Fungsi Peluang Gabungan
|
|
- Hendri Irawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Fungsi Peluang Gabungan MA3181 Teori Peluang 15 September 2014 Utriweni Mukhaiyar
2 Ilustrasi Suatu perusahaan properti memiliki banyak gedung/bangunan yang ingin diasuransikan dengan kategori-kategori yang berbeda. Misalkan diperhatikan komponen-komponen yang dimiliki suatu bangunan. Kekuatan bangunan Tinggi bangunan Luas bangunan Luas taman/daerah hijau bangunan... KONTINU Banyak lantai Banyak lift Banyak pintu/tangga darurat Banyak ruangan... DISKRIT Misal peubah acak X menyatakan kekuatan bangunan, dan peubah acak Y menyatakan tinggi bangunan. Distribusi peluang dari kejadian serentak kedua peubah acak tersebut dinyatakan oleh f(x, y), yang disebut sebagai fungsi peluang gabungan X dan Y. f(x<a, y<b) bermakna distribusi peluang dari kekuatan bangunan bernilai kecil dari a satuan kekuatan dan tinggi bangunan bernilai kecil dari b satuan tinggi.
3 Ilustrasi Misalkan peubah acak X 1 menyatakan banyak lantai gedung, peubah acak X 2 menyatakan banyak lift, peubah acak X 3 menyatakan banyak ruangan. f(x 1, x 2, x 3 ) = P(X 1 =x 1, X 2 =x 2, X 3 =x 3 ) menyatakan distribusi peluang dari kejadian bersama /serentak dari ketiga peubah acak tersebut atau fungsi peluang gabungan dari X 1, X 2, dan X 3. f(10, 15, 50) menyatakan peluang bahwa pada gedung terdapat 10 lantai, 15 lift dan 50 ruangan.
4 Fungsi Peluang Gabungan D I S K R I T K O N T I N U 1. P(X=x, Y=y) 0 untuk semua (x, y) 2. x y P( X x, Y y) 1 3. Untuk sebarang daerah A dalam daerah definisi xy berlaku, P[( X, Y) A] f ( x, y) 1. f(x, y) 0 untuk semua (x, y) 2. f ( x, y) dxdy 1 A 3. Untuk sebarang daerah A dalam daerah definisi xy berlaku, P[( X, Y) A] f ( x, y) dxdy A
5 Contoh 1 O Dalam sebuah kotak buah terdapat 3 buah jeruk, 2 apel dan 3 pisang, diambil secara acak 4 buah. Jika X adalah banyaknya buah jeruk dan Y adalah banyaknya buah apel yang terambil, hitung: a. Fungsi peluang gabungan f(x,y) b. P[(X,Y)A] dimana A adalah daerah {(x,y) x + y 2} Jawab: a. Pasangan nilai (x,y) yang mungkin dari kasus di atas adalah; (0,1), (0,2), (1,0), (1,1), (1,2), (2,0), (2,1), (2,2), (3,0), (3,1). f(3,0) artinya peluang terambil 3 jeruk dan 1 pisang. Banyak cara yang mungkin, pengambilan 4 sampel dari 8 adalah : 8C 4 = 70. Banyak cara yang mungkin, terambilnya 3 jeruk dan 1 pisang adalah : 3 C 3. 3 C 1 =1.3=3. Sehingga f(3,0)=3/70.
6 3 2 3 Solusi 1 3C x 2Cy 3C4xy 4 (, ) x y x y f x y, x 0,1,2,3, y 0,1,2 8 8C4 4 O Distribusi fungsi peluangnya: y x f(x,y) h(y) 0 0 3/70 9/70 3/70 15/70 1 2/70 18/70 18/70 2/70 40/70 2 g(x) 3/70 5/70 9/70 30/70 3/70 30/70 0 5/70 15/70 1 b. P[( X, Y ) A] P( X Y 2) P( X 0, Y 1) P( X 0, Y 2) P( X 1, Y 0) P( X 1, Y 1) P( X 2, Y 0) f (0,1) f (0,2) f (1,0) f (1,1) f (2,0)
7 Contoh 2 O Suatu restoran cepat saji menyediakan fasilitas pemesanan untuk dibawa pulang melalui drive in dan walk in. Pada suatu hari yang dipilih secara acak, diperhatikan waktu yang dibutuhkan untuk menyiapkan pemesanan (dalam satuan waktu pelayanan) masingmasing untuk drive in dan walk in, yang berturut-turut dinotasikan sebagai peubah acak X dan Y. Misalkan fungsi kepadatan peluang gabungan dari kedua peubah acak tersebut adalah: 2 ( x 2 y ), 0 x 1,0 y 1 f ( x, y) 3 0, xy, lainnya a. Selidiki apakah f(x,y) adalah fungsi peluang. b. Hitung peluang bahwa pada suatu hari ditemukan waktu pelayanan pada fasilitas drive in dan walk in masing-masing kurang dari setengah.
8 a. Solusi f ( x, y) dxdy ( x 2 y) dxdy ( x 4 yx) dy (1 4 y) dy ( y 2 y ) (1 2) f(x,y) adalah fungsi peluang. 0 b. 1/2 1/2 1/2 1/ P( X 0.5, Y 0.5) ( x 2 y) dxdy ( x 4 yx) dy /2 1/ y dy y y
9 Fungsi Marjinal Misalkan peubah acak X dan Y memiliki fungsi peluang gabungan f(x,y). Notasikan fungsi peluang marjinal untuk X adalah g(x) dan fungsi peluang marjinal untuk Y adalah h(y). O Untuk X dan Y diskrit. g( x) f ( x, y) P( X x, Y y) y h( y) f ( x, y) P( X x, Y y) x y Untuk X dan Y kontinu. x g( x) f ( x, y) dy dan h( y) f ( x, y) dx
10 O Perhatikan Contoh 1. Contoh 3 O Tunjukkan bahwa total jumlah kolom dan baris dari distribusi peluang f(x,y) masing-masing adalah distribusi peluang marjinal dari X dan Y. O Jawab : g(0) f (0,0) f (0,1) f (0,2) g(1) f (1,0) f (1,1) f (1,2) g(2) f (2,0) f (2,1) f (2,2) g(3) f (3,0) f (3,1) f (3,2)
11 Solusi 3 O Distribusi peluang peubah acak X adalah : x g(x) = P(X=x) 1/14 6/14 6/14 1/14 Dengan cara yang sama diperoleh distribusi peluang peubah acak Y adalah : y h(y) = P(Y=y) 3/14 8/14 3/14
12 Contoh 4 O Perhatikan Contoh 2. Tentukan, a. fungsi peluang marjinal untuk X b. fungsi peluang marjinal untuk Y c. peluang bahwa fasilitas drive in membutuhkan waktu kurang dari satu setengah satuan waktu pelayanan. Jawab : a. Misalkan fungsi peluang marjinal X adalah g(x) g( x) f ( x, y) dy ( x 2 y) dy ( xy y ) ( x 1) ( x 1), 0 x
13 Solusi 4 b. Misalkan fungsi peluang marjinal Y adalah h(y) h( y) f ( x, y) dx ( x 2 y) dx x 2yx 2y y, 0 y c. Misalkan peluang bahwa fasilitas drive in membutuhkan waktu kurang dari satu setengah satuan waktu pelayanan adalah P(X<1,5) P( X 1.5) g( x) dx ( x 1) dx x x (1 2)
14 Peluang Bersyarat O Misalkan X dan Y adalah peubah acak, diskrit atau kontinu. O Peluang bersyarat dari peubah acak Y jika diberikan X=x adalah: f ( x, y) f ( y x), g( x) 0 gx ( ) O Peluang bersyarat dari peubah acak X jika diberikan Y=y adalah: f ( x, y) f ( x y), h( y) 0 hy ( )
15 Bebas Statistik O Misalkan peubah acak X dan Y mempunyai fungsi kepadatan peluang gabungan f(x,y) dengan fungsi peluang marjinal masingmasingnya adalah g(x) dan h(y). Peubah acak X dan Y dikatakan saling bebas jika dan hanya jika, f ( x, y) g( x) h( y) untuk semua (x, y) di dalam daerah definisinya.
16 O Perhatikan Contoh 1. Contoh 5 O Tentukan distribusi peluang bersyarat dari X jika diberikan Y = 1. Hitung P(X=0 Y=1) O Jawab : f ( x, y ) f ( x,1) f ( x y), h( y) 0 yaitu f ( x 1) hy ( ) 8 14 f(0,1) f(1,1) f(0 1), f(1 1) f(2,1) f(3,1) f(2 1), f(3 1) Distribusi peluang bersyarat : P(X=0 Y=1) x f(x 1) 1/20 9/20 9/20 1/20
17 Contoh 6 O Perhatikan Contoh 2. O Apakah peubah acak X dan Y saling bebas? O Karena, g( x) h( y) ( x 1) (1 4 y) (4xy 4y x 1) ( x 2 y ) f ( x, y ) 3 O Maka X dan Y tidak saling bebas secara statistik.
18 Kovariansi Dua Peubah Acak O Misalkan X dan Y adalah peubah acak dengan fungsi peluang gabungan f(x,y) O Kovariansi dari X dan Y adalah: Cov( X, Y) E[( X )( Y )] dengan, E[ XY ] xyf ( x, y) dydx X E[ XY ] E[ X ] E[ Y] E[ X ] xf ( x, y) dydx dan E[ Y] yf ( x, y) dxdy Y Cov(X, X) = Var(X) Cov(Y, Y) = Var(Y) Variansi adalah kovariansi terhadap diri sendiri
19 Korelasi Dua Peubah Acak O Misalkan X dan Y adalah peubah acak dengan fungsi peluang gabungan f(x,y) O Korelasi dari X dan Y adalah: Corr( X, Y) Cov( X, Y ) XY Var( X ) Var( Y) X Y
20 Referensi Devore, J.L. and Peck, R., Statistics The Exploration and Analysis of Data, USA: Duxbury Press, Hogg, McKean, and Craig, Introduction to Mathematical Statistics, New Jersey: Pearson Prentice Hall, Wackerly, et.al., Mathematicsl Statistics and Its Application 7 th Ed., USA: Thomson, Walpole, Ronald E. dan Myers, Raymond H., Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan, Edisi 4, Bandung: Penerbit ITB, Walpole, Ronald E., et.al, Statistitic for Scientist and Engineering, 8th Ed.,
FUNGSI PELUANG GABUNGAN M A P E N G A N T A R S T A T I S T I K A 14 F E B R U A R I 2013 U T R I W E N I M U K H A I Y A R
FUNGSI PELUANG GABUNGAN M A 4 0 8 5 P E N G A N T A R S T A T I S T I K A 14 F E B R U A R I 2013 U T R I W E N I M U K H A I Y A R ILUSTRASI Suatu perusahaan properti memiliki banyak gedung/bangunan yang
Lebih terperinciMA 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(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 terperinciBI5106 Analisis Biostatistik 18 September 2012 Utriweni Mukhaiyar
FUNGSI PELUANG GABUNGAN BI5106 Analisis Biostatistik 18 September 2012 Utriweni Mukhaiyar Ilustrasi Suatu perusahaan properti memiliki banyak gedung/bangunan yang ditawarkan dengan kategori-kategori yang
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 terperinciPEUBAH ACAK DAN DISTRIBUSINYA
PEUBAH ACAK DAN DISTRIBUSINYA MA3181 Teori Peluang 8 September 2014 Utriweni Mukhaiyar 1 Pemetaan (Fungsi) O Suatu pemetaan / fungsi O Kategori fungsi: 1. Fungsi titik 2. Fungsi himpunan A A B B 2 Peubah
Lebih terperinciMA 2081 Statistika Dasar Utriweni Mukhaiyar. 11 September 2012
1 PEUBAH ACAK DAN DISTRIBUSINYA MA 2081 Statistika Dasar Utriweni Mukhaiyar 11 September 2012 2 Pemetaan (Fungsi) Suatu pemetaan / fungsi Kategori fungsi: 1. Fungsi titik 2. Fungsi himpunan A A B B 3 Peubah
Lebih terperinciPEUBAH ACAK DAN DISTRIBUSINYA. MA 2081 Statistika Dasar Utriweni Mukhaiyar
PEUBAH ACAK DAN DISTRIBUSINYA MA 208 Statistika Dasar Utriweni Mukhaiyar 0 Februari 20 Pemetaan (Fungsi) Suatu pemetaan / fungsi Kategori fungsi:. Fungsi titik 2. Fungsi himpunan 2 A A B B Peubah Acak
Lebih terperinciPEUBAH ACAK DAN. MA 2181 Analisis Data Utriweni Mukhaiyar. 22 Agustus 2011
1 PEUBAH ACAK DAN DISTRIBUSINYA MA 2181 Analisis Data Utriweni Mukhaiyar 22 Agustus 2011 Pemetaan (Fungsi) 2 Suatu pemetaan / fungsi Kategori fungsi: 1. Fungsi titik 2. Fungsi himpunan A A B B Peubah Acak
Lebih terperinciDISTRIBUSI KONTINU. Utriweni Mukhaiyar
DISTRIBUSI KONTINU Uniform Normal Gamma & Eksponensial MA 2081 Statistika ti tik Dasar Utriweni Mukhaiyar Maret 2012 By NN 2008 Distribusi Uniform Distribusi kontinu yang paling sederhana Notasi: X ~ U
Lebih terperinciMA2181 Analisis Data - U. Mukhaiyar 1
DISTRIBUSI KONTINU Uniform Normal Gamma & Eksponensial MA 2181 Analisis Data Utriweni Mukhaiyar September 20 By NN 2008 DISTRIBUSI UNIFORM Distribusi kontinu yang paling sederhana Notasi: X ~ U (a,b) f.k.p:
Lebih terperinciDISTRIBUSI DISKRIT KHUSUS
DISTRIBUSI DISKRIT KHUSUS U N I F O R M ( S E R A G A M ) B E R N O U L L I B I N O M I A L P O I S S O N MA 4085 Pengantar Statistika 26 Februari 2013 Utriweni Mukhaiyar M U L T I N O M I A L H I P E
Lebih terperinciDISTRIBUSI KONTINU. Uniform Normal Gamma & Eksponensial. MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar
DISTRIBUSI KONTINU Uniform Normal Gamma & Eksponensial MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar Distribusi Uniform 2 Distribusi kontinu yang paling sederhana Notasi: X ~ U (a,b) f.k.p: f(x)
Lebih terperinciJoint 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 terperincidan Korelasi 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 6.
Regresi Linear Sederhana dan Korelasi 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 5. Kecocokan Model Regresi 6. Korelasi
Lebih terperinciDISTRIBUSI DISKRIT KHUSUS
DISTRIBUSI DISKRIT KHUSUS Uniform U (seragam) MultinomialM l i i l Bernoulli Hipergeometrik Binomial Geometrik Poisson Binomial Negatif MA 2081 Statistika Dasar Utriweni Mukhaiyar 27 September 2012 2 Distribusi
Lebih terperinciUNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, MA 2081 Statistika Dasar.
DISTRIBUSI DISKRIT UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, GEOMETRIK, BINOMIAL NEGATIF MA 2081 Statistika Dasar Utriweni Mukhaiyar 7 Maret
Lebih terperinciPeluang & Aturan Bayes. MA 2081 STATISTIKA DASAR 5 Februari 2014 Utriweni Mukhaiyar
1 Peluang & Aturan Bayes MA 2081 STATISTIKA DASAR 5 Februari 2014 Utriweni Mukhaiyar 2 Eksperimen Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi
Lebih terperinciMA 4085 Pengantar Statistika 5 Februari 2013 Utriweni Mukhaiyar
MA 4085 Pengantar Statistika 5 Februari 2013 Utriweni Mukhaiyar 1 Ciri-ciri eksperimen acak (Statistik): *Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. *Proporsi keberhasilan dapat diketahui
Lebih terperinciPELUANG 8/18/2010 EKSPERIMEN RUANG SAMPEL. Ruang sampel S, yaitu himpunan dari semua kemungkinanki hasil dari suatu percobaan acak (statistik).
PELUANG 1 MA 2181 ANALISIS DATA, 18 AGUSTUS 2010 UTRIWENI MUKHAIYAR EKSPERIMEN Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi keberhasilan
Lebih terperinciPELUANG & ATURAN BAYES BI5106 ANALISIS BIOSTATISTIK
1 PELUANG & ATURAN BAYES BI5106 ANALISIS BIOSTATISTIK UTRIWENI MUKHAIYAR Eksperimen 2 Ciri-ciri i ii eksperimen acak (Statistik): ti tik) Dapat dulangi baik oleh si pengamat sendiri maupun orang lain.
Lebih terperinciPeluang & Aturan Bayes. MA 2081 STATISTIKA DASAR, 6 FEBRUARI 2012 Utriweni Mukhaiyar
Peluang & Aturan Bayes MA 2081 STATISTIKA DASAR, 6 FEBRUARI 2012 Utriweni Mukhaiyar 1 Eksperimen Ciri-ciri i i i eksperimen acak (Statistik): ti tik) Dapat dulangi baik oleh si pengamat sendiri maupun
Lebih terperinci1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4.
* 1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4. Kecocokan Model Regresi 5. Korelasi Utriweni Mukhaiyar MA 2081 Statistika
Lebih terperinciPELUANG & ATURAN BAYES MA 2181 ANALISIS DATA, 15 AGUSTUS 2011 UTRIWENI MUKHAIYAR
1 PELUANG & ATURAN BAYES MA 2181 ANALISIS DATA, 15 AGUSTUS 2011 UTRIWENI MUKHAIYAR Eksperimen 2 Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi
Lebih terperinciDistribusi Peluang Kontinu. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB
Distribusi Peluang Kontinu Bahan Kuliah II9 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Fungsi Padat Peluang Untuk peubah acak kontinu, fungsi peluangnya
Lebih terperinciDISTRIBUSI DISKRIT. MA 2081 Statistika Dasar Utriweni Mukhaiyar
DISTRIBUSI DISKRIT Uniform (seragam) Bernoulli Binomial Poisson Beberapa distribusi lainnya : MULTINOMIAL, HIPERGEOMETRIK, GEOMETRIK, BINOMIAL NEGATIF MA 081 Statistika Dasar Utriweni Mukhaiyar 5 Maret
Lebih terperinciA. Distribusi Gabungan
HANDOUT PERKULIAHAN Mata Kuliah Pokok Bahasan : Statistika Matematika : Distibusi Dua peubah Acak URAIAN POKOK PERKULIAHAN A. Distribusi Gabungan Definisi 1: Peubah Acak Berdimensi Dua Jika S merupakan
Lebih terperinci10/14/2010 UJI HIPOTESIS PENGERTIAN GALAT (ERROR) salah)
/4/ UJI HIPOTESIS UJI RATAAN UJIVARIANSI MA 8 Analisis Data Utriweni Mukhaiyar Oktober PENGERTIAN Hipotesis adalah suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lebih yang perlu
Lebih terperinciPercobaan terdiri dari 1 usaha. Peluang sukses p Peluang gagal 1-p Misalkan. 1, jika terjadi sukses X jika terjadi tidak sukses (gagal)
Percobaan Bernoulli 5 Percobaan terdiri dari 1 usaha Sukses Usaha Gagal Peluang sukses p Peluang gagal 1-p Misalkan 1, jika terjadi sukses X 0, jika terjadi tidak sukses (gagal) Distribusi Bernoulli 6
Lebih terperinciDISTRIBUSI DISKRIT KHUSUS
DISTRIBUSI DISKRIT KHUSUS Uniform Bernoulli Binomial Poisson Distribusi Lainnya: Multinomial Hipergeometrik Geometrik Binomial Negatif BI5106 Analisis Biostatistika 27 September 2012 Distribusi uniform
Lebih terperinciRegresi Linear Sederhana
Regresi Linear Sederhana dan Korelasi 1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4. Kecocokan Model Regresi 5. Korelasi
Lebih terperinci4/16/2009. H 0 ditolak. H 0 tidak ditolak. ditolak. P(menolak H 0 H 0 benar) keputusan benar. = galat lttipe II = β. P(tidak menolak H 0 H 0 salah)
4/6/9 Galat (error) Uji Hipotesis H ditolak H benar H salah a P(menolak H H benar) galat tipe I keputusan benar MA 8 Statistika Dasar Kamis, 6 Februari 9 H tidak ditolak keputusan benar P(tidak menolak
Lebih terperinciMA2081 STATISTIKA DASAR. Utriweni Mukhaiyar 1 November 2012
Uji Hipotesis MA081 STATISTIKA DASAR MA081 STATISTIKA DASAR Utriweni Mukhaiyar 1 November 01 Pengertian Hipotesis adalah suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lebih yang
Lebih terperinciDistribusi Sampel & Statistitik Terurut
Distribusi Sampel & Statistitik Terurut Sampel Acak, Rataa sampel, X-bar, Variasi sampel, S, Teorema Limit Pusat, Distribusi t,, F Statistik Terurut MA 3181 Teori Peluag 11 November 014 Utriwei Mukhaiyar
Lebih terperinciA. Distribusi Gabungan
HANDOUT PERKULIAHAN Mata Kuliah : Statistika Matematika Pertemuan Ke : 5 Pokok Bahasan : Distibusi Dua peubah Acak URAIAN POKOK PERKULIAHAN A. Distribusi Gabungan Definisi 1: Peubah Acak Berdimensi Dua
Lebih 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 terperinciCiri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi keberhasilan dapat diketahui dari
(C) by UM, last edited Feb 2011 1 Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi keberhasilan dapat diketahui dari hasil-hasil sebelumnya.
Lebih terperinciUtriweni Mukhaiyar BI5106 Analisis Biostatistik 29 November 2012
ANALISIS VARIANSI DWIFAKTOR Utriweni Mukhaiyar BI5106 Analisis Biostatistik 29 November 2012 ANOVA one-way vs two-way 2 Dalam ANOVA one-way ( satu faktor), diperhatikan hanya satu faktor saja yang berpengaruh
Lebih terperinciUji Hipotesis. MA2081 STATISTIKA DASAR Utriweni Mukhaiyar
Uji Hipotesis MA081 STATISTIKA DASAR Utriweni Mukhaiyar 8 Maret 01 Pengertian Hipotesis adalah suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lebih yang perlu diuji kebenarannyaa
Lebih terperinciUJI RATAAN UJIVARIANSI MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR A PRIL 2011
Uji Hipotesis UJI RATAAN UJIVARIANSI MA 081 STATISTIKA DASAR UTRIWENI MUKHAIYAR A PRIL 011 Pengertian Hipotesisadalah i suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lbih lebih
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 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 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 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 terperinciUtriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 5 Februari 2015
Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 5 Februari 2015 Prosedur Uji Hipotesis Uji Z Parametrik Uji t ANOVA one way UJI MENYANGKUT RATAAN Asumsi distribusi normal Uji Tanda Uji Rang Tanda
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 terperinciREGRESI LINEAR SEDERHANA
REGRESI LINEAR SEDERHANA DAN KORELASI 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 5. Kecocokan Model Regresi 6. Korelasi
Lebih terperinciUkuran Kebergantungan Korelasi Pearson - Korelasi Spearman - Kendals Tau. MA2281 Statistika Nonparametrik 3 Maret 2016 Utriweni Mukhaiyar
Ukuran Kebergantungan Korelasi Pearson - Korelasi Spearman - Kendals Tau MA2281 Statistika Nonparametrik 3 Maret 2016 Utriweni Mukhaiyar Ukuran Kebergantungan Misalkan 2 peubah acak X dan Y, masing-masing
Lebih terperinciEKSPERIMEN ACAK & PELUANG. MA3181 Teori Peluang Utriweni Mukhaiyar 1 September 2014
EKSPERIMEN ACAK & PELUANG MA3181 Teori Peluang Utriweni Mukhaiyar 1 September 2014 2012 by UM Jenis-jenis Observasi OBSERVASI / DATA KUALITATIF KUANTITATIF Nominal Ordinal/Rank Diskrit Kontinu Tidak mengenal
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 terperinciMinggu 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 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 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 terperinciDISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi
DISTRIBUSI SAMPLING Definisi : distribusi sampling adalah distribusi peluang untuk nilai statistik yang diperoleh dari sampel acak untuk menggambarkan populasi. 1. Distribusi rata rata Misal sampel acak
Lebih terperinciDistribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 17/12/2014
STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh: Suatu
Lebih terperinciREVIEW: DISTRIBUSI PELUANG KHUSUS & UJI HIPOTESIS. Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 21 Januari 2016
REVIEW: DISTRIBUSI PELUANG KHUSUS & UJI HIPOTESIS Utriweni Mukhaiyar MA81 Statistika Nonparametrik Kamis, 1 Januari 016 PEUBAH ACAK Peubah acak, yaitu pemetaan X: S R Ruang Sampel, S X x Himpunan Bil.Riil,
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 terperinciANALISIS VARIANSI. Utriweni Mukhaiyar. 2 November 2011
1 ANALISIS VARIANSI Utriweni Mukhaiyar MA 2181 Analisis Data 2 November 2011 Analisis Variansi 2 1. Tujuan Analisis Variansi 2. Asumsi-asumsi dalam Analisis Variansi 3. Hipotesis yang diuji dalam analisis
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 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 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 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 terperinciPEUBAH ACAK DAN DISTRIBUSINYA
4/6/009 Pemetaan (Fungsi) PEUBAH ACAK DAN DISTRIBUSINYA Suatu pemetaan / fungsi Kategori fungsi:. Fungsi titik A B MA 08 Statistika Dasar Dosen : Udjianna S. Pasaribu Utriweni Mukhaiyar Senin, 6 Februari
Lebih terperinciSTATISTIKA NON PARAMETRIK
STATISTIKA NON PARAMETRIK Utriweni Mukhaiyar BI5106 Analisis Biostatistik 4 Desember 2012 Prosedur Uji Hipotesis Prosedur Uji Hipotesis Parametrik Uji Z Uji t ANOVA one way UJI MENYANGKUT RATAAN Asumsi
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 terperinciStatistika 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 terperinciBAB II PEUBAH ACAK dan DISTRIBUSI PELUANG
A. PENGERTIAN BAB II PEUBAH ACAK dan DISTRIBUSI PELUANG PEUBAH ACAK adalah suatu fungsi yang mengaitkan suatu bilangan real pada setiap unsur dalam ruang sampel Dari suatu kotak yang berisi 4 uang logam
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 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 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 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 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 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 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 terperinci2. Peubah Acak (Random Variable)
. Peubah Acak (Random Variable) EL00-Probabilitas dan Statistik Dosen: Andriyan B. Suksmono Isi 0. Review dari EL009 KonsepPeubahAcak Sebaran Peluang Diskrit Sebaran Peluang Kontinyu Sebaran Empiris Sebaran
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 terperinciAnalisis Variansi (ANOVA) Utriweni Mukhaiyar MA 2081 Statistika Dasar 13 November 2012
1 Analisis Variansi (ANOVA) Utriweni Mukhaiyar MA 2081 Statistika Dasar 13 November 2012 2 Analisis Variansi 1. Tujuan Analisis Variansi 2. Asumsi-asumsi s s dalam a Analisis s Variansi a 3. Hipotesis
Lebih terperinciDistribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 13/11/2013
3//203 STATISTIK INDUSTRI Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh:
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. 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 terperinciDISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS
DISTRIBUSI ERLANG DAN PENERAPANNYA Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS nia.rini.purita2316@gmail.com, getut.uns@gmail.com ABSTRAK
Lebih terperincioleh: 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 terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM INFORMASI Semester : 1
GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM INFORMASI Semester : 1 Berlaku mulai: Gasal/2011 MATA KULIAH : STATISTIKA KODE MATA KULIAH / SKS : 410102047 / 3 SKS MATA KULIAH PRASYARAT
Lebih terperinciPENDUGAAN PARAMETER STATISTIK INDUSTRI 1
PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi
Lebih terperinciTINJAUAN PUSTAKA Analisis Gerombol
3 TINJAUAN PUSTAKA Analisis Gerombol Analisis gerombol merupakan analisis statistika peubah ganda yang digunakan untuk menggerombolkan n buah obyek. Obyek-obyek tersebut mempunyai p buah peubah. Penggerombolannya
Lebih 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 terperinciMA2081 STATISTIKA DASAR SEMESTER II TAHUN 2010/2011 LATIHAN I
MA2081 STATISTIKA DASAR SEMESTER II TAHUN 2010/2011 LATIHAN I A. STATISTIKA DESKRIPTIF 1. Seorang teknisi suatu pabrik paku melakukan kunjungan di bagian produksi. Ia mengambil 36 sampel paku yang akan
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 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 terperinciHUKUM ITERASI LOGARITMA. TUGAS AKHIR untuk memenuhi sebagian persyaratan memperoleh gelar sarjana sains SORTA PURNAWANTI NIM.
HUKUM ITERASI LOGARITMA TUGAS AKHIR untuk memenuhi sebagian persyaratan memperoleh gelar sarjana sains SORTA PURNAWANTI NIM. 00290 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
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 terperinciBEBERAPA TEKNIK DISTRIBUSI FUNGSI PEUBAH ACAK
0 BEBERAPA TEKNIK DISTRIBUSI FUNGSI PEUBAH ACAK Dalam hal ini akan dibahas beberapa teknik yang digunakan dalam menentukan distribusi dari fungsi peubah acak, yaitu teknik fungsi distribusi, teknik transformasi
Lebih terperinciTEORI DASAR DERET WAKTU M A T O P I K D A L A M S T A T I S T I K A II 22 J A N U A R I 2015 U T R I W E N I M U K H A I Y A R
TEORI DASAR DERET WAKTU M A 5 2 8 3 T O P I K D A L A M S T A T I S T I K A II 22 J A N U A R I 2015 U T R I W E N I M U K H A I Y A R DERET WAKTU Deret waktu sendiri tidak lain adalah himpunan pengamatan
Lebih terperinciDISTRIBUSI SATU PEUBAH ACAK
0 DISTRIBUSI SATU PEUBAH ACAK Dalam hal ini akan dibahas macam-macam peubah acak, distribusi peluang, fungsi densitas, dan fungsi distribusi. Pada pembahasan selanjutnya, fungsi peluang untuk peubah acak
Lebih terperinciNilai Ekstrim. (Extreme Values)
TKS 4003 Matematika II Nilai Ekstrim (Extreme Values) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya Pendahuluan Jika terdapat suatu hasil pengukuran seperti pada Gambar 1, dimana pengukuran
Lebih terperinciPenggunaan Statistik Tataan untuk Menentukan Median Contoh Acak dari Distribusi Eksponensial
Jurnal Penelitian Sains Volume 3 Nomer A) 3 Penggunaan Statistik Tataan untuk Menentukan Median Contoh Acak dari Distribusi Eksponensial Herlina Hanum Yuli Andriani dan Retno Jurusan Matematika FMIPA Universitas
Lebih terperinciMisalkan 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 terperinciPendahuluan Statistika
Pendahuluan Statistika Ahmad Zakaria September 18, 2013 1 Ahmad Zakaria Pendahuluan Statistika Pendahuluan PENDAHULUAN 2 Ahmad Zakaria Pendahuluan Statistika Pendahuluan PENDAHULUAN Ilmu Statistik sudah
Lebih terperinciBEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL
BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL Dalam hal ini akan dibahas beberapa distribusi yang mempunyai bentuk fungsi densitas dan nama tertentu dari peubah acak kontinu, yaitu: distribusi seragam, distribusi
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 3 Sebaran Peluang Peubah Acak
STK511 Analisis Statistika Pertemuan 3 Sebaran Peluang Peubah Acak Beberapa Konsep Dasar Percobaan statistika: kegiatan yang hasil akhir keluarannya tidak diketahui di awal, tetapi kemungkinan-kemungkinannya
Lebih terperinci