservasi sampel Teori probabilitas sbg dasar statistika inferens
3 Konsep Probabilitas Ruang sampel: gabungan semua kemungkinan S S A
4 Kategori Probabilitas Probabilitas Apriori: probabilitas yang telah ditentukan sebelumnya P[A]= n (A)/n(S) Probabilitas frekuensi relatif (empiris): probabilitas berdasarkan fakta setelah kejadian P[A]= f/n ; f=jumlah kejadian A muncul; n= jumlah sampel /eksperimen Probabilitas subyektif: probabilitas berdasarkan pertimbangan seseorang
5 Contoh: 1. Probabilitas bayi cacat yang dilahirkan oleh seorang Ibu yang menderita campak Jerman saat hamil? 2. Probabilitas anak kidal yang dilahirkan dari pasangan kidal dan tidak kidal? 3. Hasil analisa air sungai menunjukkan bahwa dari pengalaman yang ada, 8 % dari 100 sampel mengandung kadar fosfat yang tdk terdeteksi jika dianalisa dengan menggunakan metode rutin.
6 PERANAN PROBABILITAS Pembuatan model, analisis matematis, simulasi komputer banyak didasarkan atas asumsi yang dalam kondisi ideal model kuantitatif mungkin bisa mendekati atau jauh dari kondisi sebenarnya. Dalam pengembangan desain rekayasa keputusan dirumuskan pada ketidakpastian banyak keputusan terpaksa harus diambil: * tanpa memandang kelengkapan informasi * fenomena alamiah bersifat acak atau tak tentu
7 PERANAN PROBABILITAS Kuantifikasi ketidakpastian dan penilaian pengaruhnya pada perilaku dan perancangan suatu sistem melibatkan konsep atau metode probabilitas (kemungkinan). Variabel acak variabel yang tidak dapat diramalkan dengan pasti nilainya hanya dapat diramalkan dengan probabilitas.
8 PERANAN PROBABILITAS Ketidakpastian yang lain pemodelan atau penaksiran tidak sempurna nilai rerata tidak akan bebas dari kesalahan terutama bila datanya terbatas. Dalam beberapa hal taksiran lebih baik didasarkan atas pertimbangan seorang ahli
9 DASAR-DASAR PROBABILITAS Probabilitas mengacu pada terjadinya suatu peristiwa (event) relatif terhadap peristiwa lain ada lebih dari satu kemungkinan masalah menjadi tidak tertentu (non deterministik). sebagai ukuran numerik dari kecenderungan terjadinya suatu peristiwa relatif terhadap sehimpunan peristiwa lain. memerlukan identifikasi himpunan semua kemungkinan, yaitu ruang kemungkinan (possibility space) dan peristiwa yang ditinjau
10 DASAR-DASAR PROBABILITAS Contoh : aerator taksiran kemungkinan masa layan selama 6 tahun adalah 50%. Digunakan 3 aerator pertanyaan: berapa probabilitas 1 aerator masih baik setelah 6 tahun? Aerator 1 B B B R R R B R Aerator 2 B B R R B R R B Aerator 3 B R R R B B B R Satu aerator yang baik 3 kombinasi : B-R-R, R-R-B dan R-B-R probabilitas adalah 3/8 atau 37,5%
11 ELEMEN TEORI HIMPUNAN Ruang sampel (sample space) gabungan dari semua kemungkinan dalam suatu masalah probabilitas secara individu titik sampel. Suatu peristiwa sub himpunan dari ruang sampel. Ruang sampel bisa bersifat : * diskrit atau kontinu * berhingga (finite) atau tak berhingga
12 Variabel Diskrit Distribusi probabilitas variabel acak diskrit: gabungan seluruh kemungkinan yang terjadi serta probabilitas untuk terjadi. Expected value: merupakan nilai rata-rata (µ x ) semua kemungkinan peristiwa, dengan nilai setiap kemungkinan merupakan frekuensi relatif atau probabilitas 12 12/23/2012 Dwina Roosmini
13 ELEMEN TEORI HIMPUNAN Peristiwa mustahil (impossible event) φ peristiwa yang tidak mempunyai titik sampel himpunan kosong. Peristiwa tertentu (certain event) S peristiwa yang mengandung semua titik sampel dalam ruang sampel. Peristiwa komplementer (complementary event) E semua titik sampel dalam S yang tidak terkandung dalam E
14 ELEMEN TEORI HIMPUNAN
15 Pasien hipertensi Pasien kelebihan berat badan Pasien perokok Not mutually exclusive
16 Binatang Mamalia Unggas Mutually exclusive
17 Independen Peristiwa terjadi dengan bebas Kelinci yang diinokulasi virus polio Darah kelinci mengandung antibodi cacar Kelinci yang diinokulasi virus polio Darah kelinci mengandung antibodi polio
18 Aturan Probabilitas 1. Probabilitas adalah nilai antara 0 dan 1 yang merupakan hasil suatu proses atau eksperimen/pengamatan 2. Peristiwa bahwa A tidak terjadi disebut komplemen A dengan lambang A. Jika P(A) merupakan probabilitas kejadian A maka P(A )= 1- P(A) Jika peristiwa A dan B ME, maka probabilitas A 12/23/2012 dan terjadi bersama adalah 0 Dwina Roosmini
19 Aturan probabilitas (lanj.) 4. Jika persitiwa A dan B ME, maka probabilitas baik A atau B terjadi adalah jumlah probabilitas masing-masing P(A atau B) = P(A) + P (B) 5. Jika peristiwa A dan B not ME, maka probabilitas baik A atau B terjadi adalah P(A ataub)= P(A) + P(B) P(A dan B) 6. Jika dua peristiwa saling dependen, maka probablilitas kondisional B terjadi setelah A terjadi adalah P(B/A)= P(A dan B)/P(A) 12/23/2012 Dwina Roosmini 19
20 Aturan probabilitas (lanj.) 7. Jika peristiwa A dan B independen, probabilitas bahwa baik peristiwa A dan B akan terjadi adalah: P(A dan B) = P(A) x P(B) 8. Jika peristiwa A dan B not independen, probabilitas bahwa A dan B akan terjadi adalah: P(A dan B)= P (A) x P(B/A) 20 12/23/2012 Dwina Roosmini
21 Aturan Penjumlahan Mutually Exclusive: Kemungkinan terjadi peristiwa A dan B: P(A atau B)= P(A)+P(B) Not Mutually Exclusive: Kemungkinan terjadi peristiwa A dan B: P(Aatau B): P(A)+P(B)-P(A dan B)
22 Contoh: Analisa kimia air laut menunjukkan kandungan Pb dan Hg. Hasil analisa menunjukkan bahwa pada sampel dekat dekat muara sungai, 38% sampel mengandung Hg atau Pb tinggi, 32 % sampel mengandung Pb dan 10% mengandung Pb dan Hg. Berapa probabilitas bahwa sampel tersebut akan mengandung Hg dan berapa yang hanya mengandung Pb? Probabilitas dalam melempar dadu mendapatkan nilai genap?
23 Lokasi produksi mobil Perlu perbaikan dalam 90 hari pertama pemakaian Ya Tidak Jumlah US Non US a. Pembelian 1 bh mobil Probabilitas mobil perlu perbaikan? b. Probabilitas jumlah mobil br perlu perbaikan dan diproduksi di US? c. Probabilitas mobil memerlukan perbaikan dan yang tidak memerlukan perbaikan? d. Probabilitas mobil memerlukan perbaikan dan mobil yang diproduksi di US? e. Probabilitas mobil baru produksi US yang perlu perbaikan?
24 a. Jika dilakukan pembelian satu buah mobil, berapa probabilitas mobil perlu perbaikan pada 90 hari pertama pemakaian? P(perlu perbaikan)= Jumlah perlu perbaikan/jumlah mobil baru = 20/500 = 0,04 = 4% total
25 b. Jika dilakukan pembelian satu buah mobil, berapa probabilitas mobil yang diproduksi di USA perlu perbaikan pada 90 hari pertama pemakaian? P(perlu perbaikan)= Jumlah perlu perbaikan dan diproduksi di USA/jumlah total mobil baru = 7/500 = 0,014 = 0,14%
26 b. Jika dilakukan pembelian satu buah mobil, berapa probabilitas mobil yang diproduksi di USA perlu perbaikan pada 90 hari pertama pemakaian? P(perlu perbaikan)= Jumlah perlu perbaikan dan diproduksi di USA/jumlah total mobil baru = 7/500 = 0,014 = 0,14%
27 Mutually Exclusive c. Probabilitas mobil memerlukan perbaikan dan yang tidak memerlukan perbaikan? P(mobil memerlukan perbaikan atau tidak memerlukan perbaikan) = (20/500) + (480/500) = 1
28 Not Mutually Exclusive d. Probabilitas mobil memerlukan perbaikan dan mobil yang diproduksi di USA P(mobil memerlukan perbaikan atau diproduksi di USA) = P(memerlukan perbaikan)+ P(diproduksi di USA) -P(memerlukan perbaikan dan diproduksi di USA)= (20/500) + (300/500) (7/500) = 0,626 = 62,6 %
29 Independen Probabilitas akan diperoleh angka 5 pada 2 kali pelemparan dadu? P(A dan B) = P(A) x P(B)
30 Distribusi Probabilitas Terdapat 2 kelompok: Distribusi probabilitas diskrit Distribusi probabilitas kontinu 30 12/23/2012 Dwina Roosmini
31 Distribusi Probabilitas Diskrit Binomial Hypergeometrik Poisson Geometrik Multinomial Distribusi Probabilitas Kontinu Normal Binomial Uniform Log Normal Gamma 31 12/23/2012 Dwina Roosmini
32 Expected Value µ x =E(x)= Xi P(Xi) X= Variabel acak distkrit Xi= Hasil X pada perlakuan I P(Xi)= Probabilitas terjadinya hasil I dari X i = 1,2,3,.,n Varians = σ x2 = (Xi-µ x ) 2 P(Xi) Standard Deviasi = σ x 32 12/23/2012 Dwina Roosmini
33 Contoh: Data kecelakaan lalu lintas X Frek. Relatif P(X) 0 6 0, , , , , ,05 Nilai rata-rata/expected value? Varians dan standard deviasi? 12/23/2012 Dwina Roosmini 33
34 Expected value=µ x = Ex= Xi P(Xi)= (0)*(0,10)+(1)*(0,20)+(2)*(0,45)+(3)*(0,15)+(4)*(0,0 5)+(5)*(0,05)= 2 Varians= (0-2) 2 *(0,10)+(1-2) 2 *(0,2)+(2-2) 2 *(0,45)+ (3-2) 2 *(0,15)+ (4-2) 2 *(0,05)+(5-2) 2 *(0,05)= 1,4 Standard Deviasi= 1,4=1, /23/2012 Dwina Roosmini
35 Distribusi Binomial Digunakan untuk probabilitas yang bersifat diskrit, dengan asumsi: 1.Terdapat n kejadian pada sampling variabel acak 2.Hasil dari n independent antara satu dengan lainnya 3. Hanya ada dua kemungkinan hasil 4.Probabilitas setiap hasil konstant dari satu pengambilan sampel terhadap pengambilan sampel berikutnya 35 12/23/2012 Dwina Roosmini
36 Distribusi Binomial Probabilitas keberhasilan suatu peristiwa terjadi = p Probabilitas tidak berhasil/kegagalan = q=1-p Probabilitas keberhasilan suatu peristiwa terjadi tepat x kali dalam setiap perlakuan (x berhasil dan n-x gagal) = b 12/23/2012 Dwina Roosmini 36
37 Distribusi Binomial b( x; n, p) n n! p x!( n x x n x n x = p (1 p) = (1 p) x x)! Dimana x= 0,1,2,3, n n!=n(n-1)(n-2)(n-3).. 0!=1 Rerata= µ=n*p Simpangan baku= σ = np( 1 p) 12/23/2012 Dwina Roosmini 37
38 Distribusi Binomial Tentukan probabilitas untuk mendapatkan secara tepat dua peristiwa dalam 4 sampel, dimana probabilitas keberhasilan suatu peristiwa adalah 0,3. b(2;4,0,3) = 4 0,3 2 2 (1 0,3) 4 2 = 0, /23/2012 Dwina Roosmini
39 Tabel Distribusi Binomial n x p , , ,9930 0,05 0,1 0,5 b( x; n, p) = B( x; n, p) B( x 1; n, p) 39 12/23/2012 Dwina Roosmini
40 Distribusi Hipergeometris Berlaku jika pengambilan sampel dilakukan tanpa pengembalian kembali Jumlah sampel n, dari N populasi a diantaranya rusak Sampel 1= probabilitas mengambil yang rusak = a/n Sampel 2= terdapat 2 probabilitas mengambil yang rusak: 1. a/(n-1) jika sampel 1 yang terambil bukan yang rusak dan 2. (a-1)/(n-1) jika sampel 1 terambil yang rusak Probabilitas mendapatkan x berhasil dalam n percobaan= h 40 12/23/2012 Dwina Roosmini
41 Distribusi hipergeometrik ) ( ),, ; ( = = n N x n a N x a x P N a n x h 1) 2( ) )( (. 2 ) / (,2,... 01, ) ( ) dan ( : dimana = = = = N N n N a N na N a n rata Rata n x a N x n a x n σ µ 12/23/2012 Dwina Roosmini 41
42 Distribusi Hipergeometrik Suatu kotak yang berisi 40 suku cadang akan memenuhi persyaratan penerimaan bila berisi tidak lebih dari 3 suku cadang yang cacat. Dipilih 5 sampel suku cadang secara acak, berapa kemungkinan mendapat tepat satu yang cacat dalam 5 sampel diatas bila dalam kotak tersebut berisi 3 yang cacat 42 12/23/2012 Dwina Roosmini
43 Distribusi Poisson Observasi yang dapat dilakukan pada kejadian diskret dalam suatu area kesempatan, contoh: jumlah telepon panggilan perjam pada kantor polisi; jumlah laporan kehilangan kopor perhari pada suatu airport, dll Merupakan pendekatan terhadap distribusi binomial jika n>> dan p<< n.p 10 Batasan: 1. µkonstant untuk setiap unit waktu dan ruang 2. probabilitas lebih dari satu peristiwa dalam satu titik waktu atau ruang adalah 0 3. peristiwa satu dengan lainnya independen 43 12/23/2012 Dwina Roosmini
44 Distribusi Poisson P( x; µ ) µ e µ x = untuk x x! = 0,1,2,3,... µ = rata - rata peristiwa = λs Hasil pengukuran kualitas udara selama 9 perioda menunjukkan hasil sebagai berikut: 3, 1, 10, 2, 4, 6, 8, 2 ppb Pada konsentrasi rendah hanya akan dilaporkan sampai dengan besaran tertentu. Berapakah probabilitas bahwa pada perioda monitoring berikutnya hanya ada satu atau kurang dari satu ppb? 44 12/23/2012 Dwina Roosmini
45 Distribusi Geometris Bila peristiwa berhasil pertama akan dicapai setelah x percobaan, gagal= x-1. Probabilitas berhasil = p, probabilitas gagal (x-1) pada percobaan (x-1) adalah g g( x; p) = dengan P( x) = p(1 p) x 1 µ = 1/ p 45 12/23/2012 Dwina Roosmini
46 Distribusi Multinomial Sampel n bersifat bebas Semua hasil merupakan mutually exclusive Digunakan jika hasil pengamatan terdapat lebih dari 2, mis: nilaia, B, C, D m( x1, x2, x3,..., xk) = n! = p1x1p 2x2... pkxk x1! x2! x3!... xk! 46 12/23/2012 Dwina Roosmini
Probabilitas pendahuluan
Probabilitas pendahuluan Statistika deskriptif : menggambarkan data TEORI PROBABILITAS Statistik inferensi kesimpulan valid dan perkiraan akurat ttg populasi dengan mengobservasi sampel Teori probabilitas
Lebih terperinciContoh: Aturan Penjumlahan. Independen. P(A dan B) = P(A) x P(B)
Aturan Penjumlahan Mutually Exclusive: Kemungkinan terjadi peristiwa A dan B: P(A atau B)= P(A)+P(B) Not Mutually Exclusive: Kemungkinan terjadi peristiwa A dan B: P(Aatau B): P(A)+P(B) P(A dan B) Contoh:
Lebih terperinciSTATISTIK PERTEMUAN IV
STATISTIK PERTEMUAN IV PRINSIP DAN DISTRIBUSI PROBABILITAS A. PERANAN PROBABILITAS Pembuatan model, analisis matematis, simulasi komputer dan sebagainya, banyak didasarkan atas asumsi-asumsi yang diidealisir,
Lebih terperinciPROBABILITAS (PELUANG) PENGERTIAN PROBABILITAS
PROBABILITAS (PELUANG) PENGERTIAN PROBABILITAS Dalam kehidupan sehari-hari kita sering mendengar dan menggunakan kata probabilitas (peluang). Kata ini mengisyaratkan bahwa kita berhadapan dengan sesuatu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Probabilitas (Peluang) Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2. Probabilitas Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya tidak pasti (uncertain
Lebih 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 8 DISTRIBUSI PELUANG DISKRIT
BAB 8 DISTRIBUSI PELUANG DISKRIT A. Peluang Peluang atau yang sering disebut sebagai probabilitas dapat dipandang sebagai cara untuk mengungkapkan ukuran ketidakpastian/ ketidakyakinan/ kemungkinan suatu
Lebih terperinciSTATISTIK PERTEMUAN V
STATISTIK PERTEMUAN V Variabel Random/ Acak variabel yg nilai-nilainya ditentukan oleh kesempatan/ variabel yang bernilai numerik yg didefinisikan dlm suatu ruang sampel 1. Variabel Random diskrit Variabel
Lebih terperinciSTK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak
STK 511 Analisis statistika Materi 3 Sebaran Peubah Acak 1 Konsep Peluang 2 Peluang Peluang dapat diartikan sebagai ukuran kemungkinan terjadinya suatu kejadian Untuk memahami peluang diperlukan pemahaman
Lebih terperinciKONSEP DASAR PROBABILITAS
KONSEP DASAR PROBABILITAS Definisi: Probabilitas adalah peluang suatu kejadian Manfaat: Manfaat mengetahui probabilitas adalah membantu pengambilan keputusan yang tepat, karena kehidupan di dunia tidak
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 terperinciDISTRIBUSI PROBABILITAS (PELUANG)
DISTRIBUSI PROBABILITAS (PELUANG) Distribusi Probabilitas (Peluang) Distribusi? Probabilitas? Distribusi Probabilitas? JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Distribusi = sebaran,
Lebih terperinciDISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30
DISTRIBUSI TEORITIS Distribusi teoritis merupakan alat bagi kita untuk menentukan apa yang dapat kita harapkan, apabila asumsi-asumsi yang kita buat benar. Distribusi teoritis memungkinkan para pembuat
Lebih terperinci4.1.1 Distribusi Binomial
4.1.1 Distribusi Binomial Perhatikan sebuah percobaan dengan ciri-ciri sebagai berikut : Hanya menghasilkan (diperhatikan) dua peristiwa atau kategori, misal S (sukses) dan G (gagal) Dilakukan sebanyak
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 3 Sebaran Peluang Peubah Acak
STK511 Analisis Statistika Pertemuan 3 Sebaran Peluang Peubah Acak Beberapa Konsep Dasar Percobaan statistika: kegiatan yang hasil akhir keluarannya tidak diketahui di awal, tetapi kemungkinan-kemungkinannya
Lebih terperinciDistribusi Probabilitas Diskrit. Dadan Dasari
Distribusi Probabilitas Diskrit Dadan Dasari Daftar Isi DIstribusi Uniform Distribusi Binomial DIstribusi Multinomial Distribusi Hipergeometrik Distribusi Poisson Distribusi Probabilitas Uniform Diskrit
Lebih terperinciMODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU
DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal)
Lebih terperinciKompetens n i s : Mahasiswa mam a pu p menjel enj a el s a ka k n gejala ekonomi dengan meng guna k n a konsep probabil i i l t i as
Kompetensi: Mahasiswa mampu menjelaskan gejala ekonomi dengan menggunakan konsep probabilitas Hal. 9- Penelitian itu Penuh Kemungkinan (tdk pasti) Mengubah Saya tidak yakin Menjadi Saya yakin akan sukses
Lebih terperinciProbabilitas dan Statistika Distribusi Peluang Diskrit 2. Adam Hendra Brata
Probabilitas dan Statistika Distribusi Peluang Diskrit 2 Adam Hendra Brata Distribusi Hipergeometrik Distribusi Hipergeometrik Jika sampling dilakukan tanpa pengembalian dari kejadian sampling yang diambil
Lebih terperinciSEBARAN PELUANG DISKRET
SEBARAN PELUANG DISKRET Beberapa Peubah Acak Diskret Seragam Bernoulli Binomial Hipergeometrik Binom Negatif Geometrik Poisson Peubah Acak Seragam Bila setiap kemungkinan percobaan memiliki kesempatan
Lebih terperinciStatistika Farmasi
Bab 3: Distribusi Data Statistika FMIPA Universitas Islam Indonesia Distribusi Data Teori dalam statistika berkaitan dengan peluang Konsep dasar peluang tersebut berkaitan dengan peluang distribusi, yaitu
Lebih terperinciBeberapa Distribusi Peluang Diskrit
Beberapa Distribusi Peluang Diskrit Departemen Teknik Informatika Institut Teknologi Bandung Page 1 Isi : Distribusi Seragam Distribusi Binomial Distribusi Multinomial Page 2 Distribusi
Lebih terperinciPS-02 HUKUM-HUKUM PROBABILITAS. Nur Hayati, S.ST, MT Yogyakarta, Februari 2016
PS-02 HUKUM-HUKUM PROBABILITAS Nur Hayati, S.ST, MT Yogyakarta, Februari 2016 Ruang Sampel Kejadian Hukum Probabilitas Pokok Bahasan Ruang Sampel Pengertian Ruang Sampel dan Titik Sampel Ruang Sampel adalah
Lebih terperinciBeberapaDistribusiPeluang. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB
BeberapaDistribusiPeluang Diskrit Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB Pengantar Pengamatanyang dihasilkanmelaluipercobaanyang berbeda
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 terperinciKonsep Dasar Statistik dan Probabilitas
Konsep Dasar Statistik dan Probabilitas Pengendalian Kualitas Statistika Ayundyah Kesumawati Prodi Statistika FMIPA-UII October 7, 2015 Ayundyah (UII) Konsep Dasar Statistik dan Probabilitas October 7,
Lebih terperinciD I S T R I B U S I P R O B A B I L I T A S
D I S T R I B U S I P R O B A B I L I T A S Amiyella Endista Email : amiyella.endista@yahoo.com Website : www.berandakami.wordpress.com Distribusi Probabilitas Kunci aplikasi probabilitas dalam statistik
Lebih terperinciPROBABILITAS (KEMUNGKINAN/PELUANG) PENDAHULUAN PENGERTIAN PROBABILITAS HUKUM PROBABILITAS
PROBABILITAS (KEMUNGKINAN/PELUANG) PENDAHULUAN PENGERTIAN PROBABILITAS HUKUM PROBABILITAS PENDAHULUAN Semua kejadian di alam selalu dikatakan ada ketidakpastian Adanya statistik karena adanya ketidakpastian
Lebih terperinci28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω
SAMPLE SPACE, SAMPLE POINTS, EVENTS Sample space,ω, Ω adalah sekumpulan semua sample points,ω, ω yang mungkin; dimana ω Ω Contoh 1. Melemparkan satu buah koin:ω={gambar,angka} Contoh 2. Menggelindingkan
Lebih terperinciBab 3 Pengantar teori Peluang
Bab 3 Pengantar teori Peluang Istilah peluang atau kemungkinan, sering kali diucapkan atau didengar. Sebagai contoh ketika manajer dari sebuah klub sepak bola ditanya wartawan tentang hasil pertandingan
Lebih terperinciBAB 3 Teori Probabilitas
BAB 3 Teori Probabilitas A. HIMPUNAN a. Penulisan Hipunan Cara Pendaftaran Cara Pencirian 1) A = {a,i,u,e,o} 1) A = {X: x huruf vokal } 2) B = {1,2,3,4,5} menghasilkan data diskrit 2) B = {X: 1 x 2} menghasilkan
Lebih terperinciPertemuan 1 KONSEP DASAR PROBABILITAS
Pertemuan 1 KONSEP DASAR PROBABILITAS Pengantar Banyak kejadian dalam kehidupan sehari-hari yang sulit diketahui dengan pasti, terutama kejadian yang akan datang. Meskipun kejadian-kejadian tersebut tidak
Lebih terperinciStatistika (MMS-1001)
Statistika (MMS-1001) Dr. Danardono, MPH danardono@ugm.ac.id Program Studi Statistika Jurusan Matematika FMIPA UGM Materi dan Jadual Tatap Muka Pokok Bahasan Sub Pokok Bahasan 1. Statistika Deskriptif
Lebih terperinciBAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu
BAB II TINJAUAN TEORITIS 2.1 Pendahulauan Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu rekayasa suatu model logika ilmiah untuk melihat kebenaran/kenyataan model tersebut.
Lebih terperinciStatistika (MMS-1403)
Statistika (MMS-1403) Dr. Danardono, MPH danardono@ugm.ac.id Program Studi Statistika Jurusan Matematika FMIPA UGM Materi dan Jadual Minggu ke- Pokok Bahasan Sub Pokok Bahasan 1. Pendahuluan 1 Perkuliahan
Lebih terperinciStatistika (MMS-1001)
Statistika (MMS-1001) Dr. Danardono, MPH danardono@ugm.ac.id Program Studi Statistika Jurusan Matematika FMIPA UGM Materi dan Jadual Tatap Muka Pokok Bahasan Sub Pokok Bahasan 1. Statistika Deskriptif
Lebih terperinciSTK 211 Metode statistika. Materi 4 Peubah Acak dan Sebaran Peluang
STK 211 Metode statistika Materi 4 Peubah Acak dan Sebaran Peluang 1 Pendahuluan Soal ujian masuk PT diselenggarakan dengan sistem pilihan berganda. Jika jawaban benar diberi nilai 4, salah dikurangi 1
Lebih terperinciSTATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI
STATISTIKA Muhamad Nursalman Pendilkom/Ilkom UPI 1 Daftar Isi Bab 1 Peluang Bab Peubah Acak Bab 3 Distribusi Peluang Diskret Bab 4 Distribusi Peluang Kontinu Bab 5 Fungsi Peubah Acak Bab 6 Teori Penaksiran
Lebih 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 terperinciPENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 5. Beberapa jenis Distribusi Variabel Acak Prima Kristalina April 215 1 Outline 1. Beberapa macam
Lebih terperinciDISTRIBUSI BINOM. Ciri-ciri: 1.Eksperimen terdiri dari n percobaan yang dapat diulang
DISTRIBUSI PELUANG Distribusi Peluang utk Variabel acak Diskret Distribusi Binom Distribusi Multinom Distribusi Hipergeometrik Distribusi Poison Distribusi Peluang utk Variabel acak Kontinu Distribusi
Lebih terperinciDISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2. Distribusi Hipergeometrik
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2 TI2131 TEORI PROBABILITAS MINGGU KE-10 Distribusi Hipergeometrik Eksperimen hipergeometrik memiliki karakteristik sebagai berikut: 1. sebuah sampel random berukuran
Lebih terperinciNilai harapan suatu variabel acak x ditulis E (x) didefinisikan E (x) = Σ x. f (x) Var (x) = σ x 2 = E [ x E (x) ] 2 = E (x 2 ) { E (x) } 2
Pertemuan ke- 4 BAB III POPULASI, SAMPEL & DISTRIBUSI TEORITIS VARIABEL DISKRIT DAN FUNGSI PROBABILITAS 3.1 Variabel Random atau Variabel Acak Variabel yang nilainya merupakan suatu bilangan yang ditentukan
Lebih terperinciBagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas
Probabilitas Bagian Probabilitas A) = peluang (probabilitas) bahwa kejadian A terjadi 0 < A) < 1 A) = 0 artinya A pasti terjadi A) = 1 artinya A tidak mungkin terjadi Penentuan nilai probabilitas: Metode
Lebih terperinciBy : Refqi Kemal Habib
BAB I PENDAHULUAN A. Dasar Teori Peluang atau kebolehjadian atau dikenal juga sebagai probabilitas adalah cara untuk mengungkapkan pengetahuan atau kepercayaan bahwa suatu kejadian akan berlaku atau telah
Lebih terperinciPENGANTAR PROBABILITAS STATISTIKA UNIPA SBY
PENGANTAR PROBABILITAS GANGGA ANURAGA POKOK BAHASAN Konsep dasar probabilitas Teori himpunan Permutasi Kombinasi Koefisien binomial Koefisien multinomial Probabilitas Aksioma probabilitas Probabilitas
Lebih 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 terperinciKONSEP PROBABILITAS & DISTRIBUSI PROBABILITAS
KONSEP PROBABILITAS & DISTRIBUSI PROBABILITAS 5 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hbp://debrina.lecture.ub.ac.id/ 2
Lebih terperinciMATERI STATISTIK II. Genrawan Hoendarto
MATERI STATISTIK II Teori Probabilitas Variabel Acak dan Nilai Harapan Distribusi Teoritis Distribusi Sampling Pengujian Hipotesis Regresi dan Korelasi Linear Sederhana Statistik Nonparametrik Daftar Pustaka
Lebih terperinciAndri Helmi M, SE., MM.
Andri Helmi M, SE., MM. 1. Untuk menentukan kepentingan relatif dari suatu risiko yang dihadapi, 2. Untuk mendapatkan informasi yang sangat diperlukan oleh manajer risiko dalam upaya menentukan cara dan
Lebih terperinciMateri #2 TIN315 Pemeliharaan dan Rekayasa Keandalan Genap 2015/2016
#2 PROBABILITAS 2.1. Pendahuluan Kata probabiliitas sering dipakai jika kehilangan sentuhan dalam mengimplikasikan bahwa suatu kejadian yang mempunyai peluang yang bagus akan terjadi. Dalam hal ini penilaian
Lebih terperinciMK Statistik Bisnis 2 MultiVariate. Haryoso Wicaksono, S.Si., M.M., M.Kom. 1
Haryoso Wicaksono, S.Si., M.M., M.Kom. 1 Descriptive Statistics mengandung metoda dan prosedur yang digunakan untuk pengumpulan, pengorganisasian, presentasi dan memberikan karakteristik terhadap himpunan
Lebih terperinciPENGUKURAN RISIKO MANFAAT PENGUKURAN RISIKO DIMENSI YANG DIUKUR
PENGUKURAN RISIKO MANFAAT PENGUKURAN RISIKO 1. Untuk menentukan kepentingan relatif dari suatu risiko yang dihadapi. 2. Untuk mendapatkan informasi yang sangat diperlukan oleh Manajer Risiko dalam upaya
Lebih terperinciPENGUKURAN RISIKO MANFAAT PENGUKURAN RISIKO DIMENSI YANG DIUKUR
PENGUKURAN RISIKO MANFAAT PENGUKURAN RISIKO 1. Untuk menentukan kepentingan relatif dari suatu risiko yang dihadapi. 2. Untuk mendapatkan informasi yang sangat diperlukan oleh Manajer Risiko dalam upaya
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 terperinciBinomial Distribution. Dyah Adila
Binomial Distribution Dyah Adila Binomial Distribution adalah bentuk percobaan yang memiliki syarat-syarat sebagai berikut: 1. Percobaan dilakukan sebanyak n kali. 2. Setiap percobaan memiliki dua hasil
Lebih terperinciBAB IV. DISTRIBUSI PROBABILITAS DISKRIT
BAB IV. DISTRIBUSI PROBABILITAS DISKRIT A. Variabel random diskrit. Variabel random diskrit X adalah : Cara memberi nilai angka pada setiap elemen ruang sampel X(a) : Ukuran karakteristik tertentu dari
Lebih terperinciMATERI KULIAH STATISTIKA
MATERI KULIAH STATISTIKA III. TEORI PROBABILITAS 1. Operasi himpunan a. Gabungan atau union b. Interseksi atau irisan Contoh soal 1 : Dalam sebuah eksperimen pelemparan 1 buah dadu, terdapat kejadian :
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 terperinciHidup penuh dengan ketidakpastian
BAB 2 Probabilitas Hidup penuh dengan ketidakpastian Tidak mungkin bagi kita untuk dapat mengatakan dengan pasti apa yang akan terjadi dalam 1 menit ke depan tapi Probabilitas akan memprediksikan masa
Lebih terperinciDISTRIBUSI PROBABILITAS
BAB 7 DISTRIBUSI PROBABILITAS Kompetensi Menjelaskan distribusi probabilitas Indikator 1. Menjelaskan distribusi hipergeometris 2. Menjelaskan distribusi binomial 3. Menjelaskan distribusi multinomial
Lebih terperinciTugas Kelompok. Mata Kuliah Metodologi Penelitian Kuantitatif. Judul Makalah Revisi DISTRIBUSI PELUANG
Tugas Kelompok Mata Kuliah Metodologi Penelitian Kuantitatif Judul Makalah Revisi DISTRIBUSI PELUANG Kajian Buku Pengantar Statistika Pengarang Nana Sudjana Tugas dibuat untuk memenuhi tugas mata kuliah
Lebih 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 terperinciPELUANG DAN PEUBAH ACAK
PELUANG DAN PEUBAH ACAK Materi 3 - STK511 Analisis Statistika October 3, 2017 Okt, 2017 1 Konsep Peluang 2 Pendahuluan Kejadian di dunia: pasti (deterministik) atau tidak pasti (probabilistik) Contoh kejadian
Lebih terperinciDISTRIBUSI DISKRIT KHUSUS
DISTRIBUSI DISKRIT KHUSUS U N I F O R M ( S E R A G A M ) B E R N O U L L I B I N O M I A L P O I S S O N MA 4085 Pengantar Statistika 26 Februari 2013 Utriweni Mukhaiyar M U L T I N O M I A L H I P E
Lebih terperinciMateri dan Jadual Tatap Pokok Bahasan Sub Pokok Bahasan Statistika (MMS 2401) Muka Materi dan Jadual Materi dan Jadual
Materi dan Jadual Statistika(MMS 2401) Dr. Danardono, MPH danardono@ugm.ac.id Program Studi Statistika Jurusan Matematika FMIPA UGM Tatap Muka Pokok Bahasan 1. Statistika Deskriptif 2. Statistika Deskriptif
Lebih terperinciPeluang suatu kejadian
Peluang suatu kejadian Percobaan: Percobaan adalah suatu tindakan atau kegiatan yang dapat memberikan beberapa kemungkinan hasil Ruang Sampel: Ruang sampel adalah himpunan semua hasil yang mungkin dari
Lebih terperinciUNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, MA 2081 Statistika Dasar.
DISTRIBUSI DISKRIT UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, GEOMETRIK, BINOMIAL NEGATIF MA 2081 Statistika Dasar Utriweni Mukhaiyar 7 Maret
Lebih terperinciSTATISTIK INDUSTRI 1. Agustina Eunike, ST., MT., MBA
STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Probabilitas PELUANG Eksperimen Aktivitas / pengukuran / observasi suatu fenomena yang bervariasi outputnya Ruang Sampel / Sample Space Semua output
Lebih terperinciDISTRIBUSI TEORITIS. Variabel Acak Distribusi Teoritis Binomial Normal
DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat
Lebih terperinciHARAPAN MATEMATIK. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016
HARAPAN MATEMATIK Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 Pendahuluan Rata-rata perubah acak X atau rata-rata distribusi peluang X ditulis x atau. Dalam statistik rata-rata ini disebut harapan matematik
Lebih terperinciDISTRIBUSI PELUANG.
DISTRIBUSI PELUANG readonee@yahoo.com Distribusi? Peluang? Distribusi Peluang? Distribusi = sebaran, pencaran, susunan data Peluang : Ukuran/derajat ketidakpastian suatu peristiwa Distribusi Peluang adalah
Lebih terperinciBab 9. Peluang Diskrit
Bab 9. Peluang Diskrit Topik Definisi Peluang Diskrit Sifat Peluang Diskrit Probabilitas terbatas Konsep Teori Himpunan pada Peluang Diskrit Probabilitas Kejadian Majemuk A B dan A B DuaKejadianSalingLepas
Lebih terperinciPeubah Acak (Lanjutan)
Learning Outcomes 13 April 2014 Learning Outcomes Learning Outcome Outline Mahasiswa dapat mengerti dan menentukan peubah acak diskret Mahasiswa dapat memahami dan menghitung nilai harapan Mahasiswa dapat
Lebih terperinciPEMBAHASAN UTS 2015/2016 STATISTIKA 1
PEMBAHASAN UTS 2015/2016 STATISTIKA 1 1. pernyataan berikut ini menjelaskan definisi dan cakupan statistika deskriptif, KECUALI : a. statistika deskriptif mendeskripsikan data yang telah dikumpulkan (Organizing)
Lebih terperinciKumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X
Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik
Lebih terperinciDISTRIBUSI DISKRIT KHUSUS
DISTRIBUSI DISKRIT KHUSUS UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON MULTINOMIAL HIPERGEOMETRIK GEOMETRIK BINOMIAL NEGATIF MA3181 Teori Peluang 27 Oktober 2014 Utriweni Mukhaiyar DISTRIBUSI UNIFORM (SERAGAM)
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 terperinciDISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS DISTRIBUSI PROBABILITAS DISKRIT Distribusi binomial Distribusi binomial - Distribusi peluang diskrit Distribusi geometrik Distribusi hipergeometrik Distribusi poison BERNOULLI TRIAL
Lebih terperinciKonsep Dasar Statistik dan Probabilitas
Konsep Dasar Statistik dan Probabilitas Pengendalian Kualitas Statistika Ayundyah Kesumawati Prodi Statistika FMIPA-UII September 30, 2015 Ayundyah (UII) Konsep Dasar Statistik dan Probabilitas September
Lebih terperinciPEUBAH ACAK. Materi 4 - STK211 Metode Statistika. October 2, Okt, Department of Statistics, IPB. Dr. Agus Mohamad Soleh
PEUBAH ACAK Materi 4 - STK211 Metode Statistika October 2, 2017 Okt, 2017 1 Pendahuluan Pernahkah bertanya, mengapa dalam soal ujian penerimaan mahasiswa baru, jika jawaban benar diberi nilai 4, salah
Lebih terperinci: Distribusi Peluang. : D. Rizal Riadi
MATERI 3 Mata Kuliah Dosen : Distribusi Peluang : Statistik : D. Rizal Riadi Mengingat data kuantitatif dipengaruhi faktor-faktor ketidakpastian dan variasi yang disebabkan akurasi instrumen penelitian
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 terperinciBiostatistika (KUI 611) TOPIK 3: VARIABEL RANDOM & DISTRIBUSI PROBABILITAS
Biostatistika (KUI 611) TOPIK 3: VARIABEL RANDOM & DISTRIBUSI PROBABILITAS 1 Probabilitas Perlunya pengetahuan tentang probabilitas dalam Biostatistik Pengertian probabilitas, variabel random dan distribusi
Lebih terperinciADITHYA SUDIARNO, ST., MT.
STATISTIKA INDUSTRI [VAR RANDOM & DISTRIBUSI PROB.] ADITHYA SUDIARNO, ST., MT. ANALISIS PEMBELAJARAN STATISTIK DESKRIPTIF KONSEP PELUANG/ PROBABILITAS TEKNIK PENGAMBILAN SAMPLING RANDOM VARIABLE KONSEP
Lebih terperinciDISTRIBUSI DISKRIT KHUSUS
DISTRIBUSI DISKRIT KHUSUS Uniform Bernoulli Binomial Poisson Distribusi Lainnya: Multinomial Hipergeometrik Geometrik Binomial Negatif BI5106 Analisis Biostatistika 27 September 2012 Distribusi uniform
Lebih terperinciDISTRIBUSI DISKRIT KHUSUS
DISTRIBUSI DISKRIT KHUSUS Uniform U (seragam) MultinomialM l i i l Bernoulli Hipergeometrik Binomial Geometrik Poisson Binomial Negatif MA 2081 Statistika Dasar Utriweni Mukhaiyar 27 September 2012 2 Distribusi
Lebih terperinciDasar-dasar Statistika Pemodelan Sistem
Dasar-dasar Statistika Pemodelan Sistem Kuliah Pemodelan Sistem Semester Genap 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Januari 2016 MZI (FIF Tel-U) Statistika Pemodelan Januari 2016
Lebih terperinciDISTRIBUSI DISKRIT. MA 2081 Statistika Dasar Utriweni Mukhaiyar
DISTRIBUSI DISKRIT Uniform (seragam) Bernoulli Binomial Poisson Beberapa distribusi lainnya : MULTINOMIAL, HIPERGEOMETRIK, GEOMETRIK, BINOMIAL NEGATIF MA 081 Statistika Dasar Utriweni Mukhaiyar 5 Maret
Lebih terperinciSTATISTIKA LINGKUNGAN Pendahuluan. Dwina Roosmini
STATISTIKA LINGKUNGAN Pendahuluan Dwina Roosmini Statistika Pengetahuan yang berhubungan dengan cara-cara: pengumpulanfakta, pengolahanserta penganalisaannya, penarikankesimpulan keputusan yang beralasan
Lebih terperinciDistribusi 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 terperinciJenis Distribusi. 1. Distribusi Probabilitas 2. Distribusi Binomial (Bernaulli) 3. Distribusi Multinomial 4. Distribusi Normal (Gauss)
Ir Tito Adi Dewanto Jenis Distribusi 1. Distribusi Probabilitas 2. Distribusi Binomial (Bernaulli) 3. Distribusi Multinomial 4. Distribusi Normal (Gauss) Pengantar Kunci aplikasi probabilitas dalam statistik
Lebih terperinciModel dan Simulasi Universitas Indo Global Mandiri
Model dan Simulasi Universitas Indo Global Mandiri Nomor random >> angka muncul secara acak (random/tidak terurut) dengan probabilitas untuk muncul yang sama. Probabilitas/Peluang merupakan ukuran kecenderungan
Lebih terperinciSTK 211 Metode statistika. Materi 3 Konsep Dasar Peluang
STK 211 Metode statistika Materi 3 Konsep Dasar Peluang 1 Pendahuluan Banyak kejadian-kejadian di dunia ini yang tidak pasti Misal: Akankah hujan sore hari ini? Akankah PSSI menang? dll Nilai Kejadian
Lebih terperinciALJABAR SET & AKSIOMA PROBABILITAS
ALJABAR SET & AKSIOMA PROBABILITAS Pokok Bahasan Sample Space Event Aljabar Set Prinsip dan Aksioma Probabilitas Equally Likely Event Conditional Probability Independent Event Sample Space dan Event Eksperimen
Lebih terperinciPeubah Acak. 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1
Peubah Acak 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1 Definisi Peubah Acak Peubah acak adalah peubah yang mengkarakterisasikan setiap elemen dalam ruang sampel dengan suatu bilangan real.
Lebih terperinciPENDAHULUAN Definisi: Contoh Kasus:
DISTRIBUSI PROBABILITAS 1 PENDAHULUAN Definisi: Distribusi probabilitas adalah sebuah susunan distribusi yang mempermudah mengetahui probabilitas sebuah peristiwa. Merupakan hasil dari setiap peluang peristiwa.
Lebih terperinciKONSEP DASAR PROBABILITAS. Didin Astriani Prasetyowati, M.Stat Fakultas Ilmu Komputer Universitas Indo Global Mandiri
1 KONSEP DASAR PROBABILITAS Didin Astriani Prasetyowati, M.Stat Fakultas Ilmu Komputer Universitas Indo Global Mandiri Pengantar : 2 Banyak kejadian dalam kehidupan sehari-hari yang sulit diketahui dengan
Lebih terperinci