Catatan Kuliah. MA4183 Model Risiko
|
|
- Fanny Setiawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung
2 Tentang MA4183 Model Risiko Jadwal kuliah: Selasa, 7-; Rabu, 15- Ujian: 22/9/15; 27/10/15; 1/12/15 25%) Buku teks: Yiu-Kuen Tse, 2009, Nonlife Actuarial Models: Theory, Methods and Evaluation Stuart Klugman, Harry Panjer, Gordon Willmot, 2004, Loss Models Jadwal Perkuliahan: M1 (24/8): Pengantar: risiko dan statistika; Distribusi frekuensi klaim M2 (31/8): Peubah acak Poisson*, Binomial dan Geometrik M3 (7/9): Zero-modified and zero-truncated distributions M4 (14/9): Compound distribution M5 (21/9): Ujian 1, Selasa 22/9 [Kamis 24/9 libur] 2
3 Pengantar: Risiko dan Statistika Risiko adalah sistem yang dapat dikendalikan. Salah satu kegiatan penting dalam (men)transfer risiko adalah berasuransi; pemegang polis (insured) menitipkan atau memindahkan risiko kepada pihak lain yaitu perusahaan asuransi (insurer) dan sebaliknya. Kedua subyek memiliki risiko, pemegang polis membayar premi sedangkan perusahaan asuransi membayar klaim. Untuk memahami risiko diperlukan kemampuan ilmu statistika yang baik, khususnya teori peluang dan proses stokastik. Ilmu-ilmu tersebut mengajar logika ketidakpastian yang menjadi roh risiko. 3
4 Bab 1 - Distribusi Frekuensi Klaim Silabus: Distribusi binomial, geometrik dan Poisson; kelas distribusi (a, b, 0); zero-modified and zero-truncated distributions; compound distribution Asuransi berkaitan erat dengan risiko karena dengan produk asuransi-lah terjadi perpindahan (tranfer) risiko dari pemegang polis kepada pihak asuransi. Pada pemodelan kerugian klaim (claim losses) terdapat dua ukuran penting yang harus diperhatikan yaitu frekuensi klaim (claim frequency) dan besar atau severitas klaim (claim severity). 1.1 Distribusi Binomial Distribusi yang tepat untuk memodelkan frekuensi klaim adalah distribusi diskrit, antara lain binomial, geometrik, negatif binomial dan Poisson. Misalkan peubah acak X menyatakan banyak klaim yang diproses dari semua klaim yang masuk. Misalkan X B(n, θ), maka fungsi peluangnya P (X = k) = C n k θ k (1 θ) n k, k = 0, 1, 2,..., n Sifat momen, atau momen ke-m, dapat ditentukan dengan memanfaatkan fungsi peluang (fp), yaitu E(X m ) = n x m P (X = k). k=0 Untuk m = 1, misalnya, didapat E(X) =, dst. Momen ke-m dapat pula ditentukan dengan menggunakan fungsi pembangkit momen (fpm): M X (t) = Catatan: Fpm suatu peubah acak berkorespondensi satu-satu dengan distribusi peubah acak tersebut. Bagaimana dengan fungsi pembangkit peluang (fpp), manfaat apa yang dapat diperoleh dengan fpp? Bagaimana menentukan peluang secara rekursif? Dapatkah ditentukan hubungan antara fpm dan fpp? 4
5 Misalkan X 1, X 2,..., X n sampel acak dari X yang berdistribusi binomial dengan parameter (n, θ). Parameter θ dapat ditaksir dengan menggunakan metode likelihood maksimum sbb: Fungsi likelihood dan log-likelihood:... Turunan pertama terhadap parameter dan normalisasi:... Penaksir θ:... Turunan kedua terhadap parameter:... Tugas: Pandang data berdistribusi binomial dengan berbagai nilai parameter. Lakukan analisis statistika deskriptif dan inferensial terhadap data tersebut. 1.2 Distribusi Geometrik Distribusi lain yang dapat digunakan untuk memodelkan frekuensi klaim adalah distribusi geometrik. Pertanyaannya, definisi peubah acak apakah yang tepat untuk menggambarkan distribusi ini? Misalkan X Geo(α) dengan fungsi peluang p(x) = (1 α) x 1 α, x = 1, 2,... Kita dapat menentukan sifat momen seperti sebelumnya, E(X) = 1 α, V ar(x) = 1 α 2, dan juga fpm dan fpp. Selain itu, misalkan X Geo(α), kita dapat pula menentukan sifat distribusi dari X + 1. Namun yang menarik untuk dikaji adalah apakah sifat khusus yang hanya dimiliki distribusi geometrik? Jelaskan! 5
6 1.3 Distribusi Poisson Misalkan X peubah acak yang menyatakan banyaknya/frekuensi klaim pada suatu periode waktu. Distribusi untuk X adalah Poisson dengan parameter λ. Ciri khas distribusi ini adalah nilai mean dan variansi yang sama yaitu λ, E(X) = V ar(x) = λ. Dalam praktiknya, mungkinkah kita memperoleh data dengan nilai mean sama dengan variansi? (selanjutnya nanti akan dipelajari konsep overdispersion dan underdispersion) Bagaimana kaitan antara distribusi Poisson dan Binomial? adakah manfaat yang dapat kita ambil? Teorema Jika X 1,..., X n peubah acak-peubah acak yang saling bebas dengan X i P OI(λ i ) maka X = X X n P OI(λ λ n ). Misalkan X dan Y peubah acak Poisson dengan parameter, berturut-turut, λ 1 dan λ 2. Kita dapat menentukan distribusi X X + Y = n sebagai berikut P (X = k X + Y = n) P (X = k, X + Y = n) = P (X + Y = n) P (X = k, Y = n k) = P (X + Y = n) P (X = k) P (Y = n k) = P (X + Y = n) = exp( λ 1) λ k 1 (k!) 1 exp( λ 2 ) λ n k 2 ((n k)!) 1 exp( (λ 1 + λ 2 )) (λ 1 + λ 2 ) n (n!) 1 = n! k!(n k)! ( λ1 λ 1 + λ 2 ) k ( λ2 λ 1 + λ 2 ) n k. Dengan kata lain, X X + Y = n B(n, λ 1 /(λ 1 + λ 2 )). 6
7 1.4 Kelas Distribusi (a, b, 0) Perhatikan fungsi peluang dari peubah acak Poisson(λ): f(x) = e λ λ x, x = 0, 1, 2,... x! yang dapat dituliskan rekursif dengan memperhatikan fungsi peluang untuk X = x 1, Diperoleh f(x 1) = e λ λ x 1 (x 1)!. f(x) f(x 1) = e λ λ x / e λ λ x 1 x! (x 1)! = λ x atau f(x) = ( ) λ f(x 1), x = 1, 2,... x Distribusi-distribusi diskrit yang sudah dikenalkan sebelumnya (binomial, geometrik, binomial negatif, Poisson) dapat dikelompokkan menjadi sebuah Kelas Distribusi (a, b, 0) dengan fungsi peluang memenuhi sifat rekursif: f(x) = ( a + b ) f(x 1), x = 1, 2,..., x dengan a, b konstanta dan f(0) diberikan. Catatan: Kelas distribusi (a, b, 1) dapat pula dibentuk dengan analogi. 1.5 Zero-Modified and Zero-Truncated Distributions Misalkan X B(3, 0.4). Kita dapat menentukan distribusi peluang sebagai berikut: Dalam aplikasi teori peluang, seringkali kita dihadapkan pada fenomena dimana peluang terjadinya 0 telah ditentukan, misalnya P (X = 0) = 0.3, atau bahkan mungkin tidak ada, P (X = 0) = 0. Untuk itu, perlu adanya modifikasi fungsi peluang diatas. Distribusi yang dihasilkan dikatakan sebagai zero-modified and zero-truncated distributions. 7
8 X P (X = k) Misalkan peubah acak X dari suatu distribusi (a, b, 0) memiliki fungsi peluang f(x). Misalkan f M (x) fungsi peluang yang merupakan modifikasi dari f(x); f M (x) adalah fungsi peluang dari distribusi (a, b, 1). Untuk f M (0) yang ditentukan, hubungan antara f M (x) dan f(x) adalah f M (x) = c f(x), x = 1, 2,... dengan c konstanta. Catatan: Fungsi peluang f M (x) haruslah terdefinisi dengan baik; akibatnya, c dapat diperoleh, c = 1 f M (0) 1 f(0). Untuk distribusi Binomial dengan parameter (3, 0.4) diatas, kita dapat menghitung f M (k), k = 1, 2, 3 sebagai berikut: f M (1) = 1 f M (0) 1 f(0) f(1) = = Dengan cara sama, kita peroleh f M (2) = dan f M (3) = Untuk zero-truncated distribution, nilai P (X = 0) = 0. Diperoleh nilai seperti tabel berikut: X P (X = k) Zero-Modified Zero-Truncated
9 Latihan: 1. Tentukan zero-modified distribution untuk X yang berdistribusi Poisson dengan parameter Misalkan X adalah zero-truncated distribution dari X. Diketahui, fungsi peluang dan fungsi pembangkit peluang X, berturut-turut, adalah f X (x) dan P X (t). Tentukan fungsi pembangkit peluang untuk X. 1.6 Compound distribution Misalkan X 1,..., X n sampel acak dari X dengan fungsi distribusi F X. Apakah yang dapat kita katakan tentang distribusi S = X X n,? Bagaimana dengan S = X X N,? (dimana N adalah peubah acak) Jika N peubah acak bernilai integer yang saling bebas dengan X 1,..., X N, maka peubah acak S = X X N dikatakan memiliki compound distribution. Catatan: - Distribusi N disebut sebagai distribution pertama (primary distribution), sedangan distribusi X dikatakan distribusi kedua (secondary distribution) - Penamaan distribusi: primary-secondary distribution - Distribusi compound Poisson adalah distribusi dengan distribusi pertama adalah distribusi Poisson dan sebarang distribusi untuk distribusi kedua 9
10 Untuk menentukan distribusi S, perhatikan ilustrasi berikut. Misalkan X i B(1, θ) dan kita tahu X i = 0, 1. Sehingga nilai yang mungkin untuk S adalah {0, 1, 2}. P (S = 0) = P (X 1 = 0, X 2 = 0) = P (X 1 = 0)P (X 2 = 0) = f(0)f(0) P (S = 1) = P (X 1 = 0, X 2 = 1) + P (X 1 = 1, X 2 = 0) = f(0)f(1) + f(1)f(0) P (S = 2) = P (X 1 = 1, X 2 = 1) = f(1)f(1) Jadi, fungsi peluang S adalah P (S = s) = x P (X 1 = x, X 2 = s x). Dalam menentukan distribusi S dengan N peubah acak alias compound distribution, distribusi N harus ditentukan lebih dahulu. Dengan demikian, kita peroleh P (S = s) = n P (S N = n)f N (n), dengan sifat momen pertama E(S) = E(E(S N)) = dan fungsi pembangkit momen M S (t) =. Latihan: 1. Misalkan S 1 memiliki compound distribution dengan distribusi pertama Poisson dengan parameter 1 dan kedua Geometrik dengan parameter p 1. Misalkan S 2 memiliki compound distribution dengan distribusi pertama Poisson dengan parameter 2 dan kedua Geometrik dengan parameter p 2. Diketahui S 1 dan S 2 saling bebas. Misalkan S = S 1 + S 2. Hitung P (S = s), s = 0, 1, Tentukan fpm dan fpp dari dari geometric-binomial compound distribution. 10
MA4183 MODEL RISIKO Control your Risk!
Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal
Lebih terperinciMA4181 MODEL RISIKO Risk is managed, not avoided
Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko
Lebih terperinciMA4181 MODEL RISIKO Risk is managed, not avoided
Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko
Lebih terperinciMA4181 MODEL RISIKO Risk is managed, not avoided
Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko
Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko
Lebih terperinciMA4183 MODEL RISIKO Control your Risk!
Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183
Lebih terperinciMA4183 MODEL RISIKO Control your Risk!
Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko
Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko Risk: Quantify and Control. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Risk: Quantify and Control Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang MA4183 Model Risiko
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183
Lebih terperinciPengantar Statistika Matematik(a)
Catatan Kuliah Pengantar Statistika Matematik(a) Statistika Lebih Dari Sekadar Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014
Lebih terperinciMA4183 MODEL RISIKO Control your Risk!
Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko
Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko Risk: Quantify and Control. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Risk: Quantify and Control Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang MA4183 Model Risiko
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183
Lebih terperinciCatatan Kuliah. MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2018
Lebih terperinciCatatan Kuliah. MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2018
Lebih terperinciMA4181 MODEL RISIKO Enjoy the Risks
Catatan Kuliah MA4181 MODEL RISIKO Enjoy the Risks disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Tentang MA4181 Model Risiko A. Jadwal
Lebih terperinciCatatan 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 2016 1 Tentang AK5161 Matematika
Lebih terperinciMA4181 MODEL RISIKO Enjoy the Risks
Catatan Kuliah MA48 MODEL RISIKO Enjoy the Risks disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2 Tentang MA48 Model Risiko A. Jadwal kuliah:
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciCatatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)
Lebih terperinciCatatan 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 2016 1 Tentang AK5161 Matematika
Lebih terperinciCatatan 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 2017 1 Tentang AK5161 Matematika
Lebih terperinciAK5161 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 terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciAK5161 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 terperinciCatatan 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 017 1 Tentang AK5161 Matematika
Lebih terperinciCatatan 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 2017 1 Tentang AK5161 Matematika
Lebih terperinciMisalkan X peubah acak dengan fungsi distribusi berikut: + x, 0 x < 1. , 1 x < 2. , 2 x < 3. 1, x 3
Kuis Selamat Datang MA4183 Model Risiko Tanggal 22 Agustus 2015, Waktu: suka-suka menit Misalkan X peubah acak dengan fungsi distribusi berikut: 0, x < 0 1 + x, 0 x < 1 3 5 F (x = 3, 1 x < 2 5 9, 2 x
Lebih terperinciCatatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4181 (Pengantar)
Lebih terperinciMA4183 MODEL RISIKO Bab 5 Teori Kebangkrutan
MA4183 MODEL RISIKO Bab 5 Teori Kebangkrutan Control your risk! Konsep Surplus 1 Perusahaan asuransi memiliki modal awal atau initial surplus 2 Perusahaan menerima premi dan membayarkan klaim 3 Premi bersifat
Lebih terperinciCatatan 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 terperinciCatatan 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 terperinciMA5181 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 terperinciCatatan 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 terperinciCatatan 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 terperinciProsiding Statistika ISSN:
Prosiding Statistika ISSN: 2460-6456 Distribusi Binomial Negatif-Lindley pada Data Frekuensi Klaim Asuransi Kendaraan Bermotor di Indonesia Binomial Negative-Lindley Distribution in the Frequency Data
Lebih terperinciProsiding Statistika ISSN:
Prosiding Statistika ISSN: 2460-6456 Penentuan Distribusi Kerugian Agregat Tertanggung Asuransi Kendaraan Bermotor di Indonesia Menggunakan Metode Rekursif Panjer Determination of Aggregate Insured Losses
Lebih terperinciUKURAN RISIKO BERDASARKAN PRINSIP PENENTUAN PREMI : PROPORTIONAL HAZARD TRANSFORM. Aprida Siska Lestia
Vol.8 No. () Hal. 6-8 UKURAN RISIKO BERDASARKAN PRINSIP PENENTUAN PREMI : PROPORTIONAL HAZARD TRANSFORM Aprida Siska Lestia Program Studi Matematika, FMIPA Universitas Lambung Mangkurat. Email : as_lestia@unlam.ac.id
Lebih terperinciPengantar Statistika Matematik(a)
Catatan Kuliah Pengantar Statistika Matematik(a) Statistika Lebih Dari Sekadar Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014
Lebih terperinciBab 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 terperinciUji Hipotesis dan Aturan Keputusan
Uji Hipotesis dan Aturan Keputusan oleh: Khreshna Syuhada, PhD. 1. Pendahuluan Pada perkuliahan tingkat 2, telah dikenalkan masalah uji hipotesis sebagai berikut: Seorang peneliti memberikan klaim bahwa
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.
Lebih terperinciBab 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 terperinciBab 8 Fungsi Peluang Bersama: Bersama Kita Berpisah
MA3181 Teori Peluang - Khreshna Syuhada Bab 8 1 Bab 8 Fungsi Peluang Bersama: Bersama Kita Berpisah Ilustrasi 8.1 Sebuah perusahaan asuransi menduga bahwa setiap orang akan mengalami dan memiliki parameter
Lebih terperinciProsiding Statistika ISSN:
Prosiding Statistika ISSN: 2460-6456 Penaksiran Besar Klaim Optimal Menggunakan Metode Linear Empirical Bayesian yang Diaplikasikan untuk Perhitungan Premi Asuransi Kendaraan Bermotor di Indonesia 1 Hilda
Lebih terperinci/ /16 =
Kuis Selamat Datang MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective Tanggal 22 Agustus 2017, Waktu: suka-suka menit Dosen: Khreshna I.A. Syuhada, MSc. PhD. 1. Widya (akan) memenangkan
Lebih terperinciMA5181 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 terperinciPengantar Proses Stokastik
Bab 4: Distribusi Eksponensial Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Distribusi Eksponensial Pendahuluan Distribusi eksponensial dapat dipandang sebagai
Lebih terperinciDefinisi: 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 terperinciMA2081 Statistika Dasar
Catatan Kuliah MA2081 Statistika Dasar Orang Cerdas Belajar Statistika Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA2081 Statistika
Lebih terperinciCatatan 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 2017 1 Tentang AK5161 Matematika
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Pada bab ini akan diuraikan mengenai beberapa teori dan metode yang mendukung serta mempermudah dalam melakukan perhitungan dan dapat membantu di dalam pembahasan
Lebih terperinciPengantar Proses Stokastik
Bab 4: Distribusi Eksponensial Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Distribusi Eksponensial Pendahuluan Distribusi eksponensial dapat dipandang sebagai
Lebih terperinciM-2 PERHITUNGAN PREMI ASURANSI KENDARAAN MENGGUNAKAN PENDEKATAN DISTRIBUSI PELUANG
M-2 PERHITUNGAN PREMI ASURANSI KENDARAAN MENGGUNAKAN PENDEKATAN DISTRIBUSI PELUANG Anita Andriani Universitas Hasyim Asy ari Tebuireng, Jombang anita.unhasy@gmail.com Abstrak Asuransi kendaraan bermotor
Lebih terperinciBAB I PENDAHULUAN. banyak orang agar mau menjadi pemegang polis pada perusahaan tersebut. Salah
BAB I PENDAHULUAN 1.1 Latar Belakang Perusahaan asuransi menawarkan berbagai produk untuk menarik minat banyak orang agar mau menjadi pemegang polis pada perusahaan tersebut. Salah satu produk asuransi
Lebih terperinciCatatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4181 (Pengantar)
Lebih terperinciMINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT
MINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT HUKUM BILANGAN BESAR LEMAH DAN KUAT Misalkan X 1, X 2, X 3... barisan variabel random. Kita tulis S n = n X i. Dalam subbab ini kita akan menjawab pertanyaan
Lebih terperinciMODEL DISTRIBUSI TOTAL KERUGIAN AGGREGAT MANFAAT RAWAT JALAN BERDASARKAN SIMULASI
MODEL DISTRIBUSI TOTAL KERUGIAN AGGREGAT MANFAAT RAWAT JALAN BERDASARKAN SIMULASI Puspitaningrum Rahmawati, Bambang Susanto, Leopoldus Ricky Sasongko Program Studi Matematika (Fakultas Sains dan Matematika,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Asuransi merupakan suatu kegiatan pemindahan atau pengalihan risiko untuk mencegah terjadinya kerugian besar yang disebabkan oleh risiko-risiko tertentu. Risiko-risiko
Lebih terperinciMA3081 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 terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciMA3081 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 terperinciCatatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)
Lebih terperinciCatatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)
Lebih terperinciESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK
ESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK Adri Arisena 1, Anna Chadidjah 2, Achmad Zanbar Soleh 3 Departemen Statistika Universitas Padjadjaran 1 Departemen Statistika
Lebih terperinciBI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist
BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Distribusi Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep peubah acak, fungsi peluang (probability density function), fungsi distribusi
Lebih terperinciMA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi
MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep peubah acak, fungsi peluang (probability density function), fungsi distribusi
Lebih terperinciPengantar Statistika Matematika II
Pengantar Statistika Matematika II Distribusi Sampling Atina Ahdika, S.Si., M.Si. Prodi Statistika FMIPA Universitas Islam Indonesia March 20, 2017 atinaahdika.com Bila sampling berasal dari populasi yang
Lebih terperinciMODEL ASURANSI KENDARAAN BERMOTOR MENGGUNAKAN DISTRIBUSI MIXED POISSON ABSTRACT
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 229-240 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MODEL ASURANSI KENDARAAN BERMOTOR MENGGUNAKAN DISTRIBUSI MIXED POISSON Tina
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia 2015 Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu. Ruang
Lebih terperinciPemodelan Data Besar Klaim Asuransi Kendaraan Bermotor Menggunakan Distribusi Mixture Erlang
Statistika, Vol. 17 No. 1, 45 51 Mei 2017 Pemodelan Data Besar Klaim Asuransi Kendaraan Bermotor Menggunakan Distribusi Mixture Erlang Indah permatasari, aceng komarudin mutaqin, lisnur wachidah Program
Lebih terperinciMA2082 BIOSTATISTIKA Orang Biologi Tidak Anti Statistika
Catatan Kuliah MA2082 BIOSTATISTIKA Orang Biologi Tidak Anti Statistika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Tentang MA2082
Lebih terperinciPeubah Acak dan Distribusi
BAB 1 Peubah Acak dan Distribusi 1.1 ILUSTRASI (Ilustrasi 1) B dan G secara bersamaan menembak sasaran tertentu. Peluang tembakan B mengenai sasaran adalah 0.7 sedangkan peluang tembakan G (bebas dari
Lebih terperinciSTK 203 TEORI STATISTIKA I
STK 203 TEORI STATISTIKA I II. PEUBAH ACAK DISKRET II. Peubah Acak Diskret 1 PEUBAH ACAK DISKRET Definisi 2.1. (Peubah Acak) : Peubah Acak Y adalah suatu fungsi yang memetakan seluruh anggota ruang contoh
Lebih terperinciAK5161 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 terperinciMembangkitkan Data Klaim Individu Pemegang Polis Asuransi Kendaraan Bermotor Berdasarkan Data Klaim Agregat
Statistika, Vol. 12 No. 1, 43 49 Mei 2012 Membangkitkan Data Individu Pemegang Polis Asuransi Bermotor Berdasarkan Data Agregat Program Studi Statistika, Universitas Islam Bandung, Jl. Purnawarman 63 Bandung.
Lebih terperinciPERSATUAN AKTUARIS INDONESIA
PERSATUAN AKTUARIS INDONESIA Komisi Penguji PERSATUAN AKTUARIS INDONESIA UJIAN PROFESI AKTUARIS MATA UJIAN : A70 Pemodelan dan Teori Risiko TANGGAL : 25 Juni 2013 JAM : 13.30 16.30 WIB LAMA UJIAN : 180
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pertumbuhan ekonomi Indonesia yang semakin meningkat dan dikuti oleh majunya pemikiran masyarakat dalam usaha perniagaan membuat maraknya usaha asuransi akhir-akhir
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Percobaan adalah kegiatan
Lebih terperinciPengantar Statistika Matematika II
Bab 3: Statistika FMIPA Universitas Islam Indonesia Bila sampling berasal dari populasi yang digambarkan melalui fungsi peluang f X (x θ), pengetahuan tentang θ menghasilkan karakteristik mengenai keseluruhan
Lebih terperinciCatatan 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 terperinciSTK 203 TEORI STATISTIKA I
STK 203 TEORI STATISTIKA I V. SEBARAN FUNGSI PEUBAH ACAK V. Sebaran Fungsi Peubah Acak 1 Sebaran Fungsi Peubah Acak Dalam banyak kasus untuk melakukan inferensi terhadap suatu parameter kita lebih banyak
Lebih terperinciPEMBANGKIT RANDOM VARIATE
PEMBANGKIT RANDOM VARIATE Mata Kuliah Pemodelan & Simulasi JurusanTeknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probalitistik pada sistem nyata mempunyai pola distribusi probabilistik
Lebih terperinciMA5181 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perusahaan asuransi dirasa perlu oleh masyarakat yang memiliki kecenderungan untuk menghindari atau mengalihkan risiko. Menurut Undang- Undang No.2 Tahun 1992 tentang
Lebih terperinciPr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.
6.. Proses Kelahiran Murni Dalam bab ini, akan dibahas beberapa contoh penting dari waktu kontinu, state diskrit, proses Markov. Khususnya, dengan kumpulan dari variabel acak {;0 } di mana nilai yang mungkin
Lebih terperinciCatatan 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 terperinciMA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Po
MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Poisson: Suatu Pengantar Orang Pintar Belajar Stokastik Tentang Kuliah Proses Stokastik Bab 1 : Tentang Peluang Bab 2 : Peluang dan Ekspektasi Bersyarat*
Lebih terperinciCatatan Kuliah. 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 terperinciMA5181 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 terperinciKuis 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 terperinciPERSATUAN AKTUARIS INDONESIA
PERSATUAN AKTUARIS INDONESIA Komisi Penguji PERSATUAN AKTUARIS INDONESIA UJIAN PROFESI AKTUARIS MATA UJIAN : A70 Pemodelan dan Teori Risiko TANGGAL : 24 Juni 2014 JAM : 13.30 16.30 WIB LAMA UJIAN : 180
Lebih terperinciMA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson
MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson SMART AND STOCHASTIC MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson SMART AND STOCHASTIC Pengantar Seperti sudah disampaikan sebelumnya, analog
Lebih terperinciUJIAN A70 PERIODE JUNI 2014 SOLUSI UJIAN PAI A70. A70-Pemodelan dan Teori Risiko 9/14/2014
SOLUSI UJIAN PAI A70 UJIAN A70 PERIODE JUNI 2014 A70-Pemodelan Teori Risiko 9/14/2014 Berikut merupakan solusi ujian PAI yang saya buat secara khusus untuk teman-teman PT Padma Radya Aktuaria, secara umum
Lebih terperinciMA2081 Statistika Dasar
Catatan Kuliah MA2081 Statistika Dasar Orang Cerdas Belajar Statistika Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MAK6281 Topik
Lebih terperinciMA5181 PROSES STOKASTIK
Catatan Kuliah MA5181 PROSES STOKASTIK (not just) Always Listening, Always Understanding disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2012
Lebih terperinciDISTRIBUSI DISKRIT KHUSUS
DISTRIBUSI DISKRIT KHUSUS UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON MULTINOMIAL HIPERGEOMETRIK GEOMETRIK BINOMIAL NEGATIF MA3181 Teori Peluang 27 Oktober 2014 Utriweni Mukhaiyar DISTRIBUSI UNIFORM (SERAGAM)
Lebih terperinci