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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 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 tersebut ketahui Banyak kemungkinannya adalah ( ) = Jadi, peluangnya adalah (b) Jika siswa tersebut berhasil menjawab tepat soal, kemungkinannya dapat dihitung dengan memilih soal tes dari soal yang diketahui dari soal tes dari soal yang tidak diketahui Banyak kemungkinannya adalah ( ( ) ) = Jadi peluang yang diminta pada soal adalah + = (Catatan (!): Urutan kemunculan soal pada tes boleh masuk ke dalam perhitungan Perbedaannya hanya pembilang dan penyebutnya dikalikan dengan! =, namun nilai ini saling menghilangkan, sehingga memberikan hasil yang sama persis) Poin: (a) poin (b) poin Perhitungan salah / tidak selesai: maksimal Nilai untuk cara hitung yang salah Mohon baca Catatan (!) sebelum memeriksa TOTAL: poin

2 Definisikan kejadian: A: pesawat yang hilang ditemukan, B: pesawat yang hilang memiliki emergency locator Semua informasi mengenai kejadian ini adalah sebagai berikut: P (A) = 7 (dan juga P (A c ) = ) P (B A) = (dan juga P (B c A) = ) P (B c A c ) = 9 (dan juga P (B A c ) = ) Peluang pesawat yang tidak memiliki emergency locator berhasil ditemukan adalah P (A B c ) = P (Bc A)P (A) P (B c ) = P (B c A)P (A) P (B c A)P (A) + P (B c A c )P (A c ) = = 8 Mendefinisikan kejadian dan probabilitas (kondisional) masing-masing kejadian: poin Menggunakan aturan Bayes dengan benar: poin TOTAL: poin

3 Misalkan kejadian A: terambil kotak pertama, B: terambil kelereng biru Berdasarkan pengambilan acak, diperoleh informasi-informasi berikut: (a) Peluang terambil kelereng biru adalah P (A) = (dan juga P (A c ) = ) P (B A) = dan P (B c A) = P (B A c ) = dan P (B c A c ) = P (B) = P (B A)P (A) + P (B A c )P (A c ) = + = (b) Diketahui terambil kelereng merah, peluang terambil kotak pertama adalah P (A B c ) = P (Bc A)P (A) P (B c ) = P (Bc A)P (A) P (B) = = 8 Mendefinisikan kejadian dan probabilitas (kondisional) kejadian: Menggunakan aturan yang benar untuk (a): Menggunakan aturan yang benar untuk (b): poin poin poin TOTAL: poin

4 (a) Misalkan X adalah hasil pelemparan pertama dan X hasil pelemparan kedua Perhatikan tabel daftar jumlah X dan X sebagai berikut: X + X Kita tahu bahwa X = X + X dan tabel pmf untuk X adalah a others P (X = a) Ekspektasi untuk X adalah E[X] = a ap (X = a) = + + = = 7 (b) Misalkan X dan X berturut-turut hasil pelemparan dadu pertama dan kedua, maka diperoleh tabel berikut max{x, X } Dari daftar tersebut, karena Y = max{x, X }, diperoleh pmf sebagai berikut: P (Y = a) Ekspektasi untuk Y adalah E[Y ] = a a ap (X = a) = = 7 (c) Dari kedua daftar, kita peroleh joint pmf untuk X dan Y sebagai berikut Y : X Dari tabel (a), (b), dan (c), jelas bahwa X dan Y bukan variabel acak yang independen karena P (X = )P (Y = ) = = P (X =, Y = ) (d) Kita tahu bahwa Cov(X, Y ) = E[XY ] E[X]E[Y ] Nilai E[XY ] perlu dicari, yaitu E[XY ] = x,y 7 xyp (X = x, Y = y) = + + = Akibatnya Cov(X, Y ) = 7 7 = 9 9

5 Bagian (a): Tabel: poin, Ekspektasi: poin Nilai parsial untuk masing-masing maksimal Bagian (b): Tabel: poin, Ekspektasi: poin Nilai parsial untuk masing-masing maksimal Bagian (c): Tabel: poin, Penjelasan yang benar bahwa tidak independent: poin Nilai parsial untuk tabel dipilih dari 8,, atau Menjawab independent mendapat poin Penjelasan yang parsial maksimal poin Bagian (d): Menghitung kovariansi dengan benar: poin TOTAL: +++=

6 Diberikan cdf demikian, diperoleh pdf sebagai berikut f X (x) = a + bx, x (a) Syarat pdf adalah selalu non-negatif dan integral seluruh daerahnya adalah Dari syarat integral, diperoleh f X (x) = F X () = a + b = Karena ekspektasi dari variabel acak adalah, maka diperoleh xf X (x)dx = ax + bx dx = [ a x + b ] x = a + b = Dari kedua persamaan terakhir, diperoleh b = dan a = Jadi, diperoleh pdf dari variabel acak X adalah f X (x) = + x, x Jelas bahwa pdf ini selalu non-negatif (b) Kita tahu bahwa V ar(x) = E[X ] E[X], di mana E[X] = Sekarang, E[X ] = x f X (x)dx = Jadi, V ar(x) = = 7 (c) Kita peroleh P ( X ) = x + [ x dx = x + ] x = + [ xdx = x + ] x = = (d) Misalkan A dan B adalah variabel acak yang menyatakan kedua bilangan yang dihasilkan Karena A dan B dihasilkan secara independen, maka joint cdf untuk A dan B adalah F A,B (a, b) = F A (a)f B (b) Kejadian bahwa maksimum dari A dan B lebih dari berkomplemen dengan kedua nilai A dan B kurang dari Dengan kata lain P (max{a, B} > ) = P (A, B ) = F A ()F B () 79 Bagian (a): Mendapatkan a + b = : poin Mendapatkan persamaan = : poin Memperoleh nilai a dan b: poin Bagian (b): menghitung ekspektasi X : poin menghitung variansi: poin Bagian (c): Menghitung dengan benar: poin

7 Nilai parsial maksimal poin Bagian (d): Mendapatkan joint pdf (atau joint cdf) karena independence: poin Melakukan perhitungan dengan benar: poin TOTAL: = poin 7

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

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

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

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

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

Pengantar Proses Stokastik

Pengantar 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 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

Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA

Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA CNH4S3 Analisis Time Series Dosen: Aniq A Rohmawati, M.Si [Jadwal]: [Materi Analsis Time Series] Kuliah Pemodelan dan Simulasi berisi tentang dasar pemodelan time series seperti kestasioneran, identifikasi

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

BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 3. HARAPAN MATEMATIK

BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 3. HARAPAN MATEMATIK Pertemuan 6. BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang. Variansi dan kovariansi. HARAPAN MATEMATIK Keragaman suatu peubah acak X diperoleh dengan mengambil g(x) = (X µ). Rataan

Lebih terperinci

Perhatikan segitiga siku-siku CDE : Lsegitiga CDE = DE. CD. = ½. 2x. 2x = 2x 2 =

Perhatikan segitiga siku-siku CDE : Lsegitiga CDE = DE. CD. = ½. 2x. 2x = 2x 2 = 1. Diketahui setengah lingkaran dengan diameter AB dan O adalah titik tengah AB. Segitiga CDE siku-siku di D. DE pada diameter AB sehingga DO=OE dan CD=DE untuk suatu titik C pada setengah lingkaran. Jika

Lebih terperinci

Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA

Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA CNH4S3 Analisis Time Series Dosen: Aniq A Rohmawati, M.Si [Jadwal]: [Materi Analsis Time Series] Kuliah Pemodelan dan Simulasi berisi tentang dasar pemodelan time series seperti kestasioneran, identifikasi

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

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

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

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

BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 3. HARAPAN MATEMATIK

BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 3. HARAPAN MATEMATIK Pertemuan 5. BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang. Rataan peubah acak. HARAPAN MATEMATIK Misalkan dua mata uang setangkup dilantun, peubah acak X menyatakan banyaknya

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

28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω

28/09/2012 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 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

KONSEP DASAR PROBABILITAS

KONSEP DASAR PROBABILITAS KONSEP DASAR PROBABILITAS PERTEMUAN VIII EvanRamdan PROBABILITAS Dalam menentukan banyaknya anggota kejadian, kadangkala kita tidak selalu dapat mendaftar semua titik sampel dalam percobaan tersebut. Untuk

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

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

BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 3. HARAPAN MATEMATIK

BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 3. HARAPAN MATEMATIK Pertemuan 5. BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang. Rataan peubah acak. HARAPAN MATEMATIK Misalkan dua mata uang setangkup dilantun, peubah acak X menyatakan banyaknya

Lebih terperinci

Dasar-dasar Statistika Pemodelan Sistem

Dasar-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 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

Teori Probabilitas 3.2. Debrina Puspita Andriani /

Teori Probabilitas 3.2. Debrina Puspita Andriani    / Teori Probabilitas 3.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Konsep Probabilitas Ruang Sampel Komplemen Kejadian Probabilitas Bersyarat Berapa peluang munculnya

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

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

1. 10 orang finalis suatu lomba kecantikan akan dipilih secara acak 3 yang terbaik. Banyak cara pemilihan tersebut ada cara.

1. 10 orang finalis suatu lomba kecantikan akan dipilih secara acak 3 yang terbaik. Banyak cara pemilihan tersebut ada cara. 1. 10 orang finalis suatu lomba kecantikan akan dipilih secara acak 3 yang terbaik. Banyak cara pemilihan tersebut ada cara. A. 70 B. 80 C. 120 D. 360 E. 720 Karena tidak ada aturan atau pengurutan, maka

Lebih terperinci

, n(a) banyaknya kejadian A dan n(s) banyaknya ruang sampel

, n(a) banyaknya kejadian A dan n(s) banyaknya ruang sampel Peluang Suatu Kejadian a) Kisaran nilai peluang : 0 P( b) P( =, banyaknya kejadian A dan banyaknya ruang sampel c) Peluang komplemen suatu kejadian : P(A c ) = P( d) Peluang gabungan dari dua kejadian

Lebih terperinci

MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR 24 FEBRUARI 2011

MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR 24 FEBRUARI 2011 Fungsi Peluang Gabungan MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR 24 FEBRUARI 2011 Ilustrasi Suatu perusahaan properti memiliki banyak gedung/bangunan yang ditawarkan dengan kategori-kategori yang berbeda.

Lebih terperinci

PENS. Probability and Random Process. Topik 4. Variabel Acak dan Distribusi Probabilitas. Prima Kristalina April 2015

PENS. Probability and Random Process. Topik 4. Variabel Acak dan Distribusi Probabilitas. Prima Kristalina April 2015 Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 4. Variabel Acak dan Distribusi Probabilitas Prima Kristalina April 2015 1 Outline 1. Definisi

Lebih terperinci

PENGANTAR MODEL PROBABILITAS

PENGANTAR MODEL PROBABILITAS PENGANTAR MODEL PROBABILITAS (PMP, Minggu 1-7) Sri Haryatmi Kartiko Universitas Gadjah Mada Juni 2014 Outline 1 Minggu 1:HIMPUNAN Operasi Himpunan Sifat-Sifat Operasi Himpunan 2 Minggu 2:COUNTING TECHNIQUE

Lebih terperinci

5. Peluang Diskrit. Pengantar

5. Peluang Diskrit. Pengantar 5. Peluang Diskrit Pengantar Semua yang telah dipelajari di dalam teori pencacahan (counting) akan menjadi dasar dalam perhitungan peluang terjadinya suatu peristiwa. Dalam pembahasan berikut, istilah

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

Peubah 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 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 terperinci

PENGANTAR PROBABILITAS STATISTIKA UNIPA SBY

PENGANTAR 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 terperinci

Pembahasan OSN Matematika SMA Tahun 2013 Seleksi Tingkat Provinsi. Tutur Widodo. Bagian Pertama : Soal Isian Singkat

Pembahasan OSN Matematika SMA Tahun 2013 Seleksi Tingkat Provinsi. Tutur Widodo. Bagian Pertama : Soal Isian Singkat Pembahasan OSN Matematika SMA Tahun 013 Seleksi Tingkat Provinsi Tutur Widodo Bagian Pertama : Soal Isian Singkat 1. Diberikan tiga lingkaran dengan radius r =, yang saling bersinggungan. Total luas dari

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

SOAL-SOAL LATIHAN PELUANG UJIAN NASIONAL

SOAL-SOAL LATIHAN PELUANG UJIAN NASIONAL . UN 0 SOAL-SOAL LATIHAN PELUANG UJIAN NASIONAL Peserta didik memiliki kemampuan memahami konsep pada topik peluang suatu kejadian. Peserta didik memilki kemampuan mengaplikan konsep kalkulus dalam masalah

Lebih terperinci

Hidup penuh dengan ketidakpastian

Hidup 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 terperinci

SOAL BRILLIANT COMPETITION 2013

SOAL BRILLIANT COMPETITION 2013 PILIHAN GANDA. Pada suatu segitiga ABC, titik D berada di AC sehingga AD : DC = 4 :. Titik E berada di BC sehingga BE : EC = : 3. Titik F adalah titik perpotongan antara garis BD dan garis AE. Jika luas

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

PROBABILITAS MODUL PROBABILITAS

PROBABILITAS MODUL PROBABILITAS MODUL 6 PROBABILITAS. Pendahuluan Masalah probabilitas adalah masalah frekuensi sesuatu kejadian. Dari itu, probabilitas suatu kejadian dapat diatasi sebagai perbandingan frekuensi kejadian itu 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

SOLUSI. Solusi: Solusi: [E] Solusi: [C] Himpunan penyelesaiannya adalah 3. 1 Husein Tampomas, Solusi TO UN Matematika IPA-A Provinsi Jawa Barat, 2016

SOLUSI. Solusi: Solusi: [E] Solusi: [C] Himpunan penyelesaiannya adalah 3. 1 Husein Tampomas, Solusi TO UN Matematika IPA-A Provinsi Jawa Barat, 2016 SOLUSI Solusi: 6 5x x Himpunan penyelesaiannya adalah Solusi: [E] log w log, 4 0,8h log50 log,4 0,8h 0,8h log 50 log, 4, 6990 0, 80, 88,88 h,6585,66 0,8 Solusi: [C] g o f a g f a g a a 5 a a 5 a a 5 a

Lebih terperinci

Minggu 1 Review Peubah Acak; Karakteristik Time Series. Minggu 4-6 Model Moving Average (MA), Autoregressive (AR)

Minggu 1 Review Peubah Acak; Karakteristik Time Series. Minggu 4-6 Model Moving Average (MA), Autoregressive (AR) CNH4S3 Analisis Time Series [Dosen] Aniq A Rohmawati, M.Si [Jadwal] Need to reschedule? [About] The purpose of time series analysis is generally twofold: to understand or model the stochastic mechanism

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

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

SELEKSI TINGKAT PROPINSI MATEMATIKA SMA/MA

SELEKSI TINGKAT PROPINSI MATEMATIKA SMA/MA SELEKSI TINGKAT PROPINSI CALON PESERTA OLIMPIADE SAINS NASIONAL 01 MATEMATIKA SMA/MA PETUNJUK UNTUK PESERTA: 1. Tes terdiri dari dua bagian. Tes bagian pertama terdiri dari 0 soal isian singkat dan tes

Lebih terperinci

BAB 3 Teori Probabilitas

BAB 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 terperinci

Pengintegralan Fungsi Rasional

Pengintegralan Fungsi Rasional Pengintegralan Fungsi Rasional Ahmad Kamsyakawuni, M.Kom Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Jember 25 Maret 2014 Pengintegralan Fungsi Rasional 1 Pengintegralan Fungsi Rasional 2

Lebih terperinci

SELEKSI TINGKAT PROPINSI MATEMATIKA SMA/MA

SELEKSI TINGKAT PROPINSI MATEMATIKA SMA/MA SELEKSI TINGKAT PROPINSI CALON PESERTA OLIMPIADE SAINS NASIONAL 2013 MATEMATIKA SMA/MA PETUNJUK UNTUK PESERTA: 1. Tes terdiri dari dua bagian. Tes bagian pertama terdiri dari 20 soal isian singkat dan

Lebih terperinci

Teori Probabilitas. Debrina Puspita Andriani /

Teori Probabilitas. Debrina Puspita Andriani    / Teori Probabilitas 5 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Konsep Probabilitas Ruang Sampel Komplemen Kejadian Probabilitas Bersyarat Teorema Bayes Berapa

Lebih terperinci

Statistika Variansi dan Kovariansi. Adam Hendra Brata

Statistika Variansi dan Kovariansi. Adam Hendra Brata Statistika dan Adam Hendra Brata Kita sudah memahami bahwa nilai harapan peubah acak X seringkali disebut rataan (mean) dan dilambangkan dengan μ. Tetapi, rataan tidak memberikan gambaran dispersi atau

Lebih terperinci

PEMANTAPAN UJIAN NASIONAL Kerjakan dengan sungguh-sungguh dengan kejujuran hati!

PEMANTAPAN UJIAN NASIONAL Kerjakan dengan sungguh-sungguh dengan kejujuran hati! PEMANTAPAN UJIAN NASIONAL 203 Kerjakan dengan sungguh-sungguh dengan kejujuran hati!. Hasil dari (-5 7) : 4 x (-5) + 8 adalah. A. -26 B. -23 C. 23 D. 26 2. Perbandingan banyak kelereng Taris dan Fauzan

Lebih terperinci

Soal-Soal dan Pembahasan Matematika IPA SNMPTN 2012 Tanggal Ujian: 13 Juni 2012

Soal-Soal dan Pembahasan Matematika IPA SNMPTN 2012 Tanggal Ujian: 13 Juni 2012 Soal-Soal dan Pembahasan Matematika IPA SNMPTN 01 Tanggal Ujian: 13 Juni 01 1. Lingkaran (x + 6) + (y + 1) 5 menyinggung garis y 4 di titik... A. ( -6 4 ). ( -1 4 ) E. ( 5 4 ) B. ( 6 4) D. ( 1 4 ) BAB

Lebih terperinci

Minggu 3 Peluang Bersyarat (Teorema Bayes) Minggu 4 Peubah Acak, Fungsi Peluang, Fungsi Distribusi. Minggu 6 Distribusi Peubah Acak Diskrit (PAD)

Minggu 3 Peluang Bersyarat (Teorema Bayes) Minggu 4 Peubah Acak, Fungsi Peluang, Fungsi Distribusi. Minggu 6 Distribusi Peubah Acak Diskrit (PAD) MUGE Statistika Dosen: Aniq A Rohmawati, M.Si [Kelas Statistika] CS-8-0 [Jadwal] Rabu 1.0-14.0 R.KU.05.14; Jumat 16.0-18.0 R.KU.05.15 [Materi Statistika] Minggu 1 Statistika deskriptif Minggu Tipe kejadian

Lebih terperinci

Teori Peluang Diskrit

Teori Peluang Diskrit Teori Peluang Diskrit Peluang Diskrit Apa yang terjadi jika keluaran dari suatu eksperimen tidak memiliki peluang yang sama? Dalam kasus ini, peluang p(s) dipadankan dengan setiap keluaran s S, di mana

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

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

SELEKSI OLIMPIADE TINGKAT PROVINSI 2009 TIM OLIMPIADE MATEMATIKA INDONESIA 2010

SELEKSI OLIMPIADE TINGKAT PROVINSI 2009 TIM OLIMPIADE MATEMATIKA INDONESIA 2010 Dapatkan soal-soal lainnya di http://forum.pelatihan-osn.com SELEKSI OLIMPIADE TINGKAT PROVINSI 2009 TIM OLIMPIADE MATEMATIKA INDONESIA 2010 Waktu : 210 Menit DEPARTEMEN PENDIDIKAN NASIONAL DIREKTORAT

Lebih terperinci

Pertemuan 2. Hukum Probabilitas

Pertemuan 2. Hukum Probabilitas Pertemuan 2 Hukum Probabilitas Perumusan Probabilitas Kejadian Majemuk S S A B A B Maka banyak anggota himpunan gabungan A dan B adalah : n(a B) = n(a) + n(b) n(a B) Kejadian majemuk adalah gabungan atau

Lebih terperinci

Soal-Soal dan Pembahasan Matematika IPA SNMPTN 2012 Tanggal Ujian: 13 Juni 2012

Soal-Soal dan Pembahasan Matematika IPA SNMPTN 2012 Tanggal Ujian: 13 Juni 2012 Soal-Soal dan Pembahasan Matematika IPA SNMPTN 01 Tanggal Ujian: 13 Juni 01 1. Lingkaran (x + 6) + (y + 1) 5 menyinggung garis y 4 di titik... A. ( -6, 4 ). ( -1, 4 ) E. ( 5, 4 ) B. ( 6, 4) D. ( 1, 4 )

Lebih terperinci

STK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak

STK 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 terperinci

Matematika EBTANAS Tahun 2003

Matematika EBTANAS Tahun 2003 Matematika EBTANAS Tahun EBT-SMA-- Persamaan kuadrat (k + )x (k ) x + k = mempunyai akar-akar nyata dan sama. Jumlah kedua akar persamaan tersebut adalah EBT-SMA-- Jika akar-akar persamaan kuadrat x +

Lebih terperinci

SOAL PELUANG KELAS XI MATEMATIKANET.COM 1.! B. 4 2 C. 2 2 D. E. 2 2 A. 840 B. 504 C. 162 D. 84 E. 168

SOAL PELUANG KELAS XI MATEMATIKANET.COM 1.! B. 4 2 C. 2 2 D. E. 2 2 A. 840 B. 504 C. 162 D. 84 E. 168 SOAL PELUANG KELAS XI MATEMATIKANET.COM 1.!!. A. B. 4 2 C. 2 2 D. 2 2 2.!!!. A. 840 B. 504 C. 162 D. 84 168 3. Untuk menuju kota C dari Kota A harus melewati kota B. Dari kota A menuju kota B melewati

Lebih terperinci

Pertemuan Ke-1 BAB I PROBABILITAS

Pertemuan Ke-1 BAB I PROBABILITAS Pertemuan Ke-1 BAB I PROBABILITAS 1.1 Arti dan Pentingnya Probabilitas Probabilitas merupakan suatu nilai untuk mengukur besarnya tingkat kemungkinan terjadinya suatu kejadian yang acak. Kejadian Acak

Lebih terperinci

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB)

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB) Diskusi 1 Tanggal 29 Januari 2014, Waktu: suka-suka menit 1. Buktikan bahwa: P (A c B c ) 1 P (A) P (B) + P (AB) P (A c B c ) P [(A B) c ] 1 P (A B) 1 P (A) P (B) + P (AB) 2. Diketahui P (A B) P (A B c

Lebih terperinci

SOAL UJIAN SELEKSI CALON PESERTA OLIMPIADE SAINS NASIONAL 2014 TINGKAT PROVINSI

SOAL UJIAN SELEKSI CALON PESERTA OLIMPIADE SAINS NASIONAL 2014 TINGKAT PROVINSI HAK CIPTA DILINDUNGI UNDANG-UNDANG SOAL UJIAN SELEKSI CALON PESERTA OLIMPIADE SAINS NASIONAL 2014 TINGKAT PROVINSI BIDANG MATEMATIKA Waktu : 210 menit KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN DIREKTORAT JENDERAL

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

NASKAH SOAL ULANGAN AKHIR SEKOLAH ( UAS )

NASKAH SOAL ULANGAN AKHIR SEKOLAH ( UAS ) NASKAH SOAL ULANGAN AKHIR SEKOLAH ( UAS ) MATA PELAJARAN : MATEMATIKA TAHUN 201 / 2017 PENYUSUN : TEAM SMKN 12 SURABAYA 1. Median dari data pada tabel berikut adalah.... Berat Frekwensi 20 29 1 30 39 1

Lebih terperinci

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

Variansi dan Kovariansi. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB Variansi dan Kovariansi Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Variansi Kita sudah memahami bahwa nilai harapan peubah acak X seringkali

Lebih terperinci

STATISTIK INDUSTRI 1. Agustina Eunike, ST., MT., MBA

STATISTIK 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 terperinci

Berapa Peluang anda. meninggal? selesai S-1? menjadi menteri? menjadi presiden?

Berapa Peluang anda. meninggal? selesai S-1? menjadi menteri? menjadi presiden? PELUANG Berapa Peluang anda meninggal? selesai S-1? menjadi menteri? menjadi presiden? Peluang Ukuran / derajat ketidakpastian suatu peristiwa Peluang Kemungkinan (Probability) (Possibility) Peristiwa

Lebih terperinci

Misalkan terdapat eksperimen. S disebut ruang sampel, adalah himpunan semua kemungkinan hasil dari eksperimen.

Misalkan terdapat eksperimen. S disebut ruang sampel, adalah himpunan semua kemungkinan hasil dari eksperimen. Peluang Peluang dan Kejadian Peluang Bersyarat Peubah Acak dan Nilai Harapan Kovarian dan Korelasi 1.1 PELUANG DAN KEJADIAN Misalkan terdapat eksperimen. S disebut ruang sampel, adalah himpunan semua kemungkinan

Lebih terperinci

Pembahasan Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN)

Pembahasan Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) Pembahasan Seleksi Nasional Masuk Perguruan Tinggi Negeri SNMPTN) Bidang Matematika Kode Paket Oleh : Fendi Alfi Fauzi. Lingkaran x 6) 2 + y + ) 2 menyinggung garis y di titik a), ) b), ) c) 6, ) d) 6,

Lebih terperinci

Soal Babak Penyisihan 1 Matematika

Soal Babak Penyisihan 1 Matematika Soal Babak Penyisihan 1 Matematika Petunjuk pengerjaan 1. Tuliskan identitas peserta di setiap lembar jawaban dengan lengkap dan jelas. 2. Gunakan pulpen hitam atau biru untuk mengisi lembar jawaban kecuali

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

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

PREDIKSI UJIAN NASIONAL SMK

PREDIKSI UJIAN NASIONAL SMK PREDIKSI UJIAN NASIONAL SMK TAHUN PELAJARAN / Mata Pelajaran Waktu : Matematika SMK TKP : menit PETUNJUK UMUM Isikan identitas Anda ke dalam Lembar Jawaban Ujian Nasional (LJUN) yang tersedia dengan menggunakan

Lebih terperinci

Joint Distribution Function

Joint Distribution Function DISTRIBUSI PROBABILITAS MARGINAL & BERSYARAT TI2131 TEORI PROBABILITAS MINGGU KE-6 1 Joint Distribution Function Distribusi peluang gabungan dari dua variabel random X dan Y merupakan distribusi peluang

Lebih terperinci

PROBABILITAS BERSYARAT. Dr. Julan Hernadi

PROBABILITAS BERSYARAT. Dr. Julan Hernadi 1 PROBABILITAS BERSYARAT Dr. Julan Hernadi 1 Pendahuluan Tujuan utama dari pemodelan probabilitas adalah untuk menentukan bagaimana kecenderungan suatu kejadian A muncul bila kita melakukan percobaan.

Lebih terperinci

SELEKSI TINGKAT PROPINSI MATEMATIKA SMA/MA

SELEKSI TINGKAT PROPINSI MATEMATIKA SMA/MA SELEKSI TINGKAT PROPINSI CALON PESERTA OLIMPIADE SAINS NASIONAL 2012 MATEMATIKA SMA/MA PETUNJUK UNTUK PESERTA: 1. Tes terdiri dari dua bagian. Tes bagian pertama terdiri dari 20 soal isian singkat dan

Lebih terperinci

Pierre-Simon Laplace. Born 23 March 1749 Beaumont-en-Auge, Normandy, France Died 5 March 1827 (aged 77) Paris, France Mempelajari peluang dalam judi

Pierre-Simon Laplace. Born 23 March 1749 Beaumont-en-Auge, Normandy, France Died 5 March 1827 (aged 77) Paris, France Mempelajari peluang dalam judi Blaise Pascal Born June 19, 1623 Clermont-Ferrand, France Died August 19, 1662 (aged 39) Paris, France Memenangkan taruhan tentang hasil tos dua dadu yang dilakukan berulang-ulang Pierre-Simon Laplace

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

TRY OUT UJIAN NASIONAL TAH SMA/MA PROGRAM STUDI IPA MATEMATIKA

TRY OUT UJIAN NASIONAL TAH SMA/MA PROGRAM STUDI IPA MATEMATIKA DOKUMEN SEKOLAH MATEMATIKA SMA/MA IPA PAKET NAMA : NO.PESERTA : TRY OUT UJIAN NASIONAL TAH TAHUN UN PELAJARAN 0/0 SMA/MA PROGRAM STUDI IPA MATEMATIKA PUSPENDIK SMAYANI SMA ISLAM AHMAD YANI BATANG 0 TRY

Lebih terperinci

TRY OUT UJIAN NASIONAL TAH SMA/MA PROGRAM STUDI IPA MATEMATIKA

TRY OUT UJIAN NASIONAL TAH SMA/MA PROGRAM STUDI IPA MATEMATIKA DOKUMEN SEKOLAH MATEMATIKA SMA/MA IPA PAKET NAMA : NO.PESERTA : TRY OUT UJIAN NASIONAL TAH TAHUN UN PELAJARAN 0/0 SMA/MA PROGRAM STUDI IPA MATEMATIKA PUSPENDIK SMAYANI SMA ISLAM AHMAD YANI BATANG 0 TRY

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

SELEKSI TINGKAT PROPINSI MATEMATIKA SMA/MA

SELEKSI TINGKAT PROPINSI MATEMATIKA SMA/MA SELEKSI TINGKAT PROPINSI CALON PESERTA OLIMPIADE SAINS NASIONAL 2009 MATEMATIKA SMA/MA PETUNJUK UNTUK PESERTA: 1. Tes terdiri dari dua bagian. Tes bagian pertama terdiri dari 20 soal isian singkat dan

Lebih terperinci

Situasi 1: a. Buatlah pernyataan-pernyataan yang sesuai dengan situasi di atas!

Situasi 1: a. Buatlah pernyataan-pernyataan yang sesuai dengan situasi di atas! BAHAN AJAR 3 DISTRIBUSI PEUBAH ACAK GABUNGAN DAN FUNGSI PELUANG MARGINAL Situasi 1: Sebuah kotak berisi tiga ballpoint berwarna merah, dua berwarna biru dan tiga berwarna hitam. Kemudian dua buah ballpoint

Lebih terperinci

TEORI PROBABILITAS 1

TEORI PROBABILITAS 1 TEORI PROBABILITAS 1 Berapa peluang munculnya angka 4 pada dadu merah??? Berapa peluang munculnya King heart? Berapa peluang munculnya gambar? 2 PELUANG ATAU PROBABILITAS adalah perbandingan antara kejadian

Lebih terperinci

1. Diketahui fungsi : f mempunyai sifat f x 1 1 f x untuk setiap x. Jika f 2. 2, maka nilai fungsi f B. 2 C. 3 D E.

1. Diketahui fungsi : f mempunyai sifat f x 1 1 f x untuk setiap x. Jika f 2. 2, maka nilai fungsi f B. 2 C. 3 D E. f x f mempunyai sifat f x f x untuk setiap x. Jika f, maka nilai fungsi f 06. Diketahui fungsi : 06 06. Perhatikan gambar berikut ini! Berapakah ukuran luas daerah yang diarsir jika diketahui ukuran luas

Lebih terperinci

Solusi: [Jawaban C] Solusi: [Jawaban ]

Solusi: [Jawaban C] Solusi: [Jawaban ] SOLUSI SMA/MA MATEMATIKA Program Studi IPA Kerjasama UNIVERSITAS GUNADARMA dengan Dinas Pendidikan Provinsi DKI Jakarta, Kota/Kabupaten BODETABEK, Tangerang Selatan, Karawang, Serang, Pandeglang, dan Cilegon

Lebih terperinci

BAHAN AJAR 6 PELUANG BERSYARAT DAN KEBEBASAN STOKASTIK Kemampuan Prasyarat: Kalkulus 2 dan Teori Peluang Situasi 1:

BAHAN AJAR 6 PELUANG BERSYARAT DAN KEBEBASAN STOKASTIK Kemampuan Prasyarat: Kalkulus 2 dan Teori Peluang Situasi 1: BAHAN AJAR 6 PELUANG BERSYARAT DAN KEBEBASAN STOKASTIK Kemampuan Prasyarat: Kalkulus 2 dan Teori Peluang Situasi 1: Di suatu perusahaan terdapat kelompok pekerja pria dan dan wanita dengan skala penggajian

Lebih terperinci

BAB V PENGANTAR PROBABILITAS

BAB V PENGANTAR PROBABILITAS BAB V PENGANTAR PROBABILITAS Istilah probabilitas atau peluang merupakan ukuran untuk terjadi atau tidak terjadinya sesuatu peristiwa. Ukuran ini merupakan acuan dasar dalam teori statistika. 1. Beberapa

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

KONSEP DASAR PROBABILITAS

KONSEP DASAR PROBABILITAS KONSEP DASAR PROBABILITAS PENDAHULUAN Tanpa kita sadari kehidupan kita sehari-hari selalu berhubungan dengan matematika, khususnya peluang. Misalnya dalam pemilihan umum terdapat 5 orang calon presiden,

Lebih terperinci

UN SMA 2013 PRE Matematika IPS

UN SMA 2013 PRE Matematika IPS UN SMA 201 PRE Matematika IPS Kode Soal Doc. Name: UNSMA2014PREMATIPS999 Doc. Version : 2014-01 halaman 1 01. (1) Jika jalan basah maka hari hujan (2) Jika hari tidak hujan maka jalan tidak basah () Jika

Lebih terperinci