MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALA
|
|
- Suryadi Darmadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALAM STATISTIKA HARGA HARAPAN Definisi Misalkan X variabel random. Bila X variabel random kontinu dengan f.k.p. f (x) dan maka harga harapan X adalah E(X ) = x f (x)dx <, xf (x)dx
2 Teorema Misalkan X variabel random dan Y = g(x ) untuk suatu fungsi g 1 Andaikan X kontinu dengan f.k.p. f x (x). Bila g(x) f x (x)dx <, maka harga harapan Y ujud dan diberikan oleh E(Y ) = g(x)f x (x)dx 2 Andaikan X diskret dengan f.m.p. p x (x) dan misalkan penyokong X dinyatakan dengan S x. Bila x S x g(x) p x (x) <, maka harga harapan Y ujud dan diberikan oleh E(Y ) = x S x g(x)p x (x)
3 HARGA HARAPAN KHUSUS Definisi (Variansi) Misalkan X variabel random dengan mean µ berhingga dan sedemikian hingga E[(X µ) 2 ] berhingga. Dengan demikian, variansi X didefinisikan sebagai E[(X µ) 2 ]. Variansi X biasanya dinyatakan dengan σ 2 atau dengan Var(X ). Definisi Misalkan X variabel random sedemikian hingga untuk suatu h > 0, harga harapan e tx ujud untuk h < t < h. Fungsi pembangkit momen dari X didefinisikan sebagai fungsi M(t) = E[e tx ] untuk h < t < h. Kita akan menggunakan singkatan f.p.m. untuk menyatakan fungsi pembangkit momen dari suatu variabel random. Teorema Misalkan X dan Y dua variabel random dengan f.p.m. masing-masing adalah M x dan M y, dan ujud dalam interval yang memuat 0. Dengan demikian, F x (z) = F y (z) untuk semua z R bila dan hanya bila M x (t) = M y (t) untuk setiap t ( h, h) untuk suatu h > 0. Contoh Misalkan X mempunyai f.k.p. f (x) = { 2(1 x) 0 < x < 1 0 yang lain
4 Dengan demikian, E(X ) = E(X 2 ) = xf (x)dx = 1 0 x 2 f (x)dx = Menggunakan teorema di atas E(6x + 3x 2 ) = 6 (x)2(1 x)dx = ( ) (x 2 )2(1 x)dx = 1 6 ( ) 1 = Contoh Misalkan X mempunyai f.m.p. x, x = 1, 2, 3 p(x) = 6 0 yang lain Dengan demikian, E(X 3 ) = 3 x 3 p(x) = x=1 3 x 3 x 6 x=1 = = = 98 6
5 Contoh Misalkan X variabel random diskret yang mempunyai f.p.m. M(t) = 1 10 et e2t e3t e4t untuk setiap t. Bila t mempunyai penyokong {x 1, x 2, x 3,...} dengan f.m.p. p(x) maka M(t) = x e tx p(x) Ini artinya 1 10 et e2t e3t e4t = p(x 1 )e x1t + p(x 2 )e x2t +... Akibatnya, atau x 1 = 1, p(x 1 ) = 1 10 ; x 2 = 2, p(x 2 ) = 2 10 ; x 3 = 3, p(x 3 ) = 3 10 ; x 4 = 4, p(x 4 ) = 4 10 p(x) = 1, x = 1, 2, 3, 4 10
6 Teorema Bila X variabel random dengan fungsi pembangkit momen M(t). Maka E(X n ) = M (n) (t) t=0 Contoh Telah diketahui bahwa deret konvergen ke π2 6, maka 6 p(x) = π 2 x 2, x = 1, 2, 3, 4 0 yang lain adalah f.m.p. dari suatu variabel random diskret. Fungsi pembangkit momen dari X bila ujud diberikan oleh M(t) = E[e tx ] = x e tx p(x) = x=1 6e tx π 2 x 2 Karena deret ini divergen untuk t > 0, maka tidak ada h > 0 sedemikian hingga M(t) ujud untuk h < t < h. Ini menunjukkan contoh adanya distribusi yang telah mempunyai fungsi pembangkit momen.
7 Contoh Misalkan X mempunyai f.p.m. M(t) = e t2 /2, < t <. Kita dapat menentukan M (n) (t) untuk setiap n untuk mencari momen. Cara lain adalah melalui ekspansi deret Mc.Laurin. e t2 /2 = ( ) t ( t 2 1! 2 2! 2 = 1 + t2 2! + (3)(1)t4 4! ) ( ) t 2 n (2n 1)...(3)(1)t 2n (2n)! Secara umum, deret Mc. laurin dari M(t) adalah M(t) = M(0) + M1 (0) 1! = 1 + E(x) 1! t + E(x 2 ) 2! t + M(2) (0) t M(n) (0) 2! 2 t E(x n ) t n Jadi, koefisien tn dalam penyajian deret Mc. Laurin dari M(t) adalah E(X n ). Oleh karena itu, untuk M(t) = e t2 /2, kita mempunyai dan E(X 2n ) = (2n 1)(2n 3)...(3)(1) = (2n)! 2 n, n = 1, 2, 3,... E(X 2n 1 ) = 0, n = 1, 2, 3,...
8 BEBERAPA KETAKSAMAAN DALAM STATISTIKA Teorema Misalkan X mempunyai mean berhingga µ dan variansi σ 2, maka untuk setiap ε > 0 P { X µ ε} σ ε 2 Teorema (Ketaksamaan Markov) Bila X variabel random yang menjalani harga-harga nonnegatif, maka untuk setiap a > 0 berlaku P {X > a} E [X ] a Contoh Misalkan diketahui jumlah item yang diproduksi suatu pabrik selama satu minggu merupakan variabel random dengan mean 500. Pernyataan tersebut memberi informasi bahwa bila X menyatakan jumlah item yang diproduksi minggu ini, maka dengan ketaksamaan Markov P {X > 1000} E(X ) 1000 = = 1 2. Bila variansi produksi minggu ini sama dengan 100, maka yang dapat dikatakan tentang probabilitas produksi minggu ini diantara 400 dan 600 adalah P (400 < X < 600) = P ( < X 500 < ) = P (100 < X 500 < 100) = P ( X 500 < 100)
9 Dengan demikian ε = 100, sehingga Akibatnya, P { X } σ = P { X 500 < 100} = Ini berarti probabilitas produksi minggu ini yang terletak diantara 400 dan 600 paling sedikit 0,99.
MINGGU 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 terperinciMINGGU KE-6 VARIABEL RANDOM DAN DISTRIBUSINYA
MINGGU KE-6 VARIABEL RANDOM DAN DISTRIBUSINYA VARIABEL RANDOM Misalkan (Ω, A, P) ruang probabilitas dan R = {x < x < } dan B : Borel field pada R. Andaikan X : Ω R dan untuk setiap A R, kita definisikan
Lebih terperinciDISTRIBUTIONS 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 terperinciMINGGU KE-9 MACAM-MACAM KONVERGENSI
MINGGU KE-9 MACAM-MACAM KONVERGENSI Kita telah mengetahui bahwa untuk n besar dan θ kecil sedemikian hingga nθ = λ, distribusi binomial bisa dihampiri oleh distribusi Poisson. Mencari hampiran distribusi
Lebih terperinciLearning Outcomes Sebaran Kontinu Nilai Harapan dan Ragam Beberapa Sebaran Kontinu. Peubah Acak Kontinu. Julio Adisantoso.
Beberapa 27 April 2014 Beberapa Learning Outcome Outline Mahasiswa dapat mengerti dan menentukan peubah acak diskret Mahasiswa dapat memahami dan menghitung nilai harapan Mahasiswa dapat memahami dan menghitung
Lebih terperinciPENGANTAR 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 terperinciSTATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI
STATISTIKA Muhamad Nursalman Pendilkom/Ilkom UPI 1 Daftar Isi Bab 1 Peluang Bab Peubah Acak Bab 3 Distribusi Peluang Diskret Bab 4 Distribusi Peluang Kontinu Bab 5 Fungsi Peubah Acak Bab 6 Teori Penaksiran
Lebih terperinciLampiran 1. Beberapa Definisi dan Lema Teknis
Lampiran 1. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam kondisi yang sama, yang hasilnya tidak dapat diprediksi dengan tepat tetapi kita
Lebih terperinciCNH3E3 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 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 terperinciEkspektasi 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 terperinciPenentuan Momen ke-5 dari Distribusi Gamma
Jurnal Penelitian Sains Volume 6 Nomor (A) April 0 Penentuan Momen ke-5 dari Distribusi Gamma Robinson Sitepu, Putra B.J. Bangun, dan Heriyanto Jurusan Matematika Fakultas MIPA Universitas Sriwijaya, Indonesia
Lebih terperinciSebaran 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 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 terperinciSTK 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 terperinciSebaran 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 terperinciDeret Binomial. Ayundyah Kesumawati. June 25, Prodi Statistika FMIPA-UII. Ayundyah (UII) Deret Binomial June 25, / 14
Deret Binomial Ayundyah Kesumawati Prodi Statistika FMIPA-UII June 25, 2015 Ayundyah (UII) Deret Binomial June 25, 2015 1 / 14 Pendahuluan Deret Binomial Kita telah mengenal Rumus Binomial. Untuk bilangan
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 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 terperinciPeubah 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 terperinciVariabel 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 terperinciEkspektasi 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 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 terperinciFUNGSI PEMBANGKIT MOMEN UNTUK MEMENUHI TUGAS MATAKULIAH. Statistika Matematika. Yang dibina oleh Bapak Hendro Permadi. Oleh :
FUNGSI PEMBANGKIT MOMEN UNTUK MEMENUHI TUGAS MATAKULIAH Statistika Matematika Yang dibina oleh Bapak Hendro Permadi Oleh : Intan Putri Natari 10311418961 Nurroh Fitri A 1031419469 Reza Taufikurachman 1031419470
Lebih terperinciTHEORY. 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 terperinciHANDOUT 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 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 terperinciBAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Matematika merupakan salah satu cabang ilmu pengetahuan yang melambangkan kemajuan zaman. Oleh karena itu matematika banyak digunakan oleh cabang ilmu lain
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 terperinciPengantar Statistika Matematika II
Bab 1: a FMIPA Universitas Islam Indonesia Parameter adalah karakteristik dari populasi (misal θ) adalah karakteristik dari sampel Akan dibahas konsep statistik dan distribusi sampling Parameter Misalkan
Lebih terperinciDERET TAK HINGGA. Contoh deret tak hingga :,,, atau. Barisan jumlah parsial, dengan. Definisi Deret tak hingga,
DERET TAK HINGGA Contoh deret tak hingga :,,, atau. Barisan jumlah parsial, dengan Definisi Deret tak hingga,, konvergen dan mempunyai jumlah S, apabila barisan jumlah jumlah parsial konvergen menuju S.
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 terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan V Peubah Acak dan Sebaran Peubah Acak Septian Rahardiantoro - STK IPB 1 Pertemuan minggu lalu kita sudah belajar mengenai cara untuk membuat daftar kemungkinan-kemungkinan
Lebih terperinciMisalkan peluang seorang calon mahasiswa IT Telkom memilih prodi TI adalah sebesar 0.6. Berapa peluang bahwa ;
Responsi SOAL 1: Misalkan peluang seorang calon mahasiswa IT Telkom memilih prodi TI adalah sebesar 0.6. Berapa peluang bahwa ; Orang keenam yang mendaftar seleksi adalah orang keempat yang memilih TI
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 2014 1 Tentang AK5161 Matematika
Lebih terperinciSTATISTIKA 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 terperinciDASAR-DASAR TEORI PELUANG
DASAR-DASAR TEORI PELUANG Herry P. Suryawan 1 Ruang Peluang Definisi 1.1 Diberikan himpunan tak kosong Ω. Aljabar-σ (σ-algebra pada Ω adalah koleksi subhimpunan A dari Ω dengan sifat (i, Ω A (ii jika A
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 terperinciAchmad 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 terperinciProbabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata
Probabilitas dan Statistika Distribusi Peluang Kontinyu 1 Adam Hendra Brata Variabel Acak Kontinyu - Variabel Acak Kontinyu Suatu variabel yang memiliki nilai pecahan didalam range tertentu Distribusi
Lebih terperinciDISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2. Distribusi Hipergeometrik
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2 TI2131 TEORI PROBABILITAS MINGGU KE-10 Distribusi Hipergeometrik Eksperimen hipergeometrik memiliki karakteristik sebagai berikut: 1. sebuah sampel random berukuran
Lebih terperinciSTATISTIK 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 terperinciHARAPAN MATEMATIK. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016
HARAPAN MATEMATIK Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 Pendahuluan Rata-rata perubah acak X atau rata-rata distribusi peluang X ditulis x atau. Dalam statistik rata-rata ini disebut harapan matematik
Lebih 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 terperinci25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak
Konsep Peubah Acak Metode Statistika (STK11) Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Peubah acak merupakan suatu fungsi yang memetakan
Lebih terperinciMemahami definisi barisan tak hingga dan deret tak hingga, dan juga dapat menentukan
4 BARISAN TAK HINGGA DAN DERET TAK HINGGA JUMLAH PERTEMUAN : 5 PERTEMUAN TUJUAN INSTRUKSIONAL KHUSUS : Memahami definisi barisan tak hingga dan deret tak hingga, dan juga dapat menentukan kekonvergenan
Lebih terperinciPeubah Acak (Lanjutan)
Learning Outcomes 13 April 2014 Learning Outcomes Learning Outcome Outline Mahasiswa dapat mengerti dan menentukan peubah acak diskret Mahasiswa dapat memahami dan menghitung nilai harapan Mahasiswa dapat
Lebih terperinciPertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu
Pertemuan ke 5 4.1 Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu Fungsi Probabilitas dengan variabel kontinu terdiri dari : 1. Distribusi Normal 2. Distribusi T 3. Distribusi Chi Kuadrat
Lebih terperinciPengantar Statistika Matematika II
Bab 2: Sifat-Sifat Estimator Statistika FMIPA Universitas Islam Indonesia Statistik Cukup Dalam kondisi real, kita tidak mengetahui parameter dari populasi data yang akan kita teliti Informasi dalam sampel
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 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 terperinciHarapan 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 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 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 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 terperinciII. 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 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 terperinciModel Runtun Waktu Stasioner
Chapter 3 Model Runtun Waktu Stasioner Proses-proses stasioner (W-S) yang penting adalah sebagai berikut: White Noise Moving Average: MA(), MA(q), MA( ) Autoregressive: AR(), AR(p), AR( ) Autoregressive
Lebih terperinciDistribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah
Distribusi Diskrit dan Kontinu yang Penting Oleh Azimmatul Ihwah Distribusi Diskrit Fungsi probabilitas dari variabel random diskrit dapat dinyatakan dalam formula matematik tertentu yang dinamakan fungsi
Lebih 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 II LANDASAN TEORI. landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di
5 BAB II LANDASAN TEORI Bab ini membahas pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di bahas adalah sebagai berikut: A.
Lebih terperinci(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 terperinciCatatan Kuliah MA3081 STATISTIKA MATEMATIKA Statistika Mengalahkan Matematika. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA3081 STATISTIKA MATEMATIKA Statistika Mengalahkan Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Daftar Isi
Lebih terperinciVariansi 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 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 terperinciLampiran A. Beberapa Definisi dan Lema Teknis
LAMPIRAN 33 Lampiran A. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian dan Peluang Definisi A.1 (Ruang contoh dan kejadian) Suatu percobaan yang dapat diulang dalam kondisi yang sama, yang hasilnya
Lebih terperinciCATATAN KULIAH PENGANTAR PROSES STOKASTIK
CATATAN KULIAH PENGANTAR PROSES STOKASTIK Oleh Atina Ahdika, S.Si, M.Si PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM INDONESIA 2016 Daftar Isi Daftar Isi iv
Lebih terperinciBab 2 DISTRIBUSI PELUANG
Bab 2 DISTRIBUSI PELUANG PENDAHULUAN Setiap peristiwa akan mempunyai peluangnya masingmasing, dan peluang terjadinya peristiwa itu akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di sebut
Lebih 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 2014 1 Tentang AK5161 Matematika
Lebih terperinciPEUBAH ACAK DAN SEBARANNYA
LOGO STATISTIKA MATEMATIKA I PEUBAH ACAK DAN SEBARANNYA Hazmira Yozza Izzati Rami HG Jurusan Matematika FMIPA Universitas Andalas Percobaan : Pelemparan dua mata uang AA AG GA GG S X Definisi 2.1. Peubah
Lebih terperinciBAB 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 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 terperinciMinggu 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 terperinciMetode Statistika (STK 211) Pertemuan ke-5
Metode Statistika (STK 211) Pertemuan ke-5 rrahmaanisa@apps.ipb.ac.id Memahami definisi dan aplikasi peubah acak (peubah acak sebagai fungsi, peubah acak diskrit dan kontinu) Memahami sebaran peubah acak
Lebih terperinciDASAR-DASAR ANALISIS MATEMATIKA
(Bekal untuk Para Sarjana dan Magister Matematika) Dosen FMIPA - ITB E-mail: hgunawan@math.itb.ac.id. December 1, 2007 Diberikan sebuah fungsi yang terdefinisi pada interval (a, b) kecuali mungkin di
Lebih terperinciStatistika (MMS-1001)
Statistika (MMS-1001) Dr. Danardono, MPH danardono@ugm.ac.id Program Studi Statistika Jurusan Matematika FMIPA UGM Materi dan Jadual Tatap Muka Pokok Bahasan Sub Pokok Bahasan 1. Statistika Deskriptif
Lebih terperinciEstimasi Titik. (Point Estimation) Minggu ke 1-3. Prof. Dr. Sri Haryatmi, M. Sc. Universitas Gadjah Mada
Estimasi Titik (Point Estimation) Minggu ke 1-3 Prof. Dr. Sri Haryatmi, M. Sc. Universitas Gadjah Mada 2014 Prof. Dr. Sri Haryatmi, M. Sc. (UGM) Daftar Isi 2014 1 / 33 DAFTAR ISI 1 Minggu 1 Pertemuan 1
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Berikut ini adalah beberapa definisi dan teorema yang menjadi landasan dalam penentuan harga premi, fungsi permintaan, dan kesetimbangannya pada portfolio heterogen. 2.1 Percobaan
Lebih terperinciStatistika (MMS-1001)
Statistika (MMS-1001) Dr. Danardono, MPH danardono@ugm.ac.id Program Studi Statistika Jurusan Matematika FMIPA UGM Materi dan Jadual Tatap Muka Pokok Bahasan Sub Pokok Bahasan 1. Statistika Deskriptif
Lebih terperinciDengan demikian, untuk sembarang B = [a, b], maka persamaan (5.1) menjadi
Bab 5 Peubah Acak Kontinu 5.1 Pendahuluan Definisi 5.1. Peubah acak adalah suatu fungsi dari ruang contoh S ke R (himpunan bilangan nyata) Peubah acak X bersifat diskret jika F (x) adalah fungsi tangga.
Lebih terperinciStatistika (MMS-1403)
Statistika (MMS-1403) Dr. Danardono, MPH danardono@ugm.ac.id Program Studi Statistika Jurusan Matematika FMIPA UGM Materi dan Jadual Minggu ke- Pokok Bahasan Sub Pokok Bahasan 1. Pendahuluan 1 Perkuliahan
Lebih terperinciKumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X
Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik
Lebih terperinciAyundyah Kesumawati. April 29, Prodi Statistika FMIPA-UII. Deret Tak Terhingga. Ayundyah. Barisan Tak Hingga. Deret Tak Terhingga
Kesumawati Prodi Statistika FMIPA-UII April 29, 2015 Akar Barisan a 1, a 2, a 3, a 4,... adalah susunan bilangan-bilangan real yang teratur, satu untuk setiap bilangan bulat positif. adalah fungsi yang
Lebih terperinciPENGANTAR PROBABILITAS STATISTIKA UNIPA SBY
PENGANTAR PROBABILITAS GANGGA ANURAGA POKOK BAHASAN Konsep dasar probabilitas Teori himpunan Permutasi Kombinasi Koefisien binomial Koefisien multinomial Probabilitas Aksioma probabilitas Probabilitas
Lebih 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 terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA 2.1 Distribusi Logistik Distribusi logistik merupakan distribusi yang memiliki fungsi kepekatan peluang kontinu. Bentuk kurva distribusi logistik adalah simetris dan uni modal. Bentuk
Lebih terperinciPeubah 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 terperinciHarapan 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengantar Pada bab ini akan diuraikan beberapa landasan teori untuk menunjang penulisan skripsi ini. Uraian ini terdiri dari beberapa bagian yang akan dipaparkan secara terperinci
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 terperinciBAB II DISTRIBUSI PROBABILITAS
BAB II DISTRIBUSI PROBABILITAS.1. VARIABEL RANDOM Definisi 1: Variabel random adalah suatu fungsi yang memetakan ruang sampel (S) ke himpunan bilangan Real (R), dan ditulis X : S R Contoh (Variabel random)
Lebih 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 terperinciVARIABEL RANDOM DAN DISTRIBUSI PELUANG
1 VARIABEL RANDOM DAN DISTRIBUSI PELUANG Dr. Vita Ratnasari, M.Si Definisi Variabel Random 2 Variabel random ialah Suatu fungsi yang mengaitkan suatu bilangan real pada setiap unsur dalam ruang sampel.
Lebih terperinciCatatan Kuliah MA3081 STATISTIKA MATEMATIKA Statistika Mengalahkan Matematika. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA3081 STATISTIKA MATEMATIKA Statistika Mengalahkan Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Daftar Isi
Lebih terperinciUJI KONVERGENSI. Januari Tim Dosen Kalkulus 2 TPB ITK
UJI KONVERGENSI Januari 208 Tim Dosen Kalkulus 2 TPB ITK Uji Integral Teorema 3 Jika + k= u k adalah deret dengan suku-suku tak negatif, dan jika ada suatu konstanta M sedemikian hingga s n = u + u 2 +
Lebih terperinciBAB IV EKSPEKTASI MATEMATIK
BAB IV EKSPEKTASI MATEMATIK.1. Rata-rata variabel acak Bila dua koin dilemparkan sebanyak 16 kali dan X adalah jumlah depan (atas) yang muncul setiap kali pelemparan. Sehinga nilai X adalah 0,1, atau.
Lebih terperinciMinggu 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