MA5283 STATISTIKA Bab 2 Peluang

Ukuran: px
Mulai penontonan dengan halaman:

Download "MA5283 STATISTIKA Bab 2 Peluang"

Transkripsi

1 MA5283 STATISTIKA Bab 2 Peluang Orang Cerdas Belajar Statistika

2 Silabus Silabus dan Tujuan Ruang sampel dan kejadian, konsep peluang, peluang bersyarat, Teorema Bayes.

3 Tujuan Silabus dan Tujuan 1 Mendefinisikan ruang sampel dan kejadian 2 Menghitung peluang suatu kejadian 3 Menghitung peluang bersyarat suatu kejadian 4 Memanfaatkan Teorema Bayes untuk menghitung peluang suatu kejadian

4 Silabus dan Tujuan -1. Tanti baru saja mengikuti tes mata. Ia masih teringat beberapa huruf yang muncul: A-E-M-R-S. Kini, Tanti mencoba menyusun kata-kata yang mungkin dari huruf-huruf tersebut.

5 -2. Hanin bermaksud menyumbangkan darahnya di suatu tempat donor. Hanin terlebih dahulu harus dicek golongan darahnya. Golongan darah yang mungkin untuk Hanin adalah... Rupanya Hanin tidak sendirian. Ada Hana dan Hanan disana yang memiliki maksud yang sama dengan Hanin. Jika seorang diantara mereka dipilih secara acak menjadi pendonor, berapa peluang orang yang terpilih adalah Hana? Jika, diantara mereka bertiga, Hanan terpilih menjadi pendonor, berapa peluang golongan darah Hanan adalah B?

6 -3. B dan G pergi berburu dengan cara menembak. Pada waktu yang disepakati, B dan G secara bersamaan menembak sasaran tertentu. Peluang tembakan B mengenai sasaran adalah 0.7 sedangkan peluang tembakan G (bebas dari tembakan B) mengenai sasaran adalah 0.4. Berapa peluang sebuah tembakan mengenai sasaran? Berapa peluang sasaran tertembak?

7 -4. Ayahku meninggal waktu usiaku tiga tahun. Lalu Ibu kawin lagi. Dengan ayah tiriku, Ibu mendapat dua orang anak tiri dan melahirkan tiga orang anak. Ketika usiaku lima belas tahun, Ibu pun meninggal. Ayah tiriku kawin lagi dengan seorang janda yang sudah beranak dua. Ia melahirkan dua orang anak pula dengan ayah tiriku

8 Silabus dan Tujuan Aksioma dan Sifat Peluang Ruang sampel, S, adalah himpunan semua hasil mungkin dari suatu percobaan. Kejadian, E, adalah himpunan bagian dari ruang sampel. Peluang suatu kejadian, P(E), adalah rasio dari banyaknya titik kejadian dan ruang sampel, atau P(E) = n(e) n(s), dimana n(e) dan n(s), berturut-turut, adalah banyaknya titik kejadian dan ruang sampel.

9 Aksioma dan Sifat Peluang Aksioma dan Sifat-sifat peluang: 1 0 P(E) 1 2 P({}) = 0 3 P(S) = 1 4 Untuk kejadian A dan B, P(A B) = P(A) + P(B) P(A B) 5 Jika kejadian A dan B saling asing maka P(A B) = 0 6 Kejadian A dan kejadian B dikatakan saling bebas jika P(A B) = P(A) P(B)

10 Aksioma dan Sifat Peluang peluang yang lain merujuk pada frekuensi relatif. Misalkan suatu percobaan dengan ruang sampel S diulang-ulang. Misalkan n(e) banyaknya kejadian E yang terjadi selama n pengulangan. Peluang kejadian E adalah P(E) = lim n n(e) n

11 Silabus dan Tujuan Aksioma dan Sifat Peluang LATIHAN: Kerjakan ilustrasi-ilustrasi diatas.

12 Solusi: -1 Silabus dan Tujuan Aksioma dan Sifat Peluang SERAM( ), MERAS(X ), SEMAR(X ), RAMES( ), MESRA( ), REMAS( ),...

13 Solusi: -3 Silabus dan Tujuan Aksioma dan Sifat Peluang Misalkan B kejadian B menembak sasaran Misalkan G kejadian G menembak sasaran Misalkan T kejadian sebuah tembakan mengenai sasaran Misalkan S kejadian sasaran tertembak P(T ) = P(G B c ) + P(B G c ) = (0.4)(0.3) + (0.7)(0.6) P(S) = 1 P(G c B c ) = 1 (0.6)(0.3)

14 Latihan Silabus dan Tujuan Aksioma dan Sifat Peluang 1. Lima orang siswa meletakkan tasnya masing-masing ketika memasuki perpustakaan. Kemudian, ketika mereka keluar dari perpustakaan mereka mengambil tasnya secara acak tanpa memperhatikan apakah tas yang diambil adalah benar-benar miliknya. Apakah ruang sampel percobaan diatas?

15 Aksioma dan Sifat Peluang 2. Dalam suatu rapat yang terdiri dari 20 orang, setiap orang berjabatan tangan dengan orang lain diakhir rapat. Ada berapa banyak jumlah salaman yang terjadi?

16 Aksioma dan Sifat Peluang 3. Sebuah lift bergerak dari lantai dasar berisi 8 orang (tidak termasuk operator lift) dan orang-orang tersebut akan keluar hingga lift mencapai lantai paling tinggi yaitu lantai 6. Dalam berapa cara sang operator dapat mengenali orang-orang yang keluar dari lift jika semuanya nampak mirip bagi sang operator? Bagaimana jika 8 orang tersebut terdiri atas 5 pria dan 3 wanita dan sang operator membedakan pria dan wanita?

17 Aksioma dan Sifat Peluang 4. Setiap pagi Swarna meninggalkan rumahnya untuk berlari pagi. Swarna pergi lewat pintu depan atau belakang dengan peluang sama. Ketika meninggalkan rumah Swarna memakai sepatu olah raga atau bertelanjang kaki jika sepatu tidak tersedia di depan pintu yang dia lewati. Ketika pulang, Swarna akan masuk lewat pintu atau belakang dan meletakkan sepatunya dengan pelung sama. Jika dia memiliki 4 pasang sepatu olah raga, akan dihitung berapa peluang Swarna akan sering berolah raga dengan bertelanjang kaki. Pertanyaan awal, tentukan ruang sampelnya!

18 Aksioma dan Sifat Peluang 5. Bapak Kepala Sekolah mengundang guru-guru yang memiliki setidaknya satu anak laki-laki (L) ke acara syukuran. Seorang guru yang bernama Pak Jaim memiliki dua anak. Kita akan menghitung peluang bahwa kedua anak Pak Jaim adalah laki-laki, diberikan bahwa Pak Jaim diundang ke acara syukuran tersebut. Pertanyaan awal adalah apa ruang sampel percobaan diatas?

19 Distribusi Frekuensi versus Peluang Aksioma dan Sifat Peluang Pandang distribusi frekuensi tentang Daerah Asal Peserta Lomba IMO: Daerah Asal Jumlah Peserta Prosentase Sumatera 20 Jawa Barat dan DKI 35 Jawa Timur dan Bali 27 Kalimantan dan Sulawesi 14 Papua 4 Apa yang dapat Anda katakan tentang PELUANG?

20 Silabus dan Tujuan Teorema Bayes -1. Pandang -3 diatas. Jika sebuah tembakan mengenai sasaran, berapa peluang bahwa itu tembakan G? Berapa peluang bahwa, jika sasaran tertembak, kedua tembakan mengenai sasaran? Berapa peluang bahwa, jika sasaran tertembak, tembakan G mengenai sasaran?

21 Teorema Bayes -2. Seorang praktikan, Ega, tahu bahwa sebuah lembar kerja praktikum akan berada di salah satu dari tiga buah kotak surat lab yang ada. Misalkan p i adalah peluang bahwa Ega akan menemukan lembar kerja praktikum setelah mengecek kotak surat lab i dengan cepat jika ternyata surat tersebut berada di kotak surat lab i, i = 1, 2, 3. Misalkan Ega mengecek kotak surat 1 tidak menemukan surat. Berapa peluang hal itu akan terjadi? Jika diketahui Ega mengecek kotak surat 1 tidak menemukan surat, berapa peluang bahwa surat itu ada di kotak surat 1?

22 Silabus dan Tujuan Teorema Bayes Peluang kejadian A, apabila kejadian B telah terjadi, adalah peluang bersyarat P(A B) yaitu: P(A B) = P(A B, P(B) asalkan P(B) > 0. Jelas bahwa jika kejadian A dan B saling bebas maka P(A B) = P(A).

23 Teorema Bayes Peluang total: P(B) = P(B A)P(A) + P(B A c )P(A c )

24 Teorema Bayes Silabus dan Tujuan Teorema Bayes TEOREMA BAYES: Misalkan {B 1, B 2,..., B n } adalah partisi dari ruang sampel dan misalkan A adalah kejadian yang terobservasi. Peluang kejadian B j diberikan A adalah P(B j A) = P(A B j) P(A) P(A B j ) P(B j ) = n i=1 P(A B i) P(B i )

25 Latihan Silabus dan Tujuan Teorema Bayes LATIHAN: 1 Kerjakan ilustrasi-ilustrasi diatas 2 Tes darah di suatu laboratorium akan 95% efektif dalam mendeteksi suatu penyakit tertentu jika penyakit itu ada. Namun demikian, tes tersebut juga memberikan hasil positif yang salah pada 1% orang sehat yang dites. Jika 0.5% dari populasi mengidap penyakit tertentu tersebut, tentukan peluang bahwa seseorang menderita penyakit itu jika hasil tes positif?

MA2081 Statistika Dasar

MA2081 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 terperinci

MA2081 Statistika Dasar

MA2081 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 terperinci

MA2082 BIOSTATISTIKA Orang Biologi Tidak Anti Statistika

MA2082 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 terperinci

Catatan Kuliah. Analisis Data. Orang Cerdas Belajar Statistika. disusun oleh. Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. Analisis Data. Orang Cerdas Belajar Statistika. disusun oleh. Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah Analisis Data Orang Cerdas Belajar Statistika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang Analisis Data A.

Lebih terperinci

MA2081 Statistika Dasar

MA2081 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 terperinci

MA2082 BIOSTATISTIKA Orang Biologi Tidak Anti Statistika

MA2082 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 terperinci

MA2081 Statistika Dasar

MA2081 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 terperinci

P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3)

P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3) Kuis Selamat Datang Tanggal 22 Januari 2014, Waktu: suka-suka menit 1. Catatan dalam perusahaan asuransi otomotif memberikan informasi bahwa (i) setiap pelanggan mengasuransikan setidaknya satu mobil (ii)

Lebih terperinci

Peubah Acak dan Distribusi

Peubah 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 terperinci

MA2082 BIOSTATISTIKA Orang Biologi Tidak Anti Statistika

MA2082 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 terperinci

MA2081 Statistika Dasar

MA2081 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 terperinci

P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3)

P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3) Kuis Selamat Datang Tanggal 22 Januari 2014, Waktu: suka-suka menit 1. Catatan dalam perusahaan asuransi otomotif memberikan informasi bahwa (i) setiap pelanggan mengasuransikan setidaknya satu mobil (ii)

Lebih terperinci

P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3)

P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3) Kuis Selamat Datang Tanggal 22 Januari 2014, Waktu: suka-suka menit 1. Catatan dalam perusahaan asuransi otomotif memberikan informasi bahwa (i) setiap pelanggan mengasuransikan setidaknya satu mobil (ii)

Lebih terperinci

MA2081 Statistika Dasar

MA2081 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 terperinci

Suplemen Kuliah STATISTIKA. Prodi Sistem Informasi (SI 3) STIKOM AMBON Pokok Bahasan Sub Pok Bahasan Referensi Waktu

Suplemen Kuliah STATISTIKA. Prodi Sistem Informasi (SI 3) STIKOM AMBON Pokok Bahasan Sub Pok Bahasan Referensi Waktu Suplemen Kuliah STATISTIKA Pertemuan 5 Prodi Sistem Informasi (SI 3) STIKOM AMBON Pokok Bahasan Sub Pok Bahasan Referensi Waktu Konsep Peluang 1. Ruang Contoh dan Kejadian Walpole E. Ronald. (Probabbility

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Diskusi 1 Diskusi 1: Dasar-dasar Probabilitas, Peluang dan Ekspektasi Bersyarat Statistika FMIPA Universitas Islam Indonesia March 16, 2017 Diskusi 1 Diskusi 1 Diskusi 1 1. Misalkan sebuah koin yang mempunyai

Lebih terperinci

MA4081 PENGANTAR PROSES STOKASTIK

MA4081 PENGANTAR PROSES STOKASTIK Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Orang Pintar Belajar Stokastik disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2012 Tentang

Lebih terperinci

MA4081 PENGANTAR PROSES STOKASTIK

MA4081 PENGANTAR PROSES STOKASTIK Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Orang Pintar Belajar Stokastik disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2012 Tentang

Lebih terperinci

BAB 1. Rantai Markov 1.1 ILUSTRASI

BAB 1. Rantai Markov 1.1 ILUSTRASI BAB 1 Rantai Markov 1.1 ILUSTRASI (Ilustrasi 1) Akhir-akhir ini, hujan dan panas (baca: tidak hujan) datang silih berganti tanpa bisa diduga. Kalau hari ini hujan, besok mungkin hujan mungkin juga panas.

Lebih terperinci

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya

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

Lebih terperinci

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

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB) Diskusi 1 Tanggal 29 Januari 2014, Waktu: suka-suka menit Peluang suatu kejadian; sifat-sifat peluang (termasuk kejadian-kejadian saling asing dan saling bebas); peluang bersyarat; peluang total; 1. Buktikan

Lebih terperinci

BAB 1. Rantai Markov 1.1 ILUSTRASI

BAB 1. Rantai Markov 1.1 ILUSTRASI BAB 1 Rantai Markov 1.1 ILUSTRASI (Ilustrasi 1) Akhir-akhir ini, hujan dan panas (baca: tidak hujan) datang silih berganti tanpa bisa diduga. Kalau hari ini hujan, besok mungkin hujan mungkin juga panas.

Lebih terperinci

MA4081 PENGANTAR PROSES STOKASTIK

MA4081 PENGANTAR PROSES STOKASTIK Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Orang Pintar Belajar Stokastik disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2012 Tentang

Lebih terperinci

BAB 1. Rantai Markov 1.1 ILUSTRASI

BAB 1. Rantai Markov 1.1 ILUSTRASI BAB 1 Rantai Markov 1.1 ILUSTRASI (Ilustrasi 1) Akhir-akhir ini, hujan dan panas (baca: tidak hujan) datang silih berganti tanpa bisa diduga. Kalau hari ini hujan, besok mungkin hujan mungkin juga panas.

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik : Dasar-dasar Probabilitas, Peluang dan Ekspektasi Bersyarat Statistika FMIPA Universitas Islam Indonesia April 13, 2017 1. Misalkan sebuah koin yang mempunyai peluang muncul muka sebesar 0.7, dilantunkan

Lebih terperinci

BAB 2 PELUANG. Menggunakan aturan statistika, kaidah pencacahan, dan sifat-sifat peluang dalam pemecahan masalah.

BAB 2 PELUANG. Menggunakan aturan statistika, kaidah pencacahan, dan sifat-sifat peluang dalam pemecahan masalah. Standar Kompetensi 2 PELUNG Menggunakan aturan statistika, kaidah pencacahan, dan sifat-sifat peluang dalam pemecahan masalah. Kompetensi Dasar 1. Menggunakan aturan perkalian, permutasi, dan kombinasi

Lebih terperinci

BAB 2 PELUANG. Menggunakan aturan statistika, kaidah pencacahan, dan sifat-sifat peluang dalam pemecahan masalah.

BAB 2 PELUANG. Menggunakan aturan statistika, kaidah pencacahan, dan sifat-sifat peluang dalam pemecahan masalah. Standar Kompetensi 2 PELUNG Menggunakan aturan statistika, kaidah pencacahan, dan sifat-sifat peluang dalam pemecahan masalah. Kompetensi Dasar 1. Menggunakan aturan perkalian, permutasi, dan kombinasi

Lebih terperinci

MA5181 PROSES STOKASTIK

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

Lebih terperinci

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4181 (Pengantar)

Lebih terperinci

Minggu 1 Review Peubah Acak dan Fungsi Distribusi. Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting

Minggu 1 Review Peubah Acak dan Fungsi Distribusi. Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting IKG4Q3 Ekonometrik Dosen: Aniq A Rohmawati, M.Si [Kelas Ekonometrik] CS-36-02 [Jadwal] Senin 10.30-12.30 R.A208A; Selasa 10.30-12.30 R.E302 [Materi Ekonometrik] Kuliah Pemodelan dan Simulasi berisi tentang

Lebih terperinci

Peluang Aturan Perkalian, Permutasi, dan Kombinasi dalam Pemecahan Masalah Ruang Sampel Suatu Percobaan Peluang Suatu Kejadian dan Penafsirannya

Peluang Aturan Perkalian, Permutasi, dan Kombinasi dalam Pemecahan Masalah Ruang Sampel Suatu Percobaan Peluang Suatu Kejadian dan Penafsirannya 2 Aturan Perkalian, Permutasi, dan Kombinasi dalam ; Pemecahan Masalah Ruang Sampel Suatu Percobaan ; Suatu Kejadian dan Penafsirannya ; Pada era demokrasi saat ini untuk menduduki suatu jabatan tertentu

Lebih terperinci

Eksperimen. Ruang Sampel Diskrit. Ruang Sampel. Ruang sampel S, yaitu himpunan dari semua kemungkinan hasil dari suatu percobaan acak (statistik).

Eksperimen. Ruang Sampel Diskrit. Ruang Sampel. Ruang sampel S, yaitu himpunan dari semua kemungkinan hasil dari suatu percobaan acak (statistik). Eksperimen MA 2081 Statistika Dasar Dosen : Udjianna S. Pasaribu Utriweni Mukhaiyar Kamis, 12 Februari 2009 Ciri ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang

Lebih terperinci

CONTOH BAHAN AJAR PENDEKATAN INDUKTIF-DEDUKTIF

CONTOH BAHAN AJAR PENDEKATAN INDUKTIF-DEDUKTIF CONTOH BAHAN AJAR PENDEKATAN INDUKTIF-DEDUKTIF 1 2 ATURAN PERKALIAN LEMBAR KERJA SISWA KE-1 Perhatikan soal yang berkaitan dengan perjalanan berikut ini. Pak Zidan dengan mobilnya akan bepergian dari kota

Lebih terperinci

Bab 3 Pengantar teori Peluang

Bab 3 Pengantar teori Peluang Bab 3 Pengantar teori Peluang Istilah peluang atau kemungkinan, sering kali diucapkan atau didengar. Sebagai contoh ketika manajer dari sebuah klub sepak bola ditanya wartawan tentang hasil pertandingan

Lebih terperinci

/ /16 =

/ /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 terperinci

Catatan 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. 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 terperinci

PELUANG & ATURAN BAYES MA 2181 ANALISIS DATA, 15 AGUSTUS 2011 UTRIWENI MUKHAIYAR

PELUANG & 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 terperinci

I. PENDAHULUAN II. TINJAUAN PUSTAKA

I. PENDAHULUAN II. TINJAUAN PUSTAKA I. PENDAHULUAN 1.1 Latar Belakang Semakin berkembangnya dunia industri di masa sekarang, semakin kompleks pula permasalahan yang ada pada dunia industri. Salah satu permasalahan yang sering ditemui dalam

Lebih terperinci

Pembahasan Contoh Soal PELUANG

Pembahasan Contoh Soal PELUANG Pembahasan Contoh Soal PELUANG 1. Nomor rumah yang dimaksud terdiri atas dua angka. Ini berarti ada dua tempat yang harus diisi, yaitu PULUHAN dan SATUAN. Karena nomor rumah harus ganjil, maka tempat Satuan

Lebih terperinci

Statistika & Probabilitas. Sumber: Materi Kuliah Statistika Dr. Ir. Rinaldi Munir, M.T

Statistika & Probabilitas. Sumber: Materi Kuliah Statistika Dr. Ir. Rinaldi Munir, M.T Statistika & Probabilitas Sumber: Materi Kuliah Statistika Dr. Ir. Rinaldi Munir, M.T Kejadian Kejadian adalah himpunan bagian (subset) dari ruang sampel S. Dapat dipahami, kejadian adalah himpunan dari

Lebih terperinci

PELUANG. Permutasi dengan beberapa elemen yang sama: Dari n obyek terdapat n

PELUANG. Permutasi dengan beberapa elemen yang sama: Dari n obyek terdapat n PELUANG Bab 11 1. Faktorial Faktorial adalah perkalian bilangan asli berurutan Hasil perkalian dari n bilangan asli pertama yang terurut dikatakan sebagai n faktorial (n!) n! n( n 1)( n 2)...3.2.1 5! =

Lebih terperinci

MA2082 BIOSTATISTIKA Orang Biologi Tidak Anti Statistika

MA2082 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 terperinci

I. PENDAHULUAN II. TINJAUAN PUSTAKA

I. PENDAHULUAN II. TINJAUAN PUSTAKA I. PENDAHULUAN 1.1 Latar Belakang Semakin berkembangnya dunia industri di masa sekarang, semakin kompleks pula permasalahan yang ada pada dunia industri. Salah satu permasalahan yang sering ditemui dalam

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 3 Sebaran Peluang Peubah Acak

STK511 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

kegiatan sehari hari pelajaran 2

kegiatan sehari hari pelajaran 2 pelajaran 2 kegiatan sehari hari semua anak senang bermain anak anak bermain setiap hari bermain membuat hati senang bermain boleh saja asal jangan lupa belajar kegiatan sehari hari 17 mengenal tanda baca

Lebih terperinci

ANALISIS DAN PENILAIAN MULTI INDIKATOR PROGRAM KEPENDUDUKAN DAN KELUARGA BERENCANA NASIONAL SEMESTER II TAHUN 2013

ANALISIS DAN PENILAIAN MULTI INDIKATOR PROGRAM KEPENDUDUKAN DAN KELUARGA BERENCANA NASIONAL SEMESTER II TAHUN 2013 ANALISIS DAN PENILAIAN MULTI INDIKATOR PROGRAM KEPENDUDUKAN DAN KELUARGA BERENCANA NASIONAL SEMESTER II TAHUN 2013 BADAN KEPENDUDUKAN DAN KELUARGA BERENCANA i NASIONAL DIREKTORAT PELAPORAN DAN STATISTIK

Lebih terperinci

DAFTAR ALAMAT MADRASAH TSANAWIYAH NEGERI TAHUN 2008/2009

DAFTAR ALAMAT MADRASAH TSANAWIYAH NEGERI TAHUN 2008/2009 ACEH ACEH ACEH SUMATERA UTARA SUMATERA UTARA SUMATERA BARAT SUMATERA BARAT SUMATERA BARAT RIAU JAMBI JAMBI SUMATERA SELATAN BENGKULU LAMPUNG KEPULAUAN BANGKA BELITUNG KEPULAUAN RIAU DKI JAKARTA JAWA BARAT

Lebih terperinci

Konsep Peluang. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Konsep Peluang. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 Konsep Peluang Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 1 THE ROLE OF PROBABILITY IN STATISTICS Probability and statistics are related in an important way. Probability is used as a tool; it allows

Lebih terperinci

Teori Peluang Diskrit

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

Lebih terperinci

PELUANG. LA - WB (Lembar Aktivitas Warga Belajar) MATEMATIKA PAKET C TINGKAT VI DERAJAT MAHIR 2 SETARA KELAS XI. Oleh: Hj. ITA YULIANA, S.Pd, M.

PELUANG. LA - WB (Lembar Aktivitas Warga Belajar) MATEMATIKA PAKET C TINGKAT VI DERAJAT MAHIR 2 SETARA KELAS XI. Oleh: Hj. ITA YULIANA, S.Pd, M. LA - WB (Lembar Aktivitas Warga Belajar) PELUANG Oleh: Hj. ITA YULIANA, S.Pd, M.Pd MATEMATIKA PAKET C TINGKAT VI DERAJAT MAHIR 2 SETARA KELAS XI Created By Ita Yuliana 13 Peluang Kompetensi Dasar 1. Menggunakan

Lebih terperinci

BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 1. PELUANG

BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 1. PELUANG Pertemuan 3. 1.6 Peluang Bersyarat BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 1. PELUANG Peluang terjadinya suatu kejadian B bila diketahui bahwa kejadian A telah terjadi disebut

Lebih terperinci

ketertiban biasakanlah mematuhi tata tertib tata tertib melatih sikap disiplin sejak kecil kita disiplin sudah besar jadi orang berguna

ketertiban biasakanlah mematuhi tata tertib tata tertib melatih sikap disiplin sejak kecil kita disiplin sudah besar jadi orang berguna tema 5 ketertiban gambar 5.1 masuk kelas dengan tertib biasakanlah mematuhi tata tertib tata tertib melatih sikap disiplin sejak kecil kita disiplin sudah besar jadi orang berguna kamu harus mampu setelah

Lebih terperinci

Definisi 1.1: Jika S dan A adalah himpunan semua kejadian tertentu yang memenuhi, maka

Definisi 1.1: Jika S dan A adalah himpunan semua kejadian tertentu yang memenuhi, maka Pertemuan 1: Kompetensi Dasar: Menggunakan konsep probabilitas sehingga dapat melakukan Tujuan: pendekatan perhitungan probabilitas. 1. Mahasiswa diharapkan mampu menentukan nilai probabilitas dengan pendekatan

Lebih terperinci

Contoh Soal Soal Peluang

Contoh Soal Soal Peluang Contoh Soal Soal Peluang 1. 10 orang finalis suatu lomba kecantikan akan dipilih secara acak 3 yang terbaik. Banyak cara pemilihan tersebut ada cara. a. 70 b. 80 c. 120 d. 360 e. 720 ( Soal Ujian Nasional

Lebih terperinci

MODUL PELUANG MATEMATIKA SMA KELAS XI

MODUL PELUANG MATEMATIKA SMA KELAS XI KATA PENGANTAR Segala puji syukur bagi Allah SWT yang senantiasa melimpahkan rahmat dan karunia-nya. Sebaik-baiknya shalawat serta salam semoga Allah SWT limpahkan kepada Nabi Besar Muhammad SAW, beserta

Lebih terperinci

INSTRUKSI KERJA UJIAN PRAKTIKUM

INSTRUKSI KERJA UJIAN PRAKTIKUM INSTRUKSI KERJA 0080540032 LABORATORIUM PATOLOGI ANATOMI MALANG 2012 INSTRUKSI KERJA LABORATORIUM PATOLOGI AMATOMI MALANG Kode Dokumen : 00800 05000 Revisi : 2 Tanggal : 24 September 2012 Diajukan oleh

Lebih terperinci

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

STATISTIK INDUSTRI 1. Agustina Eunike, ST., MT., MBA STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Probabilitas PELUANG Eksperimen Aktivitas / pengukuran / observasi suatu fenomena yang bervariasi outputnya Ruang Sampel / Sample Space Semua output

Lebih terperinci

PELUANG 8/18/2010 EKSPERIMEN RUANG SAMPEL. Ruang sampel S, yaitu himpunan dari semua kemungkinanki hasil dari suatu percobaan acak (statistik).

PELUANG 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 terperinci

Peluang & Aturan Bayes. MA 2081 STATISTIKA DASAR 5 Februari 2014 Utriweni Mukhaiyar

Peluang & 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 terperinci

A. Percobaan Statistika, Titik Sampel, Ruang Rampel, dan Kejadian

A. Percobaan Statistika, Titik Sampel, Ruang Rampel, dan Kejadian 4.1 Apa yang akan kamu pelajari? Macam-macam kejadian. Mencari peluang dengan frekuensi nisbi/relatif. Mencari titik dan ruang sampel. Kata Kunci: Kejadian Frekuensi nisbi/relatif Peluang Titik sampel

Lebih terperinci

PELUANG. Oleh: Elly Arliani, M.Si. PENDALAMAN MATERI

PELUANG. Oleh: Elly Arliani, M.Si. PENDALAMAN MATERI PENDALAMAN MATERI PELUANG Makalah Disampaikan dalam kegiatan Diklat Peningkatan Kualitas Guru MAN Bidang Studi Matematika Departemen Agama se Propinsi Jateng dan DIY Desember 006 Oleh: Elly Arliani, M.Si.

Lebih terperinci

PROBABILITAS 02/10/2013. Dr. Vita Ratnasari, M.Si

PROBABILITAS 02/10/2013. Dr. Vita Ratnasari, M.Si PROBABILITAS Dr. Vita Ratnasari, M.Si Dalam menghadapi persoalan-persoalan yang TIDAK PASTI diperlukan suatu ukuran untuk menyatakan tingkat KEPASTIAN atau KETIDAKPASTIAN kejadian tsb. Definisi / pengertian

Lebih terperinci

STATISTIK DAN STATISTIKA

STATISTIK DAN STATISTIKA STATISTIK DAN STATISTIKA MAKNA DARI PENGERTIAN STATISTIK DAN STATISTIKA DATA STATISTIK Pengertian : Data adalah keterangan atau fakta mengenai suatu persoalan bisa berupa kategori (rusak, baik senang,

Lebih terperinci

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

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

Lebih terperinci

Bab 11 PELUANG. Contoh : 5! = = 120

Bab 11 PELUANG. Contoh : 5! = = 120 PELUANG Bab 11 1. Faktorial Faktorial adalah perkalian bilangan asli berurutan Hasil perkalian dari n bilangan asli pertama yang terurut dikatakan sebagai n faktorial (n!) n! n( n 1)( n 2)...3.2.1 5! =

Lebih terperinci

Metode Statistika STK211/ 3(2-3)

Metode Statistika STK211/ 3(2-3) Metode Statistika STK211/ 3(2-3) Pertemuan IV Konsep Peluang Septian Rahardiantoro - STK IPB 1 Populasi Pengambilan contoh dari populasi untuk pendugaan parameter Contoh1 Parameter μ Statistik x Setara

Lebih terperinci

Peluang suatu kejadian

Peluang suatu kejadian Peluang suatu kejadian Percobaan: Percobaan adalah suatu tindakan atau kegiatan yang dapat memberikan beberapa kemungkinan hasil Ruang Sampel: Ruang sampel adalah himpunan semua hasil yang mungkin dari

Lebih terperinci

ULANGAN UMUM MADRASAH ALIYAH SEMESTER GANJIL TAHUN PELAJARAN MATEMATIKA XI IPS

ULANGAN UMUM MADRASAH ALIYAH SEMESTER GANJIL TAHUN PELAJARAN MATEMATIKA XI IPS ULANGAN UMUM MADRASAH ALIYAH SEMESTER GANJIL TAHUN PELAJARAN 2009-2010 MATEMATIKA XI IPS Hari / tanggal :... Desember 2009 Waktu : 120 menit Pilih salah satu jawaban yang benar dengan memberi tanda silang

Lebih terperinci

peluang Contoh 6.1 Ali mempunyai 2 celana dan 3 baju yang berbeda. Berapa stelan celana dan baju berbeda yang dipunyai Ali? Matematika Dasar Page 46

peluang Contoh 6.1 Ali mempunyai 2 celana dan 3 baju yang berbeda. Berapa stelan celana dan baju berbeda yang dipunyai Ali? Matematika Dasar Page 46 peluang 6.1 Kaidah Pencacahan A. Aturan Perkalian Misal suatu plat nomor sepeda motor terdiri atas dua huruf berbeda yang diikuti tiga angka dengan angka pertama bukan 0. Berapa banyak plat nomor berbeda

Lebih terperinci

TEORI PROBABILITAS. Amir Hidayatulloh, S.E., M.Sc Prodi Akuntansi Fakultas Ekonomi dan Bisnis Universitas Ahmad Dahlan

TEORI PROBABILITAS. Amir Hidayatulloh, S.E., M.Sc Prodi Akuntansi Fakultas Ekonomi dan Bisnis Universitas Ahmad Dahlan TEORI PROBABILITAS Amir Hidayatulloh, S.E., M.Sc Prodi Akuntansi Fakultas Ekonomi dan Bisnis Universitas Ahmad Dahlan SAYA YAKIN MAHASISWA BELUM MELUPAKAN SAYA. YUK, INGAT SAYA KEMBALI SEBELUM KITA BERKENALAN

Lebih terperinci

CHAPTER 7 DISCRETE PROBABILITY

CHAPTER 7 DISCRETE PROBABILITY CHAPTER 7 DISCRETE PROBABILITY 1 7.1 AN INTRODUCTION TO DISCRETE PROBABILITY 2 Sejarah 1526: Cardano menulis Liber de Ludo Aleae (Book on Games of Chance). Abad 17: Pascal menentukan kemungkinan untuk

Lebih terperinci

Tentang MA5283 Statistika BAB 1 STATISTIKA DESKRIPTIF MA5283 STATISTIKA. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Orang Cerdas Belajar Statistika

Tentang MA5283 Statistika BAB 1 STATISTIKA DESKRIPTIF MA5283 STATISTIKA. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Orang Cerdas Belajar Statistika Orang Cerdas Belajar Statistika Bentuk perkuliahan Jadwal Kuliah Buku teks Penilaian Matriks kegiatan perkuliahan Jadwal Kuliah 1 Tatap muka di kelas 2 Praktikum di Lab. Statistika dan Komputasi Bentuk

Lebih terperinci

STK 211 Metode statistika. Materi 3 Konsep Dasar Peluang

STK 211 Metode statistika. Materi 3 Konsep Dasar Peluang STK 211 Metode statistika Materi 3 Konsep Dasar Peluang 1 Pendahuluan Banyak kejadian-kejadian di dunia ini yang tidak pasti Misal: Akankah hujan sore hari ini? Akankah PSSI menang? dll Nilai Kejadian

Lebih terperinci

BAB II DESKRIPSI DAN PROFIL PENDERITA DIABETES

BAB II DESKRIPSI DAN PROFIL PENDERITA DIABETES BAB II DESKRIPSI DAN PROFIL PENDERITA DIABETES 2.1 Deskripsi Diabetes Diabetes adalah penyakit yang disebabkan oleh pola makan/nutrisi, kebiasaan tidak sehat, kurang aktifitas fisik, dan stress. Penderita

Lebih terperinci

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

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB) Diskusi 1 Tanggal 29 Januari 2014, Waktu: suka-suka menit Peluang suatu kejadian; sifat-sifat peluang (termasuk kejadian-kejadian saling asing dan saling bebas); peluang bersyarat; peluang total; 1. Buktikan

Lebih terperinci

Peluang & Aturan Bayes. MA 2081 STATISTIKA DASAR, 6 FEBRUARI 2012 Utriweni Mukhaiyar

Peluang & 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 terperinci

PERMUTASI, KOMBINASI DAN PELUANG. Kaidah pencacahan membantu dalam memecahkan masalah untuk menghitung

PERMUTASI, KOMBINASI DAN PELUANG. Kaidah pencacahan membantu dalam memecahkan masalah untuk menghitung PERMUTASI, KOMBINASI DAN PELUANG A. KAIDAH PENCACAHAN Kaidah pencacahan membantu dalam memecahkan masalah untuk menghitung berapa banyaknya cara yang mungkjin terjadi dalam suatu percobaan. Kaidah pencacahan

Lebih terperinci

DAFTAR TERJEMAH. No. Bab Kutipan Hal. Terjemah

DAFTAR TERJEMAH. No. Bab Kutipan Hal. Terjemah 97 Lampiran 1. Daftar Terjemah DAFTAR TERJEMAH No. Bab Kutipan Hal. Terjemah 1. I Q.S. Ar-Ra d ayat 11 1 Baginya (manusia) ada malaikatmalaikat yang selalu menjaganya bergiliran, dari depan dan belakangnya.

Lebih terperinci

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

Minggu 3 Peluang Bersyarat (Teorema Bayes) Minggu 4 Peubah Acak, Fungsi Peluang, Fungsi Distribusi. Minggu 6 Distribusi Peubah Acak Diskrit (PAD) MUG2E3 Statistika Dosen: Aniq A Rohmawati, M.Si [Kelas Statistika] CS-38-02 [Jadwal] Rabu 12.30-14.30 R.KU3.05.14; Jumat 16.30-18.30 R.KU3.05.15 [Materi Statistika] Minggu 1 Statistika deskriptif Minggu

Lebih terperinci

Kaidah Bayes dan Kejadian Bebas

Kaidah Bayes dan Kejadian Bebas 6 Maret 2014 Learning Outcome Mahasiswa dapat memahami konsep dan kaidah Bayes Mahasiswa dapat mendefinisikan rasio odd Mahasiswa dapat memahami kejadian bebas Mahasiswa dapat membuktikan beberapa proposisi

Lebih terperinci

PELUANG. Standar kompetensi : Menggunakan aturan statistika, kaidah, pencacahan, dan sifatsifat peluang dalam pemecahan masalah

PELUANG. Standar kompetensi : Menggunakan aturan statistika, kaidah, pencacahan, dan sifatsifat peluang dalam pemecahan masalah 1 PELUANG Standar kompetensi : Menggunakan aturan statistika, kaidah, pencacahan, dan sifatsifat peluang dalam pemecahan masalah Kompetensi Dasar : Menggunakan aturan perkalian, permutasi dan kombinasi

Lebih terperinci

Catatan Kuliah. MA5181 Proses Stokastik

Catatan Kuliah. MA5181 Proses Stokastik Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik

Lebih terperinci

Probabilitas. Oleh Azimmatul Ihwah

Probabilitas. Oleh Azimmatul Ihwah Probabilitas Oleh Azimmatul Ihwah Teori Probabilitas Life is full of uncertainty Dimana terkadang kita tidak tahu apa yang akan terjadi semenit kemudian. Namun suatu kejadian dapat diperkirakan lebih sering

Lebih terperinci

Probabilitas dan Statistika Teori Peluang. Adam Hendra Brata

Probabilitas dan Statistika Teori Peluang. Adam Hendra Brata dan Statistika Teori Peluang Adam Hendra Brata / Peluang / Peluang atau Peluang merupakan ukuran numeric tentang seberapa sering peristiwa itu akan terjadi Semakin besar nilai probabilitas menyatakan bahwa

Lebih terperinci

Pilihla jawaban yang paling tepat!

Pilihla jawaban yang paling tepat! Pilihla jawaban yang paling tepat!. Ingkaran dari pernyataan: ( ~ q) r adalah.... A. ( ~ q) ~ r B. (~ ( q) ~ r C. ( ~ q) ~ r D. ( ~ q) ~ r E. (~ q) ~ r Jawaban : A Ingkaran { p ~ q r} (p ~ q) ~ r. Pernyataan

Lebih terperinci

TEORI PROBABILITAS (KEMUNGKINAN) Saptawati Bardosono

TEORI PROBABILITAS (KEMUNGKINAN) Saptawati Bardosono TEORI PROBABILITAS (KEMUNGKINAN) Saptawati Bardosono Teori Kemungkinan (probabilitas) Untuk komunikasi informasi medis di antara para ahli dan antara seorang ahli dengan pasiennya dan untuk mencegah terjadinya

Lebih terperinci

Pert 3 PROBABILITAS. Rekyan Regasari MP

Pert 3 PROBABILITAS. Rekyan Regasari MP Pert 3 PROBABILITAS Rekyan Regasari MP Berapakah kemungkinan sebuah koin yang dilempar akan menghasilkan gambar angka Berapakah kemungkinan gedung ini akan runtuh Berapakah kemungkinan seorang kreditur

Lebih terperinci

BAB V TEORI PROBABILITAS

BAB V TEORI PROBABILITAS BAB V TEORI PROBABILITAS Probabilitas disebut juga dengan peluang atau kemungkinan. Probabilitas merupakan suatu nilai yang digunakan untuk mengukur tingkat terjadinya suatu kejadian yang acak. Oleh karena

Lebih terperinci

Konsep Dasar Peluang. Modul 1

Konsep Dasar Peluang. Modul 1 Modul Konsep Dasar Peluang Dra. Kusrini, M. Pd. M odul ini berisi 3 Kegiatan Belajar. Dalam Kegiatan Belajar Anda akan mempelajari Konsep Himpunan dan Pencacahan, dalam Kegiatan Belajar 2 Anda akan mempelajari

Lebih terperinci

Teori Probabilitas. Debrina Puspita Andriani /

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

Lebih terperinci

Definisi Peluang bersyarat A bila B diketahui dilambangkan dengan P(A B) dan didefinisikan sebagai, P(B) > 0

Definisi Peluang bersyarat A bila B diketahui dilambangkan dengan P(A B) dan didefinisikan sebagai, P(B) > 0 MODUL 3 Peluang Bersyarat Peluang suatu kejadian bila diketahui bahwa suatu kejadian lain B telah terjadi disebut sebagai peluang bersyarat dan dilambangkan dan dibaca peluang terjadinya bila kejadian

Lebih terperinci

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

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

Lebih terperinci

TONGGIROH, ST. MT JURUSAN TEKNIK GEOLOGI FAKULTAS TEKNIK UNIVERSITAS HASANUDDIN SEPTEMBER,

TONGGIROH, ST. MT JURUSAN TEKNIK GEOLOGI FAKULTAS TEKNIK UNIVERSITAS HASANUDDIN SEPTEMBER, PEDOMAN OPERASIONAL LABORATORIUM KIMIA Dr. ADI TONGGIROH, ST. MT JURUSAN TEKNIK GEOLOGI FAKULTAS TEKNIK UNIVERSITAS HASANUDDIN SEPTEMBER, 2014 Tujuan 1. Memberikan acuan bagi mahasiswa, dosen, asisten

Lebih terperinci

PENGANTAR TEORI PELUANG. Pendahuluan

PENGANTAR TEORI PELUANG. Pendahuluan 1 Sufyani Prabawanto Bahan Belajar Mandiri 5 PENGANTAR TEORI PELUANG Pendahuluan Sebagai seorang guru, kita sering berhadapan dengan skor-skor hasil tes siswa. Misalkan seorang siswa memperoleh skor asli

Lebih terperinci

Indikator Sub Indikator Banyaknya Butir. kejadian pada percobaan pelemparan uang logam. pelemparan dadu. pengambilan buah. pengambilan kartu bridge.

Indikator Sub Indikator Banyaknya Butir. kejadian pada percobaan pelemparan uang logam. pelemparan dadu. pengambilan buah. pengambilan kartu bridge. 51 52 53 54 Kisi-kisi Instrumen untuk Instrumen Tes Hasil Belajar Mata Pelajaran : Matematika Kelas/ Semester : XI BAHASA/ 2 Standar Kompetensi : Menggunakan aturan statistika, kaidah pencacahan, dan sifat-sifat

Lebih terperinci

Learning Outcomes Peluang Bersyarat Latihan-1 Hukum Penggandaan Hukum Total Peluang Latihan-2. Peluang Bersyarat. Julio Adisantoso.

Learning Outcomes Peluang Bersyarat Latihan-1 Hukum Penggandaan Hukum Total Peluang Latihan-2. Peluang Bersyarat. Julio Adisantoso. 2 Maret 2014 Learning Outcome Mahasiswa dapat memahami kejadian dan peluang bersyarat Mahasiswa dapat memahami hukum penggandaan Mahasiswa dapat memahami hukum total peluang Mahasiswa dapat memiliki dasar

Lebih terperinci

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist

BI5106 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 terperinci

Sayang berhenti menangis, masuk ke rumah. Tapi...tapi kenapa mama pergi, Pa? Masuk Sayang suatu saat nanti pasti kamu akan tahu kenapa mama harus

Sayang berhenti menangis, masuk ke rumah. Tapi...tapi kenapa mama pergi, Pa? Masuk Sayang suatu saat nanti pasti kamu akan tahu kenapa mama harus SATU Love is that condition in which the happiness of another person is essential to your own - ROBERT A. HEINLEIN Kenapa Mama harus pergi? tanya seorang anak berusia sekitar delapan tahun. Mama harus

Lebih terperinci

Learning Outcomes Ruang Contoh Kejadian Aksioma Peluang Latihan. Aksioma Peluang. Julio Adisantoso. 16 Pebruari 2014

Learning Outcomes Ruang Contoh Kejadian Aksioma Peluang Latihan. Aksioma Peluang. Julio Adisantoso. 16 Pebruari 2014 16 Pebruari 2014 Learning Outcome Mahasiswa dapat memahami ruang contoh, kejadian, dan koleksi Mahasiswa dapat melakukan operasi himpunan kejadian Mahasiswa dapat memahami aksioma peluang Mahasiswa dapat

Lebih terperinci

Ruang Contoh dan Kejadian

Ruang Contoh dan Kejadian 2 N i 1 x i N 2 Ruang Contoh dan Kejadian Suatu fenomena dikatakan acak jika hasil dari suatu percobaan bersifat tidak pasti Fenomena acak sering mengikuti suatu pola tertentu Keteraturan acak dalam jangka

Lebih terperinci