BAB III STATISTIK INFERENSI PADA RANTAI MARKOV
|
|
- Siska Widjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB III STATISTIK INFERENSI PADA RANTAI MARKOV 3. Pedahulua Pada Bab II elah dibahas megeai aai Makov beode- aau Ō() da maiks peluag asisiya. Pada bagia ii, aka dibahas bagaimaa meeuka ode aai Makov dai baisa hasil pegamaa. Pehaika baisa hasil pegamaa ehadap cuaca beiku sebagai cooh, Dikeahui baisa hasil pegamaa ehadap keadaa cuaca selama 0 hai sebagai beiku. Disii keadaa cuaca dibagi kedalam iga kaegoi yaiu huja (disimbolka dega agka ), beawa (), da ceah (3) Obs Tabel. Cooh Hasil Pegamaa Masalah disii ialah bagaimaa meeuka ode dai baisa pegamaa esebu, dega kaa lai bagaimaa meeuka apakah keadaa beawa di hai ke-0 begaug secaa lagsug haya kepada huja di hai ke-9, aau 8
2 begaug pula pada huja di hai ke-8, aau bahka begaug pada keadaa di hai ke-7, da seeusya. Dalam melakuka pegujia ehadap aai Makov, maiks peluag asisiya idak haus dikeahui, melaika cukup dega aksiaya. Peeua peaksi iik sebuah paamee dapa diempuh dega megguaka bebeapa meode sepei meode mome, meode kuada ekecil, da meode kemugkia maksimum (maximum likelihood). Dai keiga meode esebu, dalam meaksi peluag asisi yag aka diguaka disii adalah meode kemugkia maksimum kaea meode esebu meupaka meode yag palig bayak diguaka dibadigka kedua meode laiya. Gagasa dai meode ii ialah bahwa peaksi paamee yag waja yag bedasaka ifomasi sampel adalah ilai paamee yag meghasilka peluag ebesa uuk medapaka sampel esebu. 3. Esimasi Kemugkia Maksimum Uuk P Sebelumya pehaika caa membagu maiks yag meyaaka bayakya asisi aa keadaa sebagai beiku. Secaa umum defiisika maiks bayakya asisi M sebagai beiku, M m m m m m m m m m dega mij M( V j V i), i, j,,, Disii, m ij meyaaka bayakya asisi dai keadaa i ke j. Dai Tabel, asisi dai keadaa ke haya ejadi sau kali yaiu dai hai ke-3 ke hai ke- 4. Dega demikia, m. Dega caa yag sama, dipeoleh maiks M dai hasil obsevasi pada Tabel sebagai beiku, m m m3 M m m m m3 m3 m 33 (3..) (c 3.) 9
3 Kemudia dai maiks esebu dicai maiks peluag asisi uuk aai Makovya. Peluag asisi esebu diaksi dega megguaka meode kemugkia maksimum. Dudewicz da Misha [4] medefiisika fugsi kemugkia (likelihood) sebagai beiku, Defiisi (Fugsi Kemugkia) Adaika V, V,,V adalah buah peubah acak dega fugsi disibusi Fv (, v,..., v θ ) dega θ Θ meupaka paamee yag idak dikeahui, maka fugsi kemugkia ialah, ( θ ) (,,..., θ ) L f v v v Dega megambil V, V,,V sampel acak yag bedisibusi ideik da salig bebas, maka dipeoleh fugsi kemugkia sebagai beiku, L( θ) f( v, v,..., v θ) f( v θ ) f( v θ) f( v θ) Seiap θ θ( V, V,..., V ) Θ dimaa L( θ) sup{ L( θ): θ Θ }, disebu peaksi kemugkia maksimum dai θ. Peaksia θ dega megguaka meode kemugkia maksimum elah bayak dibahas dalam buku-buku saisika. Namu, secaa umum dalam pembahasaya fugsi disibusi Fv ( θ ) maupu fugsi kepadaa peluag f( v θ ) dai peubah acak V elah dikeahui sebelumya. Dudewicz da Misha [4] membeika sebuah cooh meaik eag bagaimaa melakuka peaksia kemugkia maksimum dega haya megeahui ilai-ilai peluag dai V uuk Ө eeu. Cooh (Peaksia Kemugkia Maksimum) Dikeahui abel peluag dai peubah acak V {0,,,3,4} ehadap paamee yag bebeda-beda yaiu θ, θ, θ 3 sebagai beiku, 30
4 V p(v I Ө ) 0,00 0,05 0,05 0,08 0,0 p(v I Ө ) 0,05 0,05 0,08 0,0 0,00 p(v I Ө 3 ) 0,9 0,08 0,0 0,00 0,00 Di sii θ (0) θ 3, θ() θ3, θ() θ, θ(3) θ, θ(4) θ. Adaika kia adaka sediki peubaha bahwa kia ahu θ Θ { θ, θ}, maka peaksia kemugkia maksimum idak lagi uggal kaea meskipu θ (0) θ, θ () θ, θ (3) θ, θ (4) θ ilai θ () memiliki dua kemugkia yaiu θ da θ. Hasil dai cooh diaas kosise dega defiisi kia semula yaiu aksia kemugkia maksimum dai θ adalah θ yag memaksimumka fugsi kemugkia L(θ ). Selai iu, hasil aksia esebu idak haus uggal. Secaa umum, uuk aai Makov beode dega keadaa fugsi kemugkiaya adalah, ( ) 0 L p P( V i, V i,, V i, V i ) i0 i0i i i mij pi 0 pij i, j,,, 0 PV ( V i ) PV ( i V i) PV ( i) p p p Uuk mecai p ˆ kl peama pesamaa (3..) diulis, (3..) mij mkw i0 ij kw i, j w i k L( p) p p p, k,,, (3..3) Kaea pada lagkah selajuya aka dicai uua peama pesamaa (3..3) ehadap P kl, maka uuk mempemudah fugsi kemugkiaya dilog-ka sehigga p ij da p kw elepas dai pagka m ij da m kw. Hal ii dapa dilakuka kaea fugsi log mempeahaka sifa kemoooa. Dega demikia, pesamaa (3..3) mejadi, 3
5 log L( p) log p p p mij mkw i0 ij kw i, j w i k mij mkw i0 ij kw i, j l i k log p + log p + log p log p + m log p + m log p dimaa k,,, i0 ij ij kw i, j l i k kw (3..4) Dai (..), maka dalam pesamaa (3..4) bagia diuliska sebagai beiku, w m kw log p kw dapa m log p m log p + m log p kw kw kl kl kw kw w w w l m log p + m log( p p ), k, l,,, sehigga pesamaa (3..4) mejadi, kl kl kw kl ks w s w l log Lp ( ) log p i m 0 ijlog pij mkllog pkl mkwlog( pkl pks) ij, w s i k w l dimaa k, l,,, (3..5) Bagia selai m log p + m log( p p ) kl kl kw kl ks w s w l idak megadug usu p ˆ kl sehigga uua peama (3..5) ehadap p ˆ kl adalah, 3
6 log L( p) log pi m log log log( ) 0 ij p ij mkl pkl mkw pkl p ks Pkl P kl i, j w s i k w l mkl log pkl + mkw log( pkl pks ) P kl w s w l mkl mkw pkl w ( p p ) w l kl ks s (3..6) Nilai aksia kemugkia maksimum dai dai P kl log Lp ( ) 0 m p kl kl m 0 ( ) kw w w l pkl pks s p kl adalah p ˆ kl yag mejadi solusi (3..7) mkl ( pkl pks ) mkw pkl ( pkl pkw pks ) w s q s w l q l s q 0 p ( p p ) kl kl ks w s w l mkl ( pkl pks) m kw pkl ( pkl pkw pks) 0 w s q s w l q l s q (3..8) Dega meyelesaika pesamaa (3..8) uuk k, l,,..., besea (..) maka dipeoleh peaksi kemugkia maksimum uuk p kl yaiu pˆ kl m j Dega demikia, maiks peluag asisi aksiaya adalah kl m kj (3..9) 33
7 m m m m m m pˆ pˆ pˆ m m m ˆ pˆ pˆ pˆ P pˆ pˆ pˆ m m m m m m j j j j j j m j m j m j j j j j j j j j j (3..0) Jadi, uuk baisa obsevasi pada abel maiks peluag asisiya adalah pˆ pˆ pˆ3 ˆ 4 4 P pˆ pˆ pˆ pˆ3 pˆ3 pˆ (c 3.) Secaa umum maiks M uuk Ō() adalah, m m m m m m m m m m m m m m m M m m m m m m m m m m m m (3..) 34
8 Disii m ij kl meyaaka bayakya asisi dai keadaa i ke l dalam lagkah melalui keadaa j pada sau lagkah peama da seeusya higga melalui k di lagkah ke - sebelum ke l. Secaa maemais dapa diulis, m M( V l V k,, V j, V i), i, j, k, l,,, ij kl ( ) (3..) Semeaa iu maiks peluag asisi aksiaya adalah, dimaa pˆ pˆ pˆ ˆ ˆ ˆ p p p pˆ pˆ pˆ pˆ pˆ pˆ pˆ pˆ pˆ P ˆ pˆ pˆ pˆ pˆ pˆ pˆ pˆ pˆ pˆ pˆ ˆ ˆ 0 p p (3..3) da p PV l V k V jv i ij kl (,, ( ), ) pˆ ij kl m h ij kl m ij kh Bedasaka (3..) da (3..3), uuk abel maka maiks bayak asisi M (3..4) (3..5) da maiks peluag asisi aksia ˆP Ō() adalah, 35
9 da m m m3 0 0 m m m 3 0 m3 m3 m 33 0 m m m3 0 M m m m 3 0 m3 m3 m m m m m m m m33 m33 m pˆ pˆ pˆ3 pˆ pˆ pˆ 0 3 pˆ ˆ ˆ 3 p3 p 33 ˆ ˆ ˆ 0 p p p P ˆ pˆ ˆ ˆ p p 3 0 pˆ ˆ ˆ 3 p3 p 33 pˆ ˆ ˆ p3 p 33 pˆ ˆ ˆ p3 p33 pˆ ˆ ˆ 33 p33 p Meeuka beapa ode dai baisa pegamaa pada abel sama dega meeuka maiks peluag asisi maa yag aka diguaka, yaiu apakah (c 3.) aau (c 3.4). Disisi lai, bisa saja ke-0 hasil pegamaa esebu eyaa salig bebas. Dalam hal ii, p PV l V k V jv i PV l p ij kl (,, ( ), ) ( ) l Uuk kasus dimaa ke-0 hasil pegamaa salig bebas, maiks bayak asisi da maiks peluag asisi aksiaya adalah, da [ m m m ] [ ] M [ p p p ] P ˆ ˆ ˆ ˆ (c 3.3) (c 3.4) (c 3.5) (c 3.6) 36
10 Dega adaya (c3.6), aleaif maiks peluag asisi uuk baisa hasil pegamaa pada abel beambah. Sebelum memeiksa maiks peluag asisi besea ode yag bepadaa maa yag sesuai, ada baikya peiksa elebih dahulu maa maiks peluag asisi yag idak dapa diguaka uuk daa yag dimiliki. Pehaika jika baisa pegamaa pada abel dipelakuka sebagai Ō(3). Maiks M-ya adalah, m m m m m m M (c 3.7) m333 m333 m Bais peama da kedua dai M beilai 0. Oleh kaea iu, maiks peluag asisi aksiaya adalah, Pˆ pˆ pˆ ˆ p pˆ pˆ pˆ pˆ ˆ ˆ 333 p333 p Pehaika bahwa ada bais dimaa jumlah seluuh elemeya idak sama dega, yaiu bais da. Oleh kaea iu, bedasaka (..) dapa disimpulka bahwa maiks pada (c.3.8) buka meupaka maiks peluag asisi suau aai Makov. Jadi, daa pegamaa pada abel idak dapa dimodelka sebagai Ō() dega >. (c 3.8) Sau hal yag dapa disimpulka dai ilusasi diaas ialah, peeua ode pada Ō() juga dipegauhi oleh daa baisa pegamaa yag dimiliki. Semaki iggi ode, peulaga yag ejadi semaki sediki. Hal ii eliha dai maiks bayakya asisi dimaa pada cooh diaas, semaki iggi ode yag diguaka, semaki kecil eleme-eleme maiks bayak asisiya. Oleh kaea iu, semaki iggi ode yag aka diguaka, semaki bayak pula daa yag 37
11 dipeluka. Dalam pakek, pada keyaaaya ode esebu secaa umum idak lebih dai lima. Dalam aplikasi, peeua ode suau aai Makov seigkali besifa subjekif egaug pemakai. Meskipu besaya ode dapa meigkaka kecocoka model ehadap keyaaa sebeaya, demi kemudaha pehiuga juga saa membagu model ode dihaapka seedah mugki (pasimoi). Meski demikia, bebeapa baasa dapa dipeimbagka misalya, (i) Kemudaha dalam mempeoleh daa. (ii) Jika ideks paamee bekaia dega waku, pehaika ideks daaya. Jika daa yag diambil meupaka daa bulaa, maka ideks paameeya juga dalam bula. Masalah beikuya adalah bagaimaa meeuka ode aai Makov yag epa. Dalam ugas akhi ii, peeua ode esebu dilakuka buka dega meaksi, melaika dega caa memeiksa aau membadigka ode maa yag palig sesuai dai bebeapa aleaif piliha ode yag memugkika. Sebagai cooh, uuk abel aka dibadigka aaa Ō(0), Ō(), da Ō(). 3.3 Sudi Deskipif Ō() Dalam melakuka pegujia ehadap ode aai Makov, pelu dipahami elebih dahulu bagaimaa pegauh ode pada suau aai Makov. Dai hal esebu, dapa dipeoleh kaakeisik yag membedaka ode yag sau dega laiya. Selajuya, kaakeisik esebu dapa dijadika dasa dalam pegujia ode aai Makov. Sebagai cooh, beiku ii adalah plo dai Ō(0) da Ō() dega iga keadaa da 00, 38
12 V Gamba. Plo Ō(0) 3 V Gamba. Plo Ō() Secaa deskipif, eliha pebedaa yag meaik aa aai Makov dega ode yag bebeda. Dai Gamba, pehaika pola asisi bebeuk (c 3.9) da (c 3.0) yag mucul secaa beulag. Semeaa iu, pehaika pula pada Gamba pola asisi yag bebeuk, (c 3.) da 39
13 3 (c 3.) yag juga mucul bebeapa kali. Pola-pola esebu meupaka pola-pola asisi yag domia dai kedua plo aai Makov di aas. Dai ilusasi esebu dapa dibua suau dugaa bahwa semaki iggi ode aai Makov, maka semaki leba pola asisiya. Hal ii saga masuk akal kaea kemucula suau keadaa begaug secaa lagsug kepada -keadaa sebelumya dimaa besa meyaaka ode dai aai Makov yag ekai. Secaa maemais, pola-pola asisi esebu dapa diyaaka sebagai eleme dai maiks bayak asisi M. Pola asisi (c 3.9) dapa diulis sebagai m 3, (c 3.0) m 33, (c 4.) m 333, da (c.3.) m 33. Dega demikia, beuk plo suau aai Makov dapa digambaka oleh maiks bayak asisiya. 3.4 Uji Kesesuaia Suau Raai Makov Sepei yag elah diuaaka sebelumya, ode aai Makov dieuka dega caa memilih ode yag palig sesuai dai bebeapa aleaif piliha ode yag memugkika. Kemudia, yag pelu dipehaika adalah saga dihaapka bahwa ode beilai seedah mugki. Dai sii dipeoleh gambaa megeai kieia ode yag epa yaiu, (i) Semaki besa ode, semaki cocok model yag dimiliki dega keyaaa sebeaya. (ii) Ode aai Makov yag edah lebih dihaapka daipada ode yag lebih iggi kaea aka membua model yag dihasilka lebih sedehaa. Dai kedua poi diaas dapa dikaaka bahwa lebih baik memilih ode yag lebih edah bila gambaa megeai aai makov yag diepeseasikaya idak bebeda elalu sigifika jika dibadigka dega ode yag lebih iggi. Dai paagaf diaas, dipeoleh lagkah awal dalam melakuka uji kesesuaia. Peama, asumsika elebih dahulu bahwa aai Makov esebu Ō() dimaa meyaaka ode maksimum yag dikehedaki oleh peelii aau ode yag masih dapa dioleasi oleh daa. Uuk daa pada abel, kaea uuk 3, 40
14 idak edapa maiks peluag asisiya. Selajuya, badigka dega apa yag ejadi jika aai Makov esebu Ō(-). Dega demikia, hipoesisya adalah, H 0 : pegguaa Ō() idak bebeda dega Ō(-). H : pegguaa Ō() bebeda dega Ō(-). Bedasaka defiisi ode aai Makov, hipoesis esebu dapa diulis sebagai, H : P( V l V k,, V j, V i) P( V l V k,, V ) j) 0 ( ) ( H : p p 0 ij... kl j... kl (3.3.) da H : P( V l V k,, V j, V i) P( V l V k,, V j) ( ) ( ) H : p p ij... kl j... kl (3.3.) Bedasaka Ō(), asisi dai keadaa i ke l dalam lagkah melalui keadaa j pada sau lagkah peama da seeusya higga melalui k di lagkah ke - sebelum ke l ejadi sebayak m ij kl kali dimaa m ij kl meupaka eleme dai maiks bayakya asisi M uuk Ō(). Semeaa iu, megacu kepada (3..5), bedasaka Ō(-) asisi esebu ejadi sebayak, ˆ ij kl ij k j kl m m p dimaa mij k mv ( k, V ( ) j, V i), pj kl pv ( lv k,, V ( ) j), da mij k mij kl. l Pada paagaf sebelumya, elah dibahas bahwa dalam melakuka pemiliha aaa Ō() dega Ō(-), bila gambaa megeai aai makov yag diepeseasikaya idak bebeda elalu sigifika, ode yag lebih edah dipilih. Semeaa iu, gambaa megeai aai Makov dapa diepeseasika oleh bayakya peluag asisi m. Dega demikia, hipoesis H 0 : pegguaa 4
15 Ō() idak bebeda dega Ō(-), aka didukug bila selisih bayakya asisi aaa Ō() da Ō(-) kecil yaiu, m mˆ m ( m p ) c ij kl ij kl ij kl ij k j kl i j k l i j k l (3.4.) uuk suau kosaa c. Masalah beikuya adalah meeuka sebeapa besa c sehigga selisih pada (3.4.) dapa diaggap kecil. Sebelumya, pehaika sebuah Pecobaa Beoulli dega dua kemugkia keluaa, yaiu A da A dega peluagya masig-masig adalah P(A ) p da P(A ) p -p. Suau sampel acak dai m kali pecobaa diamai dimaa m da m m - m masig-masig meyaaka bayakya keluaa dai jeis A da A. Bedasaka eoema limi pusa uuk m, Z Tulis Y Z, maka ( m mp) N(0,) mp ( p ) ( ) ( ) ( ) ( ) Gy PY y PZ y P y Z y 0 y < 0 F( y) F( y) y 0 Dai, (3.4.) uuk y 0 fugsi kepadaa peluag Y, ( F( y) F( y) ) G( y) g( y) f( y) + f( y) y y y ( ) e + e e + e e y π π πy πy Dai defiisi fugsi bea dimaa y y y y y (3.4.) (3.4.3) uuk p q da w x- maka, sehigga uuk p 0.5 belaku p q Γ( p) Γ( q) B( p, q) x ( x) dx Γ ( p + q) 0 p p Γ ( p) ( y ) d Γ( p) y 0 4
16 Γ Γ dy y 0 π ac(si y) 0 π Bedasaka (3.4.4) maka fugsi kepadaa peluag Y pada (3.4.3) dapa diulis, (3.4.4) y y g( y) e y e πy π 0 y Γ y e y < 0 y 0 yag meupaka fugsi kepadaa peluag disibusi khi kuada dega deaja kebebasa. Jadi, ( m mp) Y mp ( p ) χ () Dega sediki maipulasi aljaba, (3.4.5) dapa diubah mejadi, ( m mp ) ( m mp ) ( m mp ) + mp ( p ) mp m( p ) + + i (( m m) m( p) ) ( m mp ) mp m( p ) ( m mp ) mp ( m mp ) ( mi mpi) χ mp i mp () (3.4.5) (3.4.6) Dega meliha (3.4.6), pehaika bahwa selisih bayakya asisi pada (3.4.) dapa diuliska sebagai, ( m ( )) ij kl mij k pj kl m i j k l ij k j kl dega c * uuk suau kosaa eal sembaag. Uuk memuuska sebeapa besa c * sehigga selisih esebu dapa dikaaka kecil, pelu dkeahui elebih p c (3.4.7) 43
17 dahulu disibusi dai (3.4.7). Dega megacu kepada (3.4.6) eu waja jika ada dugaa bahwa (3.4.7) juga bedisibusi khi kuada dega deaja kebebasa eeu, sebu saja u. Teuya hal ii pelu dibukika secaa maemais. Aka eapi, pembukia disii idak aka disajika secaa medeail kaea dipeluka dasa-dasa aljaba yag kua dalam peuuaya. Peama, misalka di seiap obsevasi dai obsevasi yag meghasilka iik hasil pegamaa dalam sampel, edapa peluag p i bahwa hasil yag dipeoleh beasal dai himpua S i. Uuk seiap himpua dai bilaga bula o-egaif v,..., v dimaa i v, peluag dimaa dai obsevasi edapa epa vi hasil i obsevasi yag beasal dai S i uuk i,...,, dibeika oleh,! p v! v! p v v yag meupaka beuk umum dai (p p ). Jadi, disibusi dai gup fekuesi v,..., v adalah peumuma dai disibusi biomial yag dikeal sebagai disibusi muliomial. Fugsi kaakeisik gabugaya adalah, Tulis x i v p Eexpijxj pe + + pe j i i ( ) i i, maka fugsi kaakeisik gabuga dai x i adalah, p i vj p j ϕ(,, ) Eexpijxj Eexpi j j j p j j Eexp i vj ij p j Ee e j p j j i j pj j i i p p pe + + pe e Dega uaia MacLaui, uuk,..., kosa, j i vj i j p j j p j j (3.4.8) 44
18 i 3 log ϕ(,, ) i j pj + log + j pj j + O( ) j j j j j pj O j j + + Bedasaka (3.4.9) maka (3.4.8) mejadi, ϕ(,, ) e ( ) ( j j j ) + p + O j j (3.4.9) (3.4.0) Selajuya uuk, j j p j j j Q (,, ) lim ϕ (,, ) e e (3.4.) Beuk kuadaik Q (,, ) j j pj (3.4.) j j dapa diulis sebagai pekalia maiks da veko Λ dimaa ( ) da, Λ I pp 0 0 p pp pp 0 0 pp p pp 0 0 pp pp p Disii Q(,,..., ) adalah o-egaif dega ak - (Came [6] hal 09-0) da maiks Λ memiliki - ilai kaakeisik beilai da ilai kaakeisik ke beilai ol. (3.4.3) Seiig dega, fugsi kaakeisik gabuga x, x,..., x meuju beuk (3.4.) yag meupaka fugsi kaakeisik gabuga disibusi omal sigula dega ak - da oal massa yag eleak pada hypeplae xj p j 0. Dega demikia, secaa limi, x, x,..., x edisibusi omal sigula dega mea ol da maiks mome Λ sepei pada (3.3.3). 45
19 Selajuya, uuk x, x,..., x bedisibusi omal dega mea ol da maiks mome Λ, maka edapa asfomasi oogoal y Cx yag meggaika vaiabel lama x {x, x,..., x } dega vaiabel bau y {y, y,..., y } dimaa maiks mome asfomasiya, B CΛC adalah maiks diagoal dega - elema diagoal beilai da sau eleme laiya beilai ol. Aiya, vaiabel y, y,..., y - bedisibusi omal baku da y bedisibusi omal dega mea da vaiasi 0 (Came [6] hal 33). Dega demikia bedasaka (3.4.5) maka, i i i i i i x y y χ Dega demikia, bedasaka (3.4.4) saisik uji (3.4.7) bedisibusi khi kuada dega deaja kebebasa + yaiu, ( mij kl ( mij k pj kl )) i j k l ij k j kl m p χ + Selajuya, pada bab beikuya aka dipapaka lagkah-lagkah dalam megguaka saisik uji (3.4.5) dalam meguji ode baisa basa ukleoida dai spesies Homo Sapies. (3.4.4) (3.4.5) 46
BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel
BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka
Lebih terperinciUkuran Dispersi Multivariat
Bab IV Ukua Disesi Mulivaia Pada bab ii, eama-ama aka dikemukaka defiisi eag veko vaiasi vaiabel-vaiabel sada (VVVS sebagai ukua disesi mulivaia akala seluuh vaiabel yag eliba adalah vaiabel sada. Selajuya
Lebih terperinciBeberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )
33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil
Lebih terperinciBAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov
BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha
Lebih terperinciBILANGAN BAB V BARISAN BILANGAN DAN DERET
Maemaika Kelas IX emese Baisa Bilaga da Dee BILANGAN BAB V BARIAN BILANGAN DAN DERET A. Baisa Bilaga. Pegeia Baisa Bilaga Jika bilaga-bilaga diuuka dega aua eeu maka aka dipeoleh suau baisa bilaga. Cooh
Lebih terperinciJURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER
STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula
Lebih terperinciPENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.
. Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis
Lebih terperinci4. KOMBINATORIKA ... S 1. S n S 2. Gambar 4.1
4. KOMBINATORIKA 4. Atua Utuk Suatu Peistiwa Evet sesuatu yag tejadi. Jika peistiwa A dapat tejadi dalam m caa da peistiwa B dapat tejadi dalam N caa, maka tedapat (m, ) caa kedua peistiwa tejadi besama-sama.
Lebih terperinciV. PENGUJIAN HIPOTESIS
V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau
Lebih terperinci9 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 terperinciRumus-rumus yang Digunakan
Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox
Lebih terperinciINTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ
INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg
Lebih terperinciBAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak
BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu
Lebih terperinciDeret Bolak-balik (Alternating Series) Deret bolak-balik adalah deret yang suku-sukunya berganti tanda. Sebagai contoh,
Deet Bolak-balik Alteatig Seies Deet bolak-balik adalah deet yag suku-sukuya begati tada. Sebagai cotoh, + 4 + + + Deet bolak-balik beikut: = + a, dega a positif, kovege jika memeuhi dua syaat i. Setiap
Lebih terperinciMETODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2
METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas
Lebih terperinciTINJAUAN PUSTAKA. Pada bab ini akan diberikan beberapa konsep dasar, istilah istilah dan definisi
II. TINJAUAN PUSTAKA Pada bab ii aka dibeika bebeapa kosep dasa, istilah istilah da defiisi yag eat kaitaya dega masalah yag haus dibahas yaitu megeai bayakya caa megkostuksi Dyck path dega pajag k upstokes
Lebih terperinciTEKNIK FUNGSI PEMBANGKIT MOMEN
0 TEKNIK FUNGSI PEMBANGKIT MOMEN Penenuan ungsi peluang aau ungsi densias dai ungsi peubah acak bisa juga dilakukan melalui ungsi pembangki momen Dalam penenuannya, enu saja haus digunakan siasia dai ungsi
Lebih terperinciMODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR
Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus
Lebih terperincip q r sesuai sifat operasi hitung bentuk pangkat
Adi Nuhidayat, S.Pd PEMBAHASAN SALAH SATU PAKET SOAL UN MATEMATIKA SMK KELOMPOK PARIWISATA, SENI DAN KERAJINAN, TEKNOLOGI KERUMAHTANGGAAN, PEKERJAAN SOSIAL, DAN ADMINISTRASI PERKANTORAN TAHUN PELAJARAN
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala
Lebih terperinciPELUANG. 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 terperincimempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.
Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah
Lebih terperinciBAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu
BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam
Lebih terperinciPERBANDINGAN METODE BUNGA MAJEMUK DAN ATURAN 78 DALAM MENENTUKAN SISA PINJAMAN SETIAP PERIODE PADA ANUITAS DUE TUGAS AKHIR
PERBNDINGN METODE BUNG MJEMUK DN TURN 78 DLM MENENTUKN SIS PINJMN SETIP PERIODE PD NUITS DUE ( Sudi Kasus: Kopeasi Uiesias Islam Negei Sula Syaif Kasim Riau ) TUGS KHIR Diajuka Sebagai Salah Sau Syaa Uuk
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa
Lebih terperinciPENGUJIAN HIPOTESIS DUA RATA-RATA
PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga
Lebih terperinciBAGIAN 2 TOPIK 5. andhysetiawan
BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciPENDEKATAN TEORITIK. c dt (3.1) r dr dr. atau 2 (3.2)
5 PENDEKTN TEORITIK Model Pepidaha Massa Kafei Pepidaha massa kafei yag ejadi selama poses pelaua belagsug seaa difusi. Model pepidaha massa kafei dai dalam biji kopi diuuka bedasaka asumsi-asumsi sebagai
Lebih terperinciBAB 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 terperinciV. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY
39 V. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY 5.. Pegembaga Mode Pemodea fuzzy eah ebuki sebagai ekik yag saga begua keika peaaa daam kodisi keidakpasia aau dega ifomasi yag idak pasi seig dijumpai
Lebih terperinciJURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA
Achmad Samudi, M.Pd. JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA 6. MENGUJI PROPORSI π : UJI DUA PIAK Mialka kia mempuyai populai biom dega propori periiwa A π Berdaarka ebuah ampel
Lebih terperinciLANDASAN 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 terperinciB A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan
30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag
Lebih terperinciBAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai
BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai
Lebih terperinciProgram Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom Fungsi Vektor
Pogam Pekuliahan Dasa Umum Sekolah Tinggi Teknologi Telkom Fungsi Veko [MA4] Deinisi Deinisi ungsi veko Fungsi veko meupakan auan yang mengkaikan ε R dengan epa sau veko F R Noasi : F : R R F î gĵ, g aau
Lebih terperinciFisika Dasar I (FI-321)
Fisika Dasa I (FI-321) Topik hai ini (minggu 3) Geak dalam Dua dan Tiga Dimensi Posisi dan Pepindahan Kecepaan Pecepaan Geak Paabola Geak Melingka Geak dalam Dua dan Tiga Dimensi Menggunakan anda + aau
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciPENGUJIAN 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 terperinciII. 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 terperinciMODEL ASIMETRIS GABUNGAN INVENTORY DAN ROUTING UNTUK MINIMISASI HARGA KOMODITI
JURNAL MAEMAIKA DAN KOMPUER Vol. 7. No. 2, 42-5, Agusus 24, ISSN : 4-858 MODEL ASIMERIS GABUNGAN INVENOR DAN ROUING UNUK MINIMISASI HARGA KOMODII Sawadi, Susilo Haiyao Juusa Maemaika FMIPA UNDIP Absak
Lebih terperinciKRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB
KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne
Lebih terperinciBAB METODOLOGI. Bab 2 Metodologi berisikan :
BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag
Lebih terperinciIII. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data
III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa
Lebih terperinciPELUANG. Misalkan n = A,B,C,D Terjadinya 2 kemungkinan kejadian yaitu : AB, AC,AD, BA,BC,BD, CA,CB,CD, DA,DB,DC = 12 kemungkinan
SMA - ELUANG A. Kaidah emutasi da kombiasi. emutasi : Bayakya kemugkia dega mempehatika uuta ada Misalka A,B,,D Tejadiya 2 kemugkia kejadia yaitu : AB, A,AD, BA,B,BD, A,B,D, DA,DB,D 2 kemugkia 4 ; 2 Rumusya
Lebih terperincikimia LAJU REAKSI II Tujuan Pembelajaran
KTSP & K-13 kimia K e l a s XI LAJU REAKSI II Tujuan Pembelajaan Seelah mempelajai maei ini, kamu dihaapkan memiliki kemampuan beiku. 1. Mengeahui pesamaan laju eaksi.. Memahami ode eaksi dan konsana laju
Lebih terperinciMETODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di
8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,
Lebih terperinciBAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak
BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari
Lebih terperinciNILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN
NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua
Lebih terperinciSIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN (FIELD)
SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN (FIELD) Muhamad Zaki Riyato NIM: 02/156792/PA/08944 E-mail: zaki@mail.ugm.ac.id http://zaki.math.web.id Dose Pembimbig: Pof. D. Si Wahyui Pedahulua Sebelum melagkah
Lebih terperinciII. 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 terperinciBAB II TINJAUAN PUSTAKA
3 BAB II TINJAUAN PUSTAKA.1 Ruag Cotoh, Kejadia da Peluag Defiisi.1 (Ruag cotoh da kejadia) Suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak bisa diprediksi secara tepat tetapi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciMenentukan Pembagi Bersama Terbesar dengan Algoritma
Meetuka Pembagi Besama Tebesa dega Algoitma Macelius Hey M. (135108) Pogam Studi Tekik Ifomatika Sekolah Tekik Elekto da Ifomatika Istitut Tekologi Badug, Jl. Gaesha 10 Badug 4013, Idoesia 135108@std.stei.itb.ac.id
Lebih terperinciMASALAH PENELUSURAN (KASUS KONTINU)
MASALAH PENELUSUAN KASUS KONINU Oleh : Noii Hasi Dose Pogam Si Sisem Ifomasi UNIKOM Absak Sisem kool opimm aalah sa sisem yag meacag opimasi ilai, baik maksimm map miimm, ai sa fgsi objekif. Sisem ii bepa
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii merupaka peeliia kuaiaif dega megguaka meode eksperime. Desai peeliia ii megguaka ru experime desig beuk desai poses oly corol desig yaki meempaka
Lebih terperinciSIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN
SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN Dose Pegampu : Pof. D. Si Wahyui DISUSUN OLEH: Nama : Muh. Zaki Riyato Nim : 02/156792/PA/08944 Pogam Studi : Matematika JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN
Lebih terperinciPendugaan 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 terperinciρ = sehingga momen pertama dan kedua BAB 2 TEORI DASAR 2.1 Random Walk ρi = ε) = q= 1 p. Posisi suku bunga bergerak pada
BAB EORI DASAR Uuk meeuka ieres rae differeial, peulis aka membahas erlebih dahulu beberapa eori yag berkaia dega proses sokasik Pergeraka suau parikel yag bergerak secara acak aau disebu juga megikui
Lebih terperinciBAB 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 terperinciUNIVERSITAS GUNADARMA POLA, BARISAN DAN DERET BILANGAN BAHAN AJAR. Oleh : Muhammad Imron H. Modul Barisan dan Deret Hal. 1
BAHAN AJAR POLA, BARISAN DAN DERET BILANGAN Oleh : Muhammad Imo H 0 Modul Baisa da Deet Hal. BARISAN DAN DERET A. POLA BILANGAN. Pegetia Baisa Bilaga Baisa bilaga adalah uuta bilaga-bilaga dega atua tetetu.
Lebih terperinciI. 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 terperinciLIMIT. = 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 terperinciBAB III FORMULA PENENTUAN HARGA OPSI ASIA
3 BAB III FORMULA PEETUA HARA OPSI ASIA Pada Bab III ii aka dibahas megeai opsi Asia da aalisisya, di maa yag aka dibahas hayalah beberapa ipe opsi Asia, da erbaas pada eis Europea call saa. Jeis-eis opsi
Lebih terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
Lebih terperinciBAB 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 terperinciINFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2
INFERENSI DAA UJI HIDUP ERSENSOR IPE II BERDISRIBUSI RAYLEIGH Oleh : ak Wdhah Ww Madjya Saf Pogam Sud Saska FMIPA UNDIP Alum Pogam Sud Saska FMIPA UNDIP Absac Aalyss of lfe me s oe of sascal aalyss whch
Lebih terperinciStatistika 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 terperinciBAB III ANALISIS LOOKBACK OPTIONS
BAB III : ANALII LOOKBACK OPION BAB III ANALII LOOKBACK OPION Pada Bab III ii aka dibahas egeai lookback opios da aalisisa Asusi ag kia pakai adalah saha ag diguaka (uderlig asse) idak eberika divide ipe
Lebih terperinciPENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI
5/4/0 INTERVAL KEPERCAYAAN Poulai θ= μ,, π PENDAHULUAN amlig amel θˆ=,, KANIA EVITA DEWI Peakira arameer ada cara:. Peakira iik. Peakira ierval aau ierval keercayaa PENAKSIRAN TITIK Peakira iik -> Jika
Lebih terperinciBAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy
BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag
Lebih terperinciUniversitas Sumatera Utara
50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL
Lebih terperinci= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '.
6..MENURUNKAN FUNGSI IMPLISIT Padag y fugsi dari yag disajika dalam beuk implisi f (, y) 0. Turuaya y' didapa sebagai beriku: a. Jika mugki y diyaaka sebagai beuk eksplisi dari, lalu diuruka erhadap b.
Lebih terperinciB. DESKRIPSI SINGKAT MATA KULIAH
A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka
Lebih terperinciPeramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown
Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida
Lebih terperinciSistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital
isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),
Lebih terperinci4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum
Hardwiyao Uomo 060545 4.3 Samlig dari disribusi ormal da simasi liklihood maksimum Liklihood ormal mulivaria Kia asumsika vkor,,..., dga mrrsasika saml acak dari oulasi ormal mulivaria dga raa-raa µ da
Lebih terperinciDistribusi 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 terperinciBARISAN TAK HINGGA DAN DERET TAK HINGGA
BARIAN TAK HINGGA DAN DERET TAK HINGGA Bajar/Barisa Tak Higga Barisa tak higga { } adalah suatu fugsi dari dimaa daerah domaiya adalah himpua bilaga bulat positif (bilaga asli). Cotoh: Bila.. maka fugsi
Lebih terperinciPENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI
Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa
Lebih terperinciBAB 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 terperinci1 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 terperinciPENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ
Bulei Ilmiah Ma. Sa. da Terapaya (Bimaser) Volume 05, No. 2 (206), hal 79-86 PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ Sii Faimah, Neva Sayahadewi, Shaika Marha INTISARI
Lebih terperinciUkuran 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 terperinciMODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja
Bulei Ilmiah Mah. Sa. da Terapaya (Bimaser) Volume 07, No. (018), hal 77 84. MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dada Kusadar, Naomi Nessyaa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciDistribusi 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 terperinciBAB III PENGEMBANGAN MODEL MATEMATIK
A III PENGEMANGAN MODEL MATEMATIK Pada analisis manual ang akan dikembangkan, unuk menjamin bahwa eoi maupun umusan ang diuunkan belaku (valid) maka pelu dieapkan asumsi dasa. Sehingga hasil analisis manual
Lebih terperinciDISTRIBUSI 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 terperinciKombinatorial dan Peluang. Adri Priadana ilkomadri.com
Kombiatorial da Peluag Adri Priadaa ilkomadri.com Pedahulua Sebuah kata-sadi (password) pajagya 6 sampai 8 karakter. Karakter boleh berupa huruf atau agka. Berapa bayak kemugkia kata-sadi yag dapat dibuat?
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciPemetaan Linear Yang Mengawetkan Invers Drazin Matriks Atas Lapangan
Pemetaa Liea Yag Megawetka Ives azi Matiks Atas Lapaga ibeika matiks x atas lapaga Sutopo Juusa Matematika Fakultas Matematika da Pegetahua Alam Uivesitas Gadjah Mada sutopo_mipa@ugm.ac.id Abstact F lapaga
Lebih terperinciMata 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 terperinciIII. BAHAN DAN METODE. peternakan UIN SUSKA Riau dan Laboratorium Agronomi Fakultas pertanian
III. BAHAN DAN METODE 3.1. Tempa dan Waku Peneliian Peneliian ini elah dilakukan di Lahan pecobaan Fakulas peanian dan peenakan UIN SUSKA Riau dan Laboaoium Agonomi Fakulas peanian dan peenakan UIN SUSKA
Lebih terperinciBAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.
BAB II LANDASAN TEORI Pada bab ii aa dibahas teori teori yag meduug metode upper level set sca statistics, atara lai peubah aca, distribusi gamma, fugsi gamma, fugsi lielihood, da uji rasio lielihood.
Lebih terperincib. 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 terperinciMODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA
Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN
Lebih terperinciDISTRIBUSI SAMPEL PENAKSIRAN UJI HIPOTESIS MA5182 Topik dalam Statistika I: Statistika Spasial 6 September 2012 Utriweni Mukhaiyar
INFERENSI STATISTIKA DISTRIBUSI SAMPEL PENAKSIRAN UJI HIPOTESIS MA518 Topik dalam Statistika I: Statistika Spasial 6 September 01 Utriwei Mukhaiyar DISTRIBUSI SAMPEL Beberapa defiisi Suatu populasi terdiri
Lebih terperinciBAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada
8 BAB III RUANG HAUSDORFF Pada bab ii aka dibahas megeai ruag Hausdorff, kekompaka pada ruag Hausdorff da ruag regular legkap. Pembahasa diawali dega medefiisika Ruag Hausdorff da beberapa sifatya kemudia
Lebih terperinci