EKSPEKTASI DUA PEUBAH ACAK

Ukuran: px
Mulai penontonan dengan halaman:

Download "EKSPEKTASI DUA PEUBAH ACAK"

Transkripsi

1 0

2 EKSPEKTASI DUA PEUBAH ACAK Dalam hal ini akan dibahas beberapa macam ukuran ang dihitung berdasarkan ekspektasi dari dua peubah acak, baik diskrit maupun kontinu, aitu nilai ekspektasi gabungan, ekspektasi bersarat, rataan bersarat, varians bersarat, kovarians, fungsi pembangkit momen gabungan, koefisien korelasi, dan akibat kebebasan stokastik. Jika kita mempunai fungsi peluang atau fungsi densitas gabungan dari dua peubah acak, maka kita sudah menjelaskan penghitungan nilai peluang dari dua peubah acak ang berharga tertentu. Selain itu, kita juga bisa menentukan beberapa ukuran ang didasarkan pada fungsi peluang atau fungsi densitas gabungan. NILAI EKSPEKTASI GABUNGAN Penghitungan nilai ekspektasi gabungan dari dua peubah acak diskrit ditentukan berdasarkan Definisi 7.1. Definisi 7.1: NILAI EKSPEKTASI GABUNGAN DISKRIT Jika X dan Y adalah dua peubah acak diskrit, p(,) adalah nilai fungsi peluang gabungan dari (X,Y) di (,), dan v(x,y) adalah fungsi dari peubah acak X dan Y; maka nilai ekspektasi gabungan dari v(x,y) (dinotasikan dengan E[v(X,Y)]) dirumuskan sebagai: E [ v( X, Y)] v(, ). p(, ) Penghitungan nilai ekspektasi gabungan dari dua peubah acak kontinu ditentukan berdasarkan Definisi 7.2. Definisi 7.2: NILAI EKSPEKTASI GABUNGAN KONTINU Jika X dan Y adalah dua peubah acak kontinu, f(,) adalah nilai fungsi densitas gabungan dari (X,Y) di (,), dan v(x,y) adalah fungsi dari peubah acak X dan Y; maka nilai ekspektasi gabungan dari v(x,y) (dinotasikan dengan E[v(X,Y)]) dirumuskan sebagai: E [ v( X, Y)] v(, ). f (, ) d d EKSPEKTASI BERSYARAT Penentuan ekspektasi bersarat dari sebuah peubah acak diskrit diberikan peubah acak diskrit lainna, baik ekspektasi bersarat dari X diberikan Y = maupun ekspektasi bersarat dari Y diberikan X = dijelaskan dalam Definisi 7.3. Definisi 7.3: EKSPEKTASI BERSYARAT DISKRIT Jika X dan Y adalah dua peubah acak diskrit, p ( ) dalah nilai fungsi peluang bersarat dari X diberikan Y = di, dan p ( ) adalah nilai fungsi peluang bersarat dari Y diberikan X = di, maka ekspektasi bersarat dari u(x) diberikan Y = dirumuskan sebagai berikut: 1

3 E u( X ) u( ). p'( ) dan ekspektasi bersarat dari v(y) diberikan X = dirumuskan sebagai berikut: E v( Y) v( ). p''( ) Penentuan ekspektasi bersarat dari sebuah peubah acak kontinu diberikan peubah acak kontinu lainna, baik ekspektasi bersarat dari X diberikan Y = maupun ekspektasi bersarat dari Y diberikan X = dijelaskan dalam Definisi 7.4. Definisi 7.4: EKSPEKTASI BERSYARAT KONTINU Jika X dan Y adalah dua peubah acak kontinu, g( ) adalah nilai fungsi densitas bersarat dari X diberikan Y = di, dan h( ) adalah nilai fungsi densitas bersarat dari Y diberikan X = di, maka ekspektasi bersarat dari u(x) diberikan Y = dirumuskan sebagai berikut: E u( X ) u( ). g( ) d dan ekspektasi bersarat dari v(y) diberikan X = dirumuskan sebagai berikut: E v( Y) v( ). h( ) d RATAAN BERSYARAT Berikut ini akan dijelaskan definisi rataan bersarat dari sebuah peubah acak diskrit diberikan peubah acak diskrit lainna, baik rataan bersarat dari X diberikan Y = maupun rataan bersarat dari Y diberikan X =. Definisi 7.5: RATAAN BERSYARAT DISKRIT Jika X dan Y adalah dua peubah acak diskrit, p ( ) adalah nilai fungsi peluang bersarat dari X diberikan Y = di, dan p ( ) adalah nilai fungsi peluang bersarat dari Y diberikan X = di, maka ekspektasi bersarat dari X diberikan Y = dirumuskan sebagai berikut: E X. p' dan ekspektasi bersarat dariy diberikan X = dirumuskan sebagai berikut: E Y. p'' Berikut ini akan dijelaskan rataan bersarat dari sebuah peubah acak kontinu diberikan peubah acak kontinu lainna, baik rataan bersarat dari X diberikan Y = maupun rataan bersarat dari Y diberikan X =. Definisi 7.6: RATAAN BERSYARAT KONTINU Jika X dan Y adalah dua peubah acak kontinu, g( ) adalah nilai fungsi densitas bersarat dari X diberikan Y = di, dan h( ) adalah nilai fungsi densitas bersarat dari Y diberikan X = di, maka rataan bersarat dari X diberikan Y = dirumuskan sebagai berikut: 2

4 E X. g d dan rataan bersarat dari Y diberikan X = dirumuskan sebagai berikut: E Y. h d Berikut ini akan dijelaskan beberapa dalil ang berkaitan dengan rataan bersarat. Dalil 7.1: EKSPEKTASI RATAAN BERSYARAT 1. E[E(X )] = E(X) 2. E[E(Y )] = E(Y) Dalil 7.2: Jika dua peubah acak X dan Y saling bebas, maka: 1. E(X ) = E(X) 2. E(Y ) = E(Y) PERKALIAN DUA MOMEN Misalna kita mempunai dua peubah acak, baik diskrit maupun kontinu. Kemudian kita bisa menghitung momen dari masing-masing peubah acak, baik momen sekitar pusat maupun momen sekitar rataan. Selain itu, kita sebenarna bisa juga menentukan perkalian dua momen, aitu perkalian dua momen sekitar pusat dan perkalian dua momen sekitar rataan. Penentuan perkalian dua momen sekitar pusat dan sekitar rataan dari peubah acak diskrit ditentukan berdasarkan Definisi 7.7. Definisi 7.7: PERKALIAN DUA MOMEN DISKRIT Jika X dan Y adalah dua peubah acak diskrit, p(,) adalah nilai fungsi peluang gabungan dari X dan Y di (,), adalah rataan dari X, dan adalah rataan dari Y, maka perkalian momen sekitar pusat ke-r dan ke-s dari X dan Y (dinotasikan dengan r,s ) dirumuskan sebagai berikut: r,s = E(X r Y s r s ) =. p(, ) dan perkalian momen sekitar rataan ke-r dan ke-s dari X dan Y (dinotasikan dengan r,s) dirumuskan sebagai berikut: r,s = E[(X - ) r (Y - ) s ] dengan r = 0, 1, 2, 3, dan s = 0, 1, 2, 3,. =. p(, ) r s Penentuan perkalian dua momen sekitar pusat dan sekitar rataan dari peubah acak kontinu ditentukan berdasarkan Definisi 7.8. Definisi 7.8: PERKALIAN DUA MOMEN KONTINU Jika X dan Y adalah dua peubah acak kontinu, f(,) adalah nilai fungsi densitas gabungan dari X dan Y di (,), adalah rataan dari X, dan adalah rataan dari Y, maka perkalian momen sekitar pusat ke-r dan ke-s dari X dan Y (dinotasikan dengan r,s ) dirumuskan sebagai berikut: 3

5 r,s = E(X r Y s r ) = s. f (, ) d d dan perkalian momen sekitar rataan ke0r dan ke-s dari X dan Y (dinotasikan dengan r,s) dirumuskan sebagai berikut: r,s = E[(X - ) r (Y - ) s ] r s = ( ) ( ). f (, ) d d dengan r = 0, 1, 2, 3, dan s = 0, 1, 2, 3,. KOVARIANS Berikut ini akan dijelaskan sebuah ukuran ang merupakan hal khusus dari perkalian dua momen, aitu kovarians. Definisi 7.9: KOVARIANS Perkalian momen sekitar rataan ke-1 dan ke-1 dari peubah acak X dan Y disebut kovarians dari X dan Y dan dinotasikan dengan Kov(X,Y) atau. dengan Kov(X,Y) = E[(X - )(Y - )] Penghitungan nilai kovarians dari peubah acak diskrit ditentukan berdasarkan Definisi Definisi 7.10: KOVARIANS DISKRIT Jika X dan Y adalah dua peubah acak diskrit, p(,) adalah nilai fungsi peluang gabungan dari X dan Y di (,), adalah rataan dari, dan adalah rataan dari Y, maka nilai kovarians dari X dan Y dirumuskan sebagai berikut: Kov( X, Y). p(, ) Penghitungan nilai kovarians dari peubah acak kontinu ditentukan berdasarkan Definisi Definisi 7.11: KOVARIANS KONTINU Jika X dan Y adalah dua peubah acak kontinu, f(,) adalah nilai fungsi densitas gabungan dari X dan Y di (,), adalah rataan dari, dan adalah rataan dari Y, maka nilai kovarians dari X dan Y dirumuskan sebagai berikut: Kov( X, Y). f (, ) d d Perumusan lain nilai kovarians dari X dan Y, baik diskrit maupun kontinu dapat dilihat dalam Dalil 7.3. Dalil 7.3: PERUMUSAN KOVARIANS UMUM Kov(X,Y) = 1,1 -. Bukti: Berdasarkan Definisi 7.9, maka: Kov(X,Y) = E[(X - )(Y - )] = E(XY - X. - Y + ) = E(XY) - E(X). -.E(Y) + ) = E(XY) = E(XY) - Kov(X,Y) = 1,1 - (terbukti) 4

6 Nilai kovarians dari dua peubah acak X dan Y mempunai tiga kemungkinan, aitu: 1. Kov(X,Y) = 0 2. Kov(X,Y) < 0 3. Kov(X,Y) > 0 Dalam hal ini, jika X dan Y saling bebas, maka nilai kovariansna sama dengan nol. Sebalikna, apabila X dan Y mempunai nilai kovarians sama dengan nol, maka X dan Y belum tentu bebas. 5

Var X y x E X y. g x y dx. dan varians bersyarat dari Y diberikan X = x dirumuskan sebagai berikut: Var Y x y E Y x. h y x dy

Var X y x E X y. g x y dx. dan varians bersyarat dari Y diberikan X = x dirumuskan sebagai berikut: Var Y x y E Y x. h y x dy 0 VARIANS BERSYARAT Penenuan varians bersara dari sebuah peubah acak diberikan peubah acak lainna, baik diskri maupun koninu dijelaskan dalam Definisi 7.. Definisi 7.: VARIANS BERSYARAT UMUM Jika X dan

Lebih terperinci

Peubah acak X yang berdistribusi normal dengan rataan sebagai: 2 ) X ~ N(,

Peubah acak X yang berdistribusi normal dengan rataan sebagai: 2 ) X ~ N(, 0 DISTRIBUSI NORMAL UMUM Distribusi normal umum ini merupakan distribusi dari peubah acak kontinu yang paling banyak sekali dipakai sebagai pendekatan yang baik dari distribusi lainnya dengan persyaratan

Lebih terperinci

Ekspektasi Satu Peubah Acak Kontinu

Ekspektasi Satu Peubah Acak Kontinu Chandra Novtiar 0857948015 chandramathitb07@gmail.com PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP) SILIWANGI BANDUNG Garis Besar Pembahasan Sub Pokok Pembahasan

Lebih terperinci

BAB 2 MOMEN DAN ENTROPI

BAB 2 MOMEN DAN ENTROPI BAB MOMEN DAN ENTROPI. Satu Peubah Acak (Univariat) Misalkan diketahui suatu peubah acak X. Didefinisikan ekspektasi dari peubah acak X adalah sebagai berikut E [ X ] - P X =, X diskrit = f d, X kontinu

Lebih terperinci

Disusun oleh: 1. Diah Sani Susilawati ( / 7B) 2. Farid Hidayat ( / 7B) 3. Rico Nurcahyo ( / 7B)

Disusun oleh: 1. Diah Sani Susilawati ( / 7B) 2. Farid Hidayat ( / 7B) 3. Rico Nurcahyo ( / 7B) DISTRIBUSI MARGINAL DAN DISTRIBUSI GABUNGAN Disusun guna memenuhi tugas mata kuliah Statistika Matematika Dosen Pengampu: Supandi, M.Si Disusun oleh:. Diah Sani Susilawati (8355/ 7B). Farid Hidaat (836/

Lebih terperinci

HANDOUT PERKULIAHAN. Pertemuan Ke : 3 : Distribusi Satu Peubah Acak dan Ekspektasi Satu Peubah Acak

HANDOUT PERKULIAHAN. Pertemuan Ke : 3 : Distribusi Satu Peubah Acak dan Ekspektasi Satu Peubah Acak HANDOUT PERKULIAHAN Pertemuan Ke : 3 Pokok Bahasan : Distribusi Satu Peubah Acak dan Ekspektasi Satu Peubah Acak URAIAN POKOK PERKULIAHAN A. Peubah Acak Definisi 1 : Peubah Acak Misalkan E adalah suatu

Lebih terperinci

Ekspektasi Satu Peubah Acak Diskrit

Ekspektasi Satu Peubah Acak Diskrit Chandra Novtiar 085794801125 chandramathitb07@gmail.com PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP) SILIWANGI BANDUNG Garis Besar Pembahasan Sub Pokok Pembahasan

Lebih terperinci

DISTRIBUSI DUA PEUBAH ACAK

DISTRIBUSI DUA PEUBAH ACAK 0 DISTRIBUSI DUA PEUBAH ACAK Dala hal ini akan dibahas aca-aca fungsi peluang atau fungsi densitas ang berkaitan dengan dua peubah acak, aitu distribusi gabungan, distribusi arginal, distribusi bersarat,

Lebih terperinci

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2014 1 Tentang AK5161 Matematika

Lebih terperinci

BEBERAPA TEKNIK DISTRIBUSI FUNGSI PEUBAH ACAK

BEBERAPA TEKNIK DISTRIBUSI FUNGSI PEUBAH ACAK 0 BEBERAPA TEKNIK DISTRIBUSI FUNGSI PEUBAH ACAK Dalam hal ini akan dibahas beberapa teknik yang digunakan dalam menentukan distribusi dari fungsi peubah acak, yaitu teknik fungsi distribusi, teknik transformasi

Lebih terperinci

BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL

BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL Dalam hal ini akan dibahas beberapa distribusi yang mempunyai bentuk fungsi densitas dan nama tertentu dari peubah acak kontinu, yaitu: distribusi seragam, distribusi

Lebih terperinci

STATISTIK PERTEMUAN VI

STATISTIK PERTEMUAN VI STATISTIK PERTEMUAN VI 1. TEORI PENDUKUNG 1.1 Pendahuluan 1. Variabel acak 1.3 Distribusi variabel acak diskrit 1.4 Distribusi variabel acak kontinu 1.5 Distribusi multivariat 1.1 Pendahuluan Definisi

Lebih terperinci

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2014 1 Tentang AK5161 Matematika

Lebih terperinci

AK5161 Matematika Keuangan Aktuaria

AK5161 Matematika Keuangan Aktuaria Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang AK5161 Matematika

Lebih terperinci

AK5161 Matematika Keuangan Aktuaria

AK5161 Matematika Keuangan Aktuaria Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang AK5161 Matematika

Lebih terperinci

Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat

Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat MA38 Teori Peluang - Khreshna Syuhada Bab 9 Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat Ilustrasi 9. Misalkan banyaknya kecelakaan kerja rata-rata per minggu di suatu pabrik adalah empat.

Lebih terperinci

Sebaran Peubah Acak Bersama

Sebaran Peubah Acak Bersama Bab 6 Sebaran Peubah Acak Bersama 6. Peubah Acak Ganda Misalnya terdapat suatu tindakan pelemparan sekeping mata uang seimbang sebanyak 3 kali, dan X adalah peubah acak banyaknya sisi muka yang muncul

Lebih terperinci

BAB III PROSES POISSON MAJEMUK

BAB 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 terperinci

DISTRIBUTIONS OF RANDOM VARIABLE DISTRIBUSI VARIABEL RANDOM

DISTRIBUTIONS 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 terperinci

DISTRIBUSI SATU PEUBAH ACAK

DISTRIBUSI SATU PEUBAH ACAK 0 DISTRIBUSI SATU PEUBAH ACAK Dalam hal ini akan dibahas macam-macam peubah acak, distribusi peluang, fungsi densitas, dan fungsi distribusi. Pada pembahasan selanjutnya, fungsi peluang untuk peubah acak

Lebih terperinci

Sebaran Peubah Acak Bersama

Sebaran Peubah Acak Bersama Bab 6 Sebaran Peubah Acak Bersama 6. Peubah Acak Ganda Misalnya terdapat suatu tindakan pelemparan sekeping mata uang seimbang sebanyak 3 kali, dan X adalah peubah acak banyaknya sisi muka yang muncul

Lebih terperinci

Probabilitas dan Statistika Fungsi Distribusi Peluang Kontinyu Lanjut. Adam Hendra Brata

Probabilitas dan Statistika Fungsi Distribusi Peluang Kontinyu Lanjut. Adam Hendra Brata Probabilitas dan Statistika Fungsi Lanjut Adam Hendra Brata Gabungan Gabungan Fungsi Acak Fungsi Rapat Kumulatif Gabungan Untuk variabel random kontinu, analog dengan kasus diskrit, fungsi rapat probabilitas

Lebih terperinci

BAB II LANDASAN TEORI. ilmiah. Pencacahan atau pengukuran karakteristik suatu objek kajian yang

BAB II LANDASAN TEORI. ilmiah. Pencacahan atau pengukuran karakteristik suatu objek kajian yang BAB II LANDASAN TEORI 2.1 Konsep Dasar Peluang Pada dasarnya statistika berkaitan dengan penyajian dan penafsiran hasil yang berkemungkinan (hasil yang belum dapat ditentukan sebelumnya) yang muncul dalam

Lebih terperinci

Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah

Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah BAB 1 Peluang dan Ekspektasi Bersyarat 1.1 EKSPEKTASI Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah E(X) x x p X (x) dan E(X)

Lebih terperinci

RPS STATISTIKA MATEMATIKA

RPS STATISTIKA MATEMATIKA RPS STATISTIKA MATEMATIKA Fenny Fitriani, S.Si, M.Si UNIVERSITAS PGRI ADI BUANA SURABAYA Fakultas Keguruan dan Ilmu Pendidikan Program Studi Pendidikan Matematika Jalan Ngagel Dadi III-B / 37, Surabaya

Lebih terperinci

Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R

Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R Bab Peubah Acak. Konsep Dasar Peubah Acak Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R Contoh peubah acak: Jika X adalah peubah acak banyaknya sisi muka yang muncul pada

Lebih terperinci

MA3081 STATISTIKA MATEMATIKA We love Statistics

MA3081 STATISTIKA MATEMATIKA We love Statistics Catatan Kuliah MA3081 STATISTIKA MATEMATIKA We love Statistics disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Daftar Isi 1 Peubah Acak

Lebih terperinci

Fungsi dan Grafik Diferensial dan Integral

Fungsi dan Grafik Diferensial dan Integral Sudaratno Sudirham Studi Mandiri Fungsi dan Grafik Diferensial dan Integral Darpublic ii BAB 3 Gabungan Fungsi Linier Fungsi-fungsi linier banak digunakan untuk membuat model dari perubahan-perubahan besaran

Lebih terperinci

LANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan

LANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan 4 II. LANDASAN TEORI Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan Schmeiser (1974), yang memiliki empat parameter dari pengembangan distribusi Lambda Tukey. Keluarga distribusi

Lebih terperinci

MA5181 PROSES STOKASTIK

MA5181 PROSES STOKASTIK Catatan Kuliah MA5181 PROSES STOKASTIK disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik A. Jadwal kuliah:

Lebih terperinci

MATERI BAB I RUANG SAMPEL DAN KEJADIAN. A. Pendahuluan Dari jaman dulu sampai sekarang orang sering berhadapan dengan peluang.

MATERI BAB I RUANG SAMPEL DAN KEJADIAN. A. Pendahuluan Dari jaman dulu sampai sekarang orang sering berhadapan dengan peluang. MATERI BAB I RUANG SAMPEL DAN KEJADIAN Pendahuluan Ruang Sampel Kejadian Dua Kejadian Yang Saling Lepas Operasi Kejadian BAB II MENGHITUNG TITIK SAMPEL Prinsip Perkalian/ Aturan Dasar Notasi Faktorial

Lebih terperinci

PENGURAIAN PENDAPATAN GABUNGAN DUA PRODUK DARI SUATU PERUSAHAAN

PENGURAIAN PENDAPATAN GABUNGAN DUA PRODUK DARI SUATU PERUSAHAAN PENGURAIAN PENDAPATAN GABUNGAN DUA PRODUK DARI SUATU PERUSAHAAN Thomas J. Kakia Fakultas Ilmu Komputer Universitas Gunadarma Jl. Margonda 100 Pondok Cina Depok ABSTRAK Penguraian pendapatan atau pendapatan

Lebih terperinci

II. TINJAUAN PUSTAKA

II. TINJAUAN PUSTAKA II. TINJAUAN PUSTAKA. Pendahuluan Uji perbandingan dua distribusi merupakan suatu tekhnik analisis ang dilakukan untuk mencari nilai parameter ang baik diantara dua distribusi. Tekhnik uji perbandingan

Lebih terperinci

Peubah Acak dan Distribusi Kontinu

Peubah 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 terperinci

(HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 20 September 2012 Utriweni Mukhaiyar

(HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 20 September 2012 Utriweni Mukhaiyar 1 EKSPEKTASI (HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 0 September 01 Utriweni Mukhaiyar Ekspektasi Suatu Peubah Acak Misalkan X peubah acak Ekspektasi dari X EX [ ] xp( X x), jika X peubah acak

Lebih terperinci

SILABUS. 5. Evaluasi a. Kehadiran = 10% b. Tugas = 20% c. UTS = 30% d. UAS = 40%

SILABUS. 5. Evaluasi a. Kehadiran = 10% b. Tugas = 20% c. UTS = 30% d. UAS = 40% 0 SILABUS 1. Identitas Mata Kuliah Nama Mata Kuliah : Statistika Matematik 1 Kode Mata Kuliah : MT 404 Jumlah SKS : 3 Semester : 6 Kelompok Mata Kuliah : Mata Kuliah Keahlian (MKK) Program Studi Jurusan/Program

Lebih terperinci

Pengantar Statistika Matematik(a)

Pengantar 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 terperinci

Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA. Insure and Invest! Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA. Insure and Invest! Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA Insure and Invest! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang AK5161 MatKeu

Lebih terperinci

RANCANGAN PEMBELAJARAN

RANCANGAN PEMBELAJARAN RANCANGAN PEMBELAJARAN Mata Kuliah : dan Proses Stokastik Semester : Jurusan : Dosen : TIU : respon sistem linear dengan input menggunakan konsep probabilitas dan proses stokastik (C4) No.. Mahasiswa mampu

Lebih terperinci

3. Gabungan Fungsi Linier

3. Gabungan Fungsi Linier 3. Gabungan Fungsi Linier Sudaratno Sudirham Fungsi-fungsi linier banak digunakan untuk membuat model dari perubahanperubahan besaran fisis. Perubahan besaran fisis mungkin merupakan fungsi waktu, temperatur,

Lebih terperinci

A. Distribusi Gabungan

A. Distribusi Gabungan HANDOUT PERKULIAHAN Mata Kuliah : Statistika Matematika Pertemuan Ke : 5 Pokok Bahasan : Distibusi Dua peubah Acak URAIAN POKOK PERKULIAHAN A. Distribusi Gabungan Definisi 1: Peubah Acak Berdimensi Dua

Lebih terperinci

Achmad Samsudin, M.Pd. Jurdik Fisika FPMIPA Universitas Pendidikan Indonesia

Achmad Samsudin, M.Pd. Jurdik Fisika FPMIPA Universitas Pendidikan Indonesia Achmad Samsudin, M.Pd. Jurdik Fisika FPMIPA Universitas Pendidikan Indonesia VARIABEL ACAK VARIABEL ACAK : suatu fungsi yang nilainya berupa bilangan nyata yang ditentukan oleh setiap unsur dalam ruang

Lebih terperinci

BAB 1 PENDAHULUAN. Hampir semua fenomena di dunia ini memiliki beberapa ketidakpastian,

BAB 1 PENDAHULUAN. Hampir semua fenomena di dunia ini memiliki beberapa ketidakpastian, BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Hampir semua fenomena di dunia ini memiliki beberapa ketidakpastian, yang tidak dapat diperkirakan sebagai sesuatu yang pasti. Pada umumnya pengukuran berulang

Lebih terperinci

THEORY. By: Hanung N. Prasetyo PEUBAH ACAK TELKOM POLYTECHNIC/HANUNGNP

THEORY. By: Hanung N. Prasetyo PEUBAH ACAK TELKOM POLYTECHNIC/HANUNGNP THEORY By: Hanung N. Prasetyo PEUBAH ACAK Variabel acak adalah suatu variabel yang nilainya bisa berapa saja Variabel acak merupakan deskripsi numerik dari outcome beberapa percobaan / eksperimen VARIABEL

Lebih terperinci

MATEMATIKA BISNIS BAB 2 FUNGSI LINIER

MATEMATIKA BISNIS BAB 2 FUNGSI LINIER MATEMATIKA BISNIS BAB FUNGSI LINIER Hikmah Agustin, S.P.,MM DEFINISI FUNGSI Fungsi adalah hubungan matematis antara suatu variabel dengan variabel lainna. Unsur-unsur pembentukan fungsi : 1. Variabel Variabel

Lebih terperinci

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2014 1 Tentang AK5161 Matematika

Lebih terperinci

Pengantar Proses Stokastik

Pengantar 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 terperinci

A. Distribusi Gabungan

A. Distribusi Gabungan HANDOUT PERKULIAHAN Mata Kuliah Pokok Bahasan : Statistika Matematika : Distibusi Dua peubah Acak URAIAN POKOK PERKULIAHAN A. Distribusi Gabungan Definisi 1: Peubah Acak Berdimensi Dua Jika S merupakan

Lebih terperinci

BAB II DISTRIBUSI PEUBAH ACAK

BAB II DISTRIBUSI PEUBAH ACAK H. Maman Suherman,Drs.,M.Si BAB II DISTIBUSI PEUBAH ACAK. Peubah Acak Variable andom Pada bab anda telah mengenal ruang peluang S, Ω, P dimana S adalah ruang sampel dari eksperimen acak, Ω adalah lapangan

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam 4 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam menentukan momen, kumulan, dan fungsi karakteristik dari distribusi log-logistik (α,β). 2.1 Distribusi Log-Logistik

Lebih terperinci

Catatan Kuliah. MA5181 Proses Stokastik

Catatan 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 terperinci

STK 203 TEORI STATISTIKA I

STK 203 TEORI STATISTIKA I STK 203 TEORI STATISTIKA I III. PEUBAH ACAK KONTINU III. Peubah Acak Kontinu 1 PEUBAH ACAK KONTINU Ingat definisi peubah acak! Definisi : Peubah acak Y adalah suatu fungsi yang memetakan seluruh anggota

Lebih terperinci

KONSEP DASAR TERKAIT METODE BAYES

KONSEP DASAR TERKAIT METODE BAYES KONSEP DASAR TERKAIT METODE BAYES 2.3. Peubah Acak dan Distribusi Peluang Pada statistika kita melakukan percobaan dimana percobaan tersebut akan menghasilkan suatu peluang. Ruang sampel pada percobaan

Lebih terperinci

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian penulis. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari generalized Weibull

Lebih terperinci

KAJIAN 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 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 terperinci

MA5181 PROSES STOKASTIK

MA5181 PROSES STOKASTIK Catatan Kuliah MA5181 PROSES STOKASTIK We do love uncertainty disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik

Lebih terperinci

STATISTIKA UNIPA SURABAYA

STATISTIKA UNIPA SURABAYA MATEMATIKA STATISTIKA (MATHEMATICAL STATISTICS) GANGGA ANURAGA Materi : Distribusi variabel random Teori Himpunan Fungsi Himpunan Fungsi Himpunan Peluang Variabel Random Fungsi Kepadatan Peluang Fungsi

Lebih terperinci

MODUL BAB 2 KOMPOSISI FUNGSI DAN FUNGSI INVERS. Standar Kompetensi: 2. Menentukan komposisi dua fungsi dan invers suatu fungsi

MODUL BAB 2 KOMPOSISI FUNGSI DAN FUNGSI INVERS. Standar Kompetensi: 2. Menentukan komposisi dua fungsi dan invers suatu fungsi MODUL BAB KOMPOSISI FUNGSI DAN FUNGSI INVERS Standar Kompetensi:. Menentukan komposisi dua ungsi dan invers suatu ungsi Kompetensi Dasar. Menentukan komposisi ungsi dari dua ungsi. Menentukan invers suatu

Lebih terperinci

Harapan Matematik (Teori Ekspektasi)

Harapan Matematik (Teori Ekspektasi) (Teori Ekspektasi) PROBABILITAS DAN STATISTIKA Semester Genap 2014/2015 LUTFI FANANI lutfi.class@gmail.com Sifat Definisi Harapan matematik atau nilai ekspektasi adalah satu konsep yang penting di dalam

Lebih terperinci

II. TINJAUAN PUSTAKA. Menurut Herrhyanto & Gantini (2009), peubah acak X dikatakan berdistribusi

II. TINJAUAN PUSTAKA. Menurut Herrhyanto & Gantini (2009), peubah acak X dikatakan berdistribusi II. TINJAUAN PUSTAKA 2.1 Distribusi Normal Umum Menurut Herrhyanto & Gantini (2009), peubah acak X dikatakan berdistribusi normal umum, jika dan hanya jika fungsi densitasnya berbentuk: ; Penulisan notasi

Lebih terperinci

Bab I. Fungsi Dua Peubah atau Lebih. Pengantar

Bab I. Fungsi Dua Peubah atau Lebih. Pengantar Bab I Fungsi Dua Peubah atau Lebih Pengantar Seperti halna dengan fungsi satu peubah kita dapat mendefinisikan fungsi dua peubah atau lebih sebagai pemetaan dan sebagai pasangan berurut.fungsi dengan peubah

Lebih terperinci

BAB I. SISTEM KOORDINAT, NOTASI & FUNGSI

BAB I. SISTEM KOORDINAT, NOTASI & FUNGSI BAB I. SISTEM KRDINAT, NTASI & FUNGSI (Pertemuan ke 1 & 2) PENDAHULUAN Diskripsi singkat Pada bab ini akan dijelaskan tentang bilangan riil, sistem koordinat Cartesius, notasi-notasi ang sering digunakan

Lebih terperinci

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

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah,, ST., MT UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah,, ST., MT UJI KERANDOMAN (RANDOMNESS TEST / RUN TEST) Uji KERANDOMAN Untuk menguji apakah data sampel yang diambil merupakan data yang acak / random Prosedur

Lebih terperinci

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. II. LANDASAN TEORI Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. Distribusi ini merupakan distribusi fungsi padat yang terkenal luas dalam bidang matematika. Distribusi gamma

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun

BAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).

Lebih terperinci

PENGANTAR MODEL PROBABILITAS

PENGANTAR MODEL PROBABILITAS PENGANTAR MODEL PROBABILITAS (PMP, Minggu 8-14) Sri Haryatmi Kartiko Universitas Gadjah Mada Juni 2014 Outline 1 Minggu 8:MOMEN VARIABEL RANDOM Mean dan Variansi Fungsi Pembangkit Momen (MGF) 2 Minggu

Lebih terperinci

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya Dosen: Aniq A Rohmawati, M.Si TELKOM UNIVERSITY JALAN TELEKOMUNIKASI 1, BANDUNG, INDONESIA Ruang Sampel dan Kejadian PEUBAH ACAK (P.A) Fungsi yang memetakan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 7 BAB II LANDASAN EORI 2.. Dasar Dasar Peluang Program stokastik adalah salah satu cabang matematika yang berhubungan dengan keputusan optimal dalam keadaan tidak pasti yang dinyatakan dengan distribusi

Lebih terperinci

Catatan 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. 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 terperinci

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data 5 II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data panel ini, penulis menggunakan definisi, teorema dan konsep dasar yang berkaitan dengan pendugaan parameter,

Lebih terperinci

Contoh Solusi PR 2 Statistika & Probabilitas. 1. Semesta dari kejadian adalah: pemilihan 5 soal dari 10 soal. Jumlah kemungkinannya ( 10 = 252.

Contoh Solusi PR 2 Statistika & Probabilitas. 1. Semesta dari kejadian adalah: pemilihan 5 soal dari 10 soal. Jumlah kemungkinannya ( 10 = 252. Contoh Solusi PR Statistika & Probabilitas Semesta dari kejadian adalah: pemilihan soal dari soal Jumlah kemungkinannya ( ) = (a) Kemungkinannya dapat dihitung dengan memilih soal tes dari soal yang anak

Lebih terperinci

oleh: Tri Budi Santoso Signal Processing Group Electronic Engineering Polytechnic Institute of Surabaya-ITS

oleh: Tri Budi Santoso Signal Processing Group Electronic Engineering Polytechnic Institute of Surabaya-ITS Dasar Statistik untuk Pemodelan dan Simulasi oleh: Tri Budi Santoso Signal Processing Group Electronic Engineering Polytechnic Institute of Surabaya-ITS . Probabilitas Probabilitas=Peluang, bisa diartikan

Lebih terperinci

Variabel Random dan Nilai Harapan. Oleh Azimmatul Ihwah

Variabel Random dan Nilai Harapan. Oleh Azimmatul Ihwah Variabel Random dan Nilai Harapan Oleh Azimmatul Ihwah Outcomes dari suatu eksperimen dapat dinyatakan dengan angka untuk mempermudah. Suatu variabel yang mengasosiakan outcomes dari suatu eksperimen dengan

Lebih terperinci

Kuis 1 MA5181 Proses Stokastik Precise. Prospective. Tanggal 24 Agustus 2016, Waktu: suka-suka menit Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Kuis 1 MA5181 Proses Stokastik Precise. Prospective. Tanggal 24 Agustus 2016, Waktu: suka-suka menit Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kuis Selamat Datang MA5181 Proses Stokastik Precise. Prospective. Tanggal 23 Agustus 2016, Waktu: suka-suka menit 1. Mahasiswa yang datang ke ruang kuliah mengikuti suatu proses dengan laju kedatangan

Lebih terperinci

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Repeated Measurement Dalam repeated measurement setiap perlakuan menunjukkan pengukuran terhadap satu sampel (unit eksperimen ) atau beberapa sampel yang memiliki karakter sama

Lebih terperinci

Harapan Matematik. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Harapan Matematik. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB Harapan Matematik Bahan Kuliah II09 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Definisi Harapan Matematik Satu konsep yang penting di dalam teori peluang

Lebih terperinci

TINJAUAN PUSTAKA Analisis Gerombol

TINJAUAN PUSTAKA Analisis Gerombol 3 TINJAUAN PUSTAKA Analisis Gerombol Analisis gerombol merupakan analisis statistika peubah ganda yang digunakan untuk menggerombolkan n buah obyek. Obyek-obyek tersebut mempunyai p buah peubah. Penggerombolannya

Lebih terperinci

TINJAUAN PUSTAKA. mengestimasi parameter regresi. Distribusi generalized. digunakan dalam bidang ekonomi dan keuangan.

TINJAUAN PUSTAKA. mengestimasi parameter regresi. Distribusi generalized. digunakan dalam bidang ekonomi dan keuangan. II. TINJAUAN PUSTAKA Distribusi generalized,,, adalah salah satu distribusi probabilitas kontinu. Distribusi ini pertama kali diperkenalkan McDonald dan Newey 988 untuk mengestimasi parameter regresi.

Lebih terperinci

2 Akar Persamaan NonLinear

2 Akar Persamaan NonLinear 2 Akar Persamaan NonLinear Beberapa metoda untuk mencari akar ang telah dikenal adalah dengan memfaktorkan atau dengan cara Horner Sebagai contoh, untuk mencari akar dari persamaan 2 6 = 0 ruas kiri difaktorkan

Lebih terperinci

10/7/2004 TI-2131 Teori Probabilitas - DI 1

10/7/2004 TI-2131 Teori Probabilitas - DI 1 3 Variabel Random Pengantar Variabel Random Variabel Random Diskrit Nilai Ekspektasi dan Variansi Variabel Random Diskrit Variabel Random Kontinyu Kovariansi dan Korelasi Distribusi Bivariat Moment Generating

Lebih terperinci

Pengantar Proses Stokastik

Pengantar 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 terperinci

AK5161 Matematika Keuangan Aktuaria

AK5161 Matematika Keuangan Aktuaria Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang AK5161 Matematika

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fungsi Densitas Definisi 2.1 (Walpole & Myers, 1989) Fungsi adalah fungsi kepadatan peluang peubah acak kontinu, yang biasanya disebut fungsi densitas,yang didefinisikan di atas

Lebih terperinci

5. Fungsi dari Peubah Acak

5. Fungsi dari Peubah Acak 5. Fungsi dari Peubah Acak EL00-Probabilitas dan Statistik Dosen: Andrian B. Suksmono Isi. Transformasi Peubah Acak. Fungsi Pembangkit Momen 3. Pencuplikan Acak 4. Teori Pencuplikan 5. Pencuplikan Sebaran

Lebih terperinci

BAB III METODE PENELITIAN. hal terutama berkenaan dengan pengontrolan variabel, kemungkinan sukar sekali

BAB III METODE PENELITIAN. hal terutama berkenaan dengan pengontrolan variabel, kemungkinan sukar sekali BAB III METODE PENELITIAN 3.1. Desain dan Metode Penelitian Penelitian ini menggunakan metode Quas Experiment karena berbagai hal terutama berkenaan dengan pengontrolan variabel, kemungkinan sukar sekali

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

x X dapat dipetakan ke setiap y Y. hanya jika (jikka) satu x X dapat dipetakan ke satu y Y. RELASI : F: X Y menghasilkan himpunan pasangan berurut:

x X dapat dipetakan ke setiap y Y. hanya jika (jikka) satu x X dapat dipetakan ke satu y Y. RELASI : F: X Y menghasilkan himpunan pasangan berurut: RELASI DAN FUNGSI Dalam matematika modern, Relasi dan Fungsi digunakan untuk menunjukkan hubungan setiap elemen Domain dengan setiap elemenrange ang membentuk pasangan bilangan berurut. Hubungan himpunan

Lebih terperinci

yang tak terdefinisikan dalam arti keberadaannya tidak perlu didefinisikan. yang sejajar dengan garis yang diberikan tersebut.

yang tak terdefinisikan dalam arti keberadaannya tidak perlu didefinisikan. yang sejajar dengan garis yang diberikan tersebut. 3 Gariis Lurus Dalam geometri aksiomatik/euclide konsep garis merupakan salah satu unsur ang tak terdefinisikan dalam arti keberadaanna tidak perlu didefinisikan. Karakteristik suatu garis diberikan pada

Lebih terperinci

BAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer

BAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer BAB I PENDAHULUAN A. Latar Belakang Statistika merupakan salah satu ilmu matematika yang terus berkembang dari waktu ke waktu. Di dalamnya mencakup berbagai sub pokok-sub pokok materi yang sangat bermanfaat

Lebih terperinci

Unit 2 KONSEP DASAR ALJABAR. Clara Ika Sari Pendahuluan

Unit 2 KONSEP DASAR ALJABAR. Clara Ika Sari Pendahuluan Unit KONSEP DASAR ALJABAR Clara Ika Sari Pendahuluan P ada unit ini kita akan mempelajari beberapa konsep dasar dalam aljabar seperti persamaan dan pertidaksamaan ang berbentuk linear dan kuadrat, serta

Lebih terperinci

Catatan Kuliah. MA5181 Proses Stokastik

Catatan 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 terperinci

KONTRAK PERKULIAHAN (STATISTIKA MATEMATIKA)

KONTRAK PERKULIAHAN (STATISTIKA MATEMATIKA) KONTRAK PERKULIAHAN (STATISTIKA MATEMATIKA) Bobot SKS : 3 SKS Semester : 6 Hari Pertemuan : 16 Dosen Pengampuh : 1. Dra. Nyimas Aisyah, M.Pd., Ph.D. 2. Weni Dwi Pratiwi, S.Pd., M.sc. 3. Scristia, M.Pd

Lebih terperinci

Pengantar Proses Stokastik

Pengantar 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 terperinci

PEMODELAN PERTUKARAN NILAI MATA UANG MAKSIMUM RINGGIT TERHADAP YEN TUGAS AKHIR

PEMODELAN PERTUKARAN NILAI MATA UANG MAKSIMUM RINGGIT TERHADAP YEN TUGAS AKHIR PEMODELAN PERTUKARAN NILAI MATA UANG MAKSIMUM RINGGIT TERHADAP YEN TUGAS AKHIR Diajukan sebagai Salah Satu Sarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika Oleh AGUNG PRIMADI 0654004465

Lebih terperinci

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 4, No.1, Februari 2015

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 4, No.1, Februari 2015 InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 4, No., Februari 05 ANALISIS KEMAMPUAN MEMBACA BUKTI MATEMATIS PADA MATA KULIAH STATISTIKA MATEMATIKA Oleh: Andri Suryana Universitas

Lebih terperinci

Matematika Teknik 1, Bab 3 BAB III LIMIT. (Pertemuan ke 4)

Matematika Teknik 1, Bab 3 BAB III LIMIT. (Pertemuan ke 4) BAB III LIMIT (Pertemuan ke 4) PENDAHULUAN Diskripsi singkat Pada bab ini dibahas tentang limit, antara lain mengenai pengertian limit secara intuisi/tak formal, pengertian persis tentang limit, pengkajian

Lebih terperinci

Bab 7 Ekspektasi dan Fungsi Pembangkit Momen: Cintailah Mean

Bab 7 Ekspektasi dan Fungsi Pembangkit Momen: Cintailah Mean MA38 Teori Peluang - Khreshna Syuhada Bab 7 Bab 7 Ekspektasi dan Fungsi Pembangkit Momen: Cintailah Mean Ilustrasi 7. Seorang peserta kuis diberi dua buah pertanyaan (P-, P-2), yang harus dijawab dengan

Lebih terperinci

POKOK BAHASAN YANG DIAJARKAN: 1. DISTRIBUSI PEUBAH ACAK a. Distribusi Peubah Acak Tunggal b. Distribusi Peubah Acak Ganda c. Distribusi Bersyarat d.

POKOK BAHASAN YANG DIAJARKAN: 1. DISTRIBUSI PEUBAH ACAK a. Distribusi Peubah Acak Tunggal b. Distribusi Peubah Acak Ganda c. Distribusi Bersyarat d. POKOK BAHASAN YANG DIAJARKAN:. DISTRIBUSI PEUBAH ACAK a. Distribusi Peubah Acak Tunggal b. Distribusi Peubah Acak Ganda c. Distribusi Bersyarat d. Teorema Bayes. EKSPEKTASI MATEMATIK a. Ekspektasi b. Variansi

Lebih terperinci

Distribusi Peluang. Maka peubah acak X dinyatakan dengan banyaknya kemunculan angka. angka sama sekali. angka.

Distribusi Peluang. Maka peubah acak X dinyatakan dengan banyaknya kemunculan angka. angka sama sekali. angka. Distribusi Peluang Definisi peubah acak: Misalkan E adalah sebuah percobaan dengan ruang sampel T. Sebuah fungsi X yang memetakan setiap anggota t T dengan sebuah bilangan real X(t) dinamakan peubah acak.

Lebih terperinci