Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah
|
|
- Doddy Santoso
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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) x f X (x) dx dimana p X dan f X adalah fungsi peluang dari X. Catatan: 1. Ekspektasi adalah rata-rata tertimbang (weighted average) dari nilai yang mungkin dari X 2. Ekspektasi mean momen pertama 3. Ekspektasi suatu peubah acak adalah nilai rata-rata (long-run average value) dari percobaan bebas yang berulang 3. Apakah ekspektasi harus berhingga? (Diskusi!) Contoh/Latihan: 1. Pengurus dan Anggota HIMATIKA sebanyak 12 orang akan berangkat ke Jakarta dengan menggunakan 3 bis. Ada 36 mahasiswa di bis 1, 4 mahasiswa di bis 2 dan 44 mahasiswa di bis 3. Ketika bis sampai tujuan, seorang mahasiswa dipilih secara acak. Misalkan X menyatakan 1
2 banyaknya mahasiswa di bis dimana seseorang tersebut terpilih. Hitung E(X). ( ) 2. Jika X P ois(λ), tentukan E(X). ( λ) 3. Misalkan X adalah peubah acak dengan nilai yang mungkin 1,, 1 dan peluang: p( 1).2, p().5, p(1).3 Hitung E(X 2 ). (.5) SIFAT-SIFAT EKSPEKTASI 1. E(g(X)) g(x) f X(x) dx 2. E(a X + b Y ) a E(X) + b E(Y ) 3. E(XY ) E(X) E(Y ), jika X dan Y saling bebas. 4. E(X) P (X > x) dx, untuk X > (*) 5. E(X r ) xr f X (x) dx (momen ke-r) 6. E((X µ X ) r ) (x µ X) r f X (x) dx (momen pusat ke-r) 7. E((X µ X ) 2 ) V ar(x) E(X 2 ) (E(X)) 2 Deviasi standar dari X adalah akar kuadrat Variansi dari X. 8. E(e tx ) etx f X (x) dx M X (t) (fungsi pembangkit momen) 9. M X () E(X), M X () E(X2 ) Contoh/Latihan: 1. Misalkan Y menunjukkan banyaknya gol yang diciptakan oleh seorang pemain sepak bola di suatu pertandingan yang terpilih acak: y p(y) Misalkan W adalah banyaknya pertandingan dimana seorang pemain sepak bola menciptakan 3 atau lebih gol dalam 4 pertandingan terpilih acak. Berapa nilai harapan banyak pertandingan dimana pemain menciptakan 3 atau lebih gol? MA481 Pros.Stok. 2 K. Syuhada, PhD.
3 P (Y 3).4 P ( sukses ) p E(W ) n p 4 (.4) Misalkan X peubah acak dengan M X (t) sebagai fungsi pembangkit momen. Didefinisikan f(t) ln M X (t). Tunjukkan bahwa f () V ar(x) saat t, f (t) M X(t)/M X (t) f (t) M X (t) M X(t) (M X (t))2 (M X (t)) 2 f () M X () M X() (M X ())2 (M X ()) 2 E(X 2 ) (E(X)) 2 V ar(x) dimana M X () 1, M X () E(X), M X () E(X2 ). 3. Diketahui fungsi peluang: f(x) c (4x 2x 2 ), < x < 2 Hitung E(X) dan P (1/2 < X < 3/2) 2 f(x) dx 2 c(4x 2x 2 ) dx 1 Diperoleh c 3/8. E(X) x 3/8 (4x 2x 2 ) dx 1 P (1/2 < X < 3/2) 3/2 1/2 3/8 (4x 2x 2 ) dx 11/16 4. Diketahui X B(n, p). Buktikan: ( ) 1 E p + q(1 qn ) X + 1 (n + 1)p MA481 Pros.Stok. 3 K. Syuhada, PhD.
4 Bukti: E 5. Diketahui: ( ) 1 X + 1 n 1 i + 1 n!(n i)! i! pi q n i n n!(n i)! (i + 1)! p i q n i i i 1 (n + 1)p 1 (n + 1)p n i n+1 j1 C n+1 i+1 pi+1 q n i C n+1 j p j q n+1 j 1 [ 1 C n+1 p q n+1 ] (n + 1)p 1 ( ) 1 q n+1 (n + 1)p p + q qn+1 (n + 1)p p + q(1 qn ) (n + 1)p f(x) 1 Γ(r) (λ x)r 1 λ exp( λ x) Tentukan E(X k ), k 2, 3 X Gamma(r, λ) dengan M X (t) (1 λ t) r. M X(t), M X (t) 6. Misalkan X peubah acak berdistribusi Poisson dengan parameter θ. Tunjukkan bahwa: E ( X n) θ E ( (X + 1) n 1) MA481 Pros.Stok. 4 K. Syuhada, PhD.
5 Bukti: E ( X n) λ i n e λ λ i / i! i i n e λ λ i / i! i1 i n 1 e λ λ i / (i 1)! i1 (j + 1) n 1 e λ λ j+1 / j! j (j + 1) n 1 e λ λ j / j! j λ E ( (X + 1) n 1) 7. Misalkan X menyatakan lama (jam) mhs belajar TP dan fungsi peluang X adalah sbb: f(x) { x 2, 2 x < 3 1, 4 < x < 6 4 (a) Berapa persen mhs menghabiskan waktu lebih dari 15 menit utk belajar TP? (b) Berapa rata-rata lama waktu mhs belajar TP? (c) Jika seorang mhs menghabiskan waktu lebih dari 13 menit, berapa peluang mhs itu selesai belajar kurang dari 4.5 jam? (d) Hitung P (X 2), P (X 3), P (X E(X)), P (X < E(X)) (a) P (X > 2.5) 3 (x 2) dx + 6 1/4 dx (b) E(X) 1/3 (c) P (X < 4.5 X > 13/6) P (13/6 < X < 4.5)/P (X > 13/6) (d) P (X E(X)), P (X < E(X)) P (X < 1/3) 1/2 MA481 Pros.Stok. 5 K. Syuhada, PhD.
6 8. Misalkan X peubah acak dengan fungsi distribusi F (x), x < 2.2, 2 x <.5, x < 2.2.6, 2.2. x < q, 3 x < q, 4 x < 5.5 1, x 5.5 dan diketahui P (X > 3.3).25. a. Tentukan fungsi pembangkit momen dari X atau M X (t) b. Gunakan M X (t) untuk menentukan Var(X). p( 2).2, p().3, p(2.2).1, p(3) q, p(4) q, p(5.5).4 2q a. P (X > 3.3) p(4) + p(5.5) q +.4 2q.25 q.15 M X (t) E(e tx ) e tx p(x) e 2t p( 2) + e t p() + e 2.2t p(2.2) + e 3t p(3) + e 4t p(4) + e 5.5t p(5.5).2 e 2t e 2.2t +.15 e 3t +.15 e 4t +.1 e 5.5t b. M X(t).2 e 2t e 2.2t +.15 e 3t +.15 e 4t +.1 e 5.5t.4 e 2t +.22 e 2.2t +.45 e 3t +.6 e 4t +.55 e 5.5t M X() MA481 Pros.Stok. 6 K. Syuhada, PhD.
7 1.2 FUNGSI PELUANG BERSAMA Ilustrasi. Sebuah perusahaan asuransi menduga bahwa setiap orang akan mengalami dan memiliki parameter kecelakaan. Banyaknya kecelakaan pada seseorang setiap tahun berdistribusi Poisson dengan parameter λ. Perusahaan juga menduga bahwa pemegang polis baru akan memiliki parameter kecelakaan yang nilainya adalah peubah acak gamma dengan parameter s dan α. Jika seorang pemegang polis baru mengalami n kecelakan di tahun pertama, kita dapat menentukan peluang bersyarat dari parameter kecelakaannya. Selain itu, kita juga dapat menentukan banyak kecelakaan (yang diharapkan) pada tahun berikutnya. Misalkan X dan Y ada peubah acak-peubah acak diskrit yang terdefinisi di ruang sampel yang sama. Fungsi peluang bersama (joint pmf) dari X dan Y adalah p X,Y (x, y) P (X x, Y y) Catatan: 1. Kondisi bahwa X dan Y terdefinisi pada ruang sampel yang sama berarti 2 peubah acak tsb memberikan informasi secara bersamaan terhadap keluaran (outcome) dari percobaan yang sama 2. {X x, Y y} adalah irisan kejadian {X x} dan {Y y}; kejadian dimana X bernilai x dan Y bernilai y Proposisi Fungsi peluang bersama p X,Y memenuhi sifat-sifat berikut: 1. p X,Y (x, y), (x, y) 2. (x, y) R 2 : p X,Y (x, y) terhitung 3. x,y p X,Y (x, y) 1 Proposisi Misalkan X dan Y peubah acak-peubah acak diskrit yang didefinisikan pada ruang sampel yang sama. Maka, p X (x) y p X,Y (x, y), x R MA481 Pros.Stok. 7 K. Syuhada, PhD.
8 dan p Y (y) x p X,Y (x, y), y R adalah fungsi peluang marginal dari X dan fungsi peluang marginal dari Y. Contoh/Latihan: 1. Diberikan data ttg jumlah kamar tidur dan kamar mandi dari 5 rumah yang akan dijual sbb (X kamar tidur, Y kamar mandi): X\Y Total Total 23 5 a. Hitung p X,Y (3, 2) b. Tentukan fungsi peluang bersama dari X dan Y X\Y Total Total Misalkan kita punyai 2 komponen elektronik yang identik. Misalkan juga X dan Y adalah waktu hidup (jam, diskrit). Asumsikan fungsi peluang bersama dari X dan Y adalah p X,Y (x, y) p 2 (1 p) x+y 2, x, y N dimana < p < 1. Tentukan dan identifikasikan fungsi peluang marginal dari X dan Y. p X (x) y p X,Y (x, y) p 2 (1 p) x+y 2 y1 p 2 (1 p) x 2 (1 p) y p (1 p) x 1 y1 MA481 Pros.Stok. 8 K. Syuhada, PhD.
9 3. Diantara 8 orang politisi: 2 Golkar, 2 Demokrat, 4 PDIP. Tiga dari 8 politisi ini dipilih secara acak dengan pengembalian. Misalkan X adalah banyaknya Golkar, Y banyaknya Demokrat. Tentukan fungsi peluang bersama X dan Y. Hitung P (X Y ) p X,Y (x, y) C 3 x,y,3 x y (1/4) x (1/4) y (1/2) 3 x y, x, y, 1, 2, 3 X\Y Total 1/8 3/16 3/32 1/64 27/64 1 3/16 3/16 3/64 27/64 2 3/32 3/64 9/64 3 1/64 1/64 Total 27/64 27/64 9/64 1/ Pandang keadaan pada soal 2. Tentukan peluang bahwa (a) kedua komponen elektronik tsb bertahan lebih dari 4 jam? (b) salah satu komponen bertahan setidaknya 2 kali dari komponen yang lain? p X,Y (x, y) p 2 (1 p) x+y 2 x>4 y>4 x5 y5 (1 p) 8 P (X 2Y ) + P (Y 2X) 2 P (X 2Y ) 2 p 2 (1 p) x+y 2 y1 x2y 2(1 p) 3 3p + p 2 Definisi: Misalkan X dan Y adalah peubah acak-peubah acak yang terdefinisi di ruang sampel yang sama. Fungsi distribusi bersama dari X dan Y, F X,Y adalah F X,Y (x, y) P (X x, Y y), x, y R Contoh: MA481 Pros.Stok. 9 K. Syuhada, PhD.
10 Misalkan sebuah titik diambil secara acak dari {(x, y) R 2 : < x < 1, < y < 1} Misalkan X dan Y menyatakan koordinat x dan y dari titik yang terpilih. Tentukan fungsi distribusi bersama dari X dan Y. Jawab: Kasus 1: x <, y < Kasus 2: x < 1, y < 1 Kasus 3: x < 1, y 1 Kasus 4: x 1, y < 1 Kasus 5: x 1, y 1 Proposisi. Misalkan X dan Y peubah acak-peubah acak terdefinisi di ruang sampel yang sama. Untuk semua bilangan riil a, b, c, d dimana a < b dan c < d, P (a < X b, c < Y d) F X,Y (b, d) F X,Y (b, c) F X,Y (a, d)+f X,Y (a, c) Definisi. Misalkan X dan Y adalah peubah acak-peubah acak yang didefinisikan pada ruang sampel yang sama. Fungsi non-negatif f X,Y adalah fungsi peluang bersama dari X dan Y untuk semua bilangan riil a, b, c, d dimana a < b dan c < d, P (a X b, c Y d) Catatan: b a d c f X,Y (x, y) dxdy f X,Y (x, y) 2 x y F X,Y (x, y) 2 y x F X,Y (x, y) Proposisi. Suatu fungsi peluang bersama f X,Y (x, y) dari peubah acak X dan Y memenuhi 2 sifat berikut 1. f X,Y (x, y) untuk semua (x, y) R 2 2. f X,Y (x, y) dxdy 1 Proposisi Misalkan X dan Y adalah peubah acak-peubah acak kontinu dengan fungsi MA481 Pros.Stok. 1 K. Syuhada, PhD.
11 peluang bersama f X,Y (x, y). Maka dan f X (x) f Y (y) f X,Y (x, y)dy, x R f X,Y (x, y)dx, y R adalah fungsi peluang marginal dari X dan Y. Contoh/Latihan: 1. Misalkan X dan Y memiliki fungsi peluang bersama (i) f(x, y) c (y 2 x 2 ) e y, y x y, < y < (ii) f(x, y) c x y 2, x 1, y 1 a. Tentukan c b. Tentukan fungsi peluang marginal X dan Y c. Hitung P (Y > 2X) d. Apakah X dan Y saling bebas? a. Untuk menentukan c: 1 Jadi c 1/8. y y c (y 2 x 2 ) e y dx dy 8c b. Fungsi peluang marginal: f X (x) 1/4 e x (1 + x ) f Y (y) 1/6 y 3 e y, y c. P (Y > 2X) y/2 y c (y 2 x 2 ) e y dx dy d. X dan Y tidak saling bebas. MA481 Pros.Stok. 11 K. Syuhada, PhD.
12 Catatan: X dan Y saling bebas jika f(x, y) f X (x) f Y (y) 2. Pandang 2 komponen elektronik A dan B dengan masa hidup X dan Y. Fungsi peluang bersama dari X dan Y adalah f X,Y (x, y) λ µ exp( λx + µy), x, y > dimana λ >, µ > a. Tentukan peluang bahwa kedua komponen berfungsi pada saat t b. Tentukan peluang bahwa komponen A adalah komponen yang pertama kali rusak c. Tentukan peluang bahwa komponen B adalah komponen yang pertama kali rusak a. P (X > t, Y > t) t t e (λ+µ)t λ µ e (λ x+µ y) dy dx b. P (X < Y ) x λ λ + µ λ µ e (λ x+µ y) dy dx 3. Ketika kebakaran terjadi dan dilaporkan ke perusahaan asuransi, perusahaan asuransi tersebut segera membuat perkiraan awal X yaitu besar nilai klaim yang akan diberikan. Setelah klaim dihitung secara lengkap, perusahaan harus melunasi pembayaran klaim sebesar Y. Perusahaan menentukan bahwa X dan Y memiliki fungsi peluang bersama f X,Y (x, y) 2 x 2 (x 1) y (2x 1)/(x 1), x > 1, y > 1 a. Tentukan f X (x) b. Jika besar klaim awal yang diberikan adalah 2, tentukan peluang bahwa klaim yang diterima berikutnya adalah antara 1 dan 3. MA481 Pros.Stok. 12 K. Syuhada, PhD.
13 a. f X (x) 1 b. P (1 < Y < 3 X 2) 2 x 2 (x 1) y (2x 1)/(x 1) dy 3 1 8/9 ( fx,y (x, y) f X (x) ) dy X2 MA481 Pros.Stok. 13 K. Syuhada, PhD.
14 1.3 EKSPEKTASI BERSYARAT Ilustrasi 1. Misalkan banyaknya kecelakaan kerja rata-rata per minggu di suatu pabrik adalah empat. Misalkan banyaknya buruh yang terluka/cedera setiap kecelakaan adalah peubah acak yang saling bebas dengan mean dua. Asumsikan bahwa banyaknya buruh yang terluka di setiap kecelakaan saling bebas dengan banyaknya kecelakaan yang terjadi. Berapa banyak orang terluka rata-rata per minggu? Ilustrasi 2. Seorang narapidana terjebak dalam suatu sel penjara yang memiliki tiga pintu. Pintu pertama akan membawanya ke sebuah terowongan dan kembali ke sel dalam waktu dua hari. Pintu kedua dan ketiga akan membawanya ke terowongan yang kembali ke sel dalam tempo masing-masing empat dan satu hari. Asumsikan bahwa sang napi selalu memilih pintu 1, 2, dan 3 dengan peluang.5,.3 dan.2, berapa lama waktu rata-rata (expected number of days) yang dibutuhkan untuk dia agar selamat? Definisi: Misalkan X dan Y adalah peubah acak-peubah acak diskrit. Jika p X (x) > maka fungsi peluang bersyarat dari Y diberikan X x (notasi: p Y X (y x)), adalah p Y X (y x) p X,Y (x, y), y R p X (x) Jika p X (x), kita definiskan p Y X (y x) namun tidak dikatakan sebagai fungsi peluang bersyarat. Catatan: Fungsi peluang bersyarat adalah fungsi peluang! Proposisi. Misalkan X dan Y adalah peubah acak-peubah acak diskrit. Kedua peubah acak ini dikatakan saling bebas (independen) jika dan hanya jika p X,Y (x, y) p X (x) p Y (y) x, y R Contoh/Latihan: 1. Sebuah perusahaan asuransi menduga bahwa setiap orang akan mengalami dan memiliki parameter kecelakaan. Banyaknya kecelakaan pada seseorang setiap tahun berdistribusi Poisson dengan parameter λ. Perusahaan juga menduga bahwa pemegang polis baru akan memiliki parameter kecelakaan yang nilainya adalah peubah acak gamma dengan parameter s dan α. Jika seorang pemegang polis baru mengalami n kecelakan di tahun pertama, tentukan peluang bersyarat dari parameter kecelakaannya. Tentukan banyak kecelakaan (yang diharapkan) pada MA481 Pros.Stok. 14 K. Syuhada, PhD.
15 tahun berikutnya. Misalkan N menyatakan banyak kecelakaan per tahun yang berdistribusi Poisson dengan mean λ, dimana Λ berdistribusi Gamma dengan parameter s dan α (Catatan: Λ adalah huruf besar dari λ). P (Λ λ, N n) f Λ N (λ n) P (N n) 1 P (N n) P (N n Λ λ) f Λ(λ) 1 e λ λ n P (N n) n! C λ n+α 1 e (s+1)λ, s α Γ(α) λα 1 e s λ dengan C konstanta. Fungsi peluang f Λ N haruslah berdistribusi Gamma dengan parameter s + 1 dan n + α. Jadi, f Λ N (λ n) (s + 1)n+α Γ(n + α) λn+α 1 e (s+1)λ Banyak kecelakaan yang diharapkan (expected number of accidents), E(Λ N n), adalah nilai harapapan (expected value) dari distribusi Gamma dengan parameter s + 1 dan n + α yaitu (n + α)/(s + 1). 2. Banyaknya orang Z yang datang ke ruang UGD selama sejam memiliki distribusi Poisson dengan parameter λ. Peluang orang yang datang adalah laki-laki adalah p dan peluang perempuan datang adalah q. Misalkan X dan Y berturut-turut adalah banyaknya laki-laki dan perempuan yang datang ke UGD selama sejam. a. Tunjukan bahwa X P OI(pλ) dan Y P OI(qλ) b. Apakah X dan Y saling bebas? Peubah acak Z berdistribusi Poisson: f Z (z) e λ λ z, z, 1, 2,... z! Untuk Z z, maka kedatangan pasien laki-laki adalah peubah acak Binomial dengan parameter (z, p): f X Z (x z) C z x p x (1 p) z x, x, 1,..., z MA481 Pros.Stok. 15 K. Syuhada, PhD.
16 dan untuk pasien perempuan: f Y Z (y z) Cy z q x (1 q) z y, y, 1,..., z Sehingga fungsi peluang bersama X dan Y diberikan Z z: f X,Y Z (x, y z) Cx,y z p x q y, x + y z Untuk mendapatkan fungsi peluang marginal dari X, kita hitung f X (x) z f X,Z (x, z) z f X Z (x z) f Z (z) e pλ (pλ) x x! Jadi, X P OI(pλ). Dengan cara sama, kita peroleh Y P OI(qλ). Selanjutnya, untuk menentukan apakah X dan Y saling bebas kita tunjukkan bahwa f X,Y (x, y) z f X,Y,Z (x, y, z) z f X,Y Z (x, y z) f Z (z) f X (x) f Y (y) Misalkan X berdistribusi Uniform pada selang (, 1). Misalkan Y X n. Maka F Y (y) P (Y y) P (X n y) P (X y 1/n ) F X (y 1/n ) y 1/n dan fungsi peluang dari Y adalah f Y (y) (1/n) y 1/n 1, y 1 Misalkan X peubah acak kontinu dengan fungsi peluang f X. Misalkan Y X 2, F Y (y) P (Y y) P (X 2 y) P ( y X y) F X ( y) F X ( y) dan fungsi peluangnya adalah f Y (y) 1 ( 2 f X ( y) f X ( ) y) y MA481 Pros.Stok. 16 K. Syuhada, PhD.
17 Misalkan X dan Y peubah acak-peubah acak positif saling bebas. Misalkan (i) Z X/Y (ii) Z XY, maka F Z (z) P (Z z) P (X/Y z) P (X zy ) zy f Y (y) dan fungsi peluangnya: f X (x) f Y (y) dx dy zy f Y (y) F X (zy) dy f X (x) dx dy f X/Y (z) y f Y (y) f X (zy) dy Misalkan X dan Y saling bebas dan kita ingin menentukan fungsi distribusi dan fungsi peluang X + Y, F Z (z) P (Z z) P (X + Y z) P (X zy ) z y z y f X (x) f Y (y) dx dy f X (x) dx f Y (y) dy F X (z y) f Y (y) dy, dimana fungsi distribusi F X+Y F Y. Fungsi peluangnya adalah ini disebut konvolusi dari distribusi F X dan f X+Y (z) d dz F X (z y) f Y (y) dy d dz F X(z y) f Y (y) dy f X (z y) f Y (y) dy Tentukan distribusi dari X + Y jika X dan Y peubah acak-peubah acak saling bebas berdistribusi (i) Uniform(, 1) (ii) Poisson dengan parameter λ i. MA481 Pros.Stok. 17 K. Syuhada, PhD.
18 Definisi: Misalkan X dan Y adalah peubah acak-peubah acak kontinu dengan fungsi peluang bersama f X,Y (x, y). Jika f X (x) > maka ekspektasi bersyarat dari Y diberikan X x adalah ekspektasi dari Y relatif terhadap distribusi bersyarat Y diberikan X x, E(Y X x) y f X,Y (x, y) f X (x) dy y f Y X (y x) dy Proposisi. Misalkan X dan Y adalah peubah acak-peubah acak kontinu dengan fungsi peluang bersama f X,Y (x, y). Misalkan ekspektasi dari Y hingga. Maka atau E(Y ) E(Y X x) f X (x) dx E(Y ) E(E(Y X x)) Definisi: Misalkan X dan Y adalah peubah acak-peubah acak kontinu dengan fungsi peluang bersama f X,Y (x, y). Jika f X (x) > maka variansi bersyarat dari Y diberikan X x adalah variansi dari Y relatif terhadap distribusi bersyarat Y diberikan X x, ( (Y ) ) 2 X V ar(y X x) E E(Y X x) x Proposisi. Misalkan X dan Y adalah peubah acak-peubah acak kontinu dengan fungsi peluang bersama f X,Y (x, y). Misalkan variansi dari Y hingga. Maka V ar(y ) E(V ar(y X x)) + V ar(e(y X)) Latihan: 1. Misalkan X dan Y peubah acak kontinu dengan fungsi eluang bersama f(x, y) e x(y+1), x, y e 1 a. Tentukan f Y (y) b. Hitung P (X > 1 Y 1 2 ) c. Hitung E(X Y 1 2 ) MA481 Pros.Stok. 18 K. Syuhada, PhD.
19 P (X > 1 Y 1 2 ) 1 1 e 3/2 e x(y+1) 1/(y + 1) dx x dx 2 e 2. K meninggalkan kantor setiap hari kerja antara pukul 6-7 malam. Jika dia pergi t menit setelah pukul 6 maka waktu untuk mencapai rumah adalah peubah acak berdistribusi Seragam pada selang (2, 2 + (2t)/3). Misalkan Y adalah banyak menit setelah pukul 6 dan X banya menit untuk mencapai rumah, berapa lama waktu mencapai rumah? Y U(, 6), X Y y U(2, 2 + (2y)/3). E(X) 6 E(X Y y) f Y (y) dy 3 3. Jika X i Bin(n i, p), tentukan E(X 1 + X 2 X 1 ) 4. Jika X dan Y peubah acak-peubah acak Poisson saling bebas dengan parameter λ x dan λ y, tentukan E(X X + Y n). Bagaimana jika X dan Y berdistribusi Geometrik identik dengan parameter p? Kita ketahui bahwa jika X dan Y saling bebas maka Akibatnya, f X,Y (x, y) f X (x) g Y (y), E(XY ) E(X) E(Y ) Konsekuensi ini juga berlaku untuk setiap fungsi g dan h, E ( g(x)h(y ) ) E ( g(x) ) E ( h(y ) ) Definisi: Kovariansi antara peubah acak X dan Y, dinotasikan Cov(X, Y ), adalah ( (X ) ( ) ) Cov(X, Y ) E E(X) Y E(Y ) MA481 Pros.Stok. 19 K. Syuhada, PhD.
20 Catatan: Jika X dan Y saling bebas maka Cov(X, Y ) (implikasi). Sifat-sifat kovariansi Cov(X, Y ) Cov(Y, X) Cov(X, X) V ar(x) Cov(a X, Y ) a Cov(X, Y ) ( n Cov i1 X i, ) m j1 Y j n m i1 j1 Cov(X i, Y j ) Perhatikan bahwa: ( n ) ( n ) n V ar X i Cov X i, X j i1 i1 j1 n n Cov(X i, X j ) i1 i1 j1 n V ar(x i ) + Cov(X i, X j ) i j Korelasi antara peubah acak X dan Y, dinotasikan ρ(x, Y ), didefinisikan sebagai ρ(x, Y ) Cov(X, Y V ar(x) V ar(y ), asalkan V ar(x) dan V ar(y ) bernilai positif. Dapat ditunjukkan pula bahwa 1 ρ(x, Y ) 1 Koefisien korelasi adalah ukuran dari derajat kelinieran antara X dan Y. Nilai ρ(x, Y ) yang dekat dengan +1 atau 1 menunjukkan derajat kelinieran yang tinggi. Nilai positif korelasi mengindikasikan nilai Y yang cenderung membesar apabila X membesar. Jika ρ(x, Y ) maka dikatakan X dan Y tidak berkorelasi. Latihan: 1. Tunjukkan bahwa Cov(X, E(Y X)) Cov(X, Y ) MA481 Pros.Stok. 2 K. Syuhada, PhD.
21 2. Misalkan X peubah acak normal standar dan I (bebas dari X) sdh P (I 1) P (I ) 1/2. Didefinisikan Y X, jika I 1; Y X, jika I Tunjukkan bahwa Cov(X, Y ) MA481 Pros.Stok. 21 K. Syuhada, PhD.
Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat
MA38 Teori Peluang - Khreshna Syuhada Bab 9 Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat Ilustrasi 9. Misalkan banyaknya kecelakaan kerja rata-rata per minggu di suatu pabrik adalah empat.
Lebih 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 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 terperinciMA4081 PENGANTAR PROSES STOKASTIK Cerdas dan Stokastik
Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Cerdas dan Stokastik disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Tentang MA4081 (Pengantar)
Lebih terperinciCatatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 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 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 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. 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 terperinciCatatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Orang Pintar Belajar Stokastik. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.
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 2011 Daftar
Lebih terperinciMA5181 PROSES STOKASTIK
Catatan Kuliah MA5181 PROSES STOKASTIK disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik A. Jadwal kuliah:
Lebih terperinciMA4081 PENGANTAR PROSES STOKASTIK Cerdas dan Stokastik
Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Cerdas dan Stokastik disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Tentang MA4081 (Pengantar)
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 terperinciMA4081 PENGANTAR PROSES STOKASTIK Cerdas dan Stokastik
Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Cerdas dan Stokastik disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Tentang MA4081 (Pengantar)
Lebih terperinciMA5181 PROSES STOKASTIK
Catatan Kuliah MA5181 PROSES STOKASTIK We do love uncertainty disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik
Lebih 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 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 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 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 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 terperinciMA5181 PROSES STOKASTIK
Catatan Kuliah MA5181 PROSES STOKASTIK (not just) Always Listening, Always Understanding disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2012
Lebih terperinciCatatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang
Lebih terperinciMA5181 PROSES STOKASTIK
Catatan Kuliah MA5181 PROSES STOKASTIK We do love uncertainty disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Percobaan adalah kegiatan
Lebih terperinciPengantar 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 terperinciAK5161 Matematika Keuangan Aktuaria
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang AK5161 Matematika
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih 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 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 terperinciMA5181 PROSES STOKASTIK
Catatan Kuliah MA5181 PROSES STOKASTIK We do love uncertainty disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik
Lebih terperinciCatatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)
Lebih 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 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 terperinciCatatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)
Lebih 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 terperinciMA4081 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 terperinciMA4081 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 terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciCatatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang
Lebih terperinciMA5181 PROSES STOKASTIK
Catatan Kuliah MA5181 PROSES STOKASTIK We do love uncertainty disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik
Lebih terperinciKuis 1 MA5181 Proses Stokastik Precise. Prospective. Tanggal 24 Agustus 2016, Waktu: suka-suka menit Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Kuis Selamat Datang MA5181 Proses Stokastik Precise. Prospective. Tanggal 23 Agustus 2016, Waktu: suka-suka menit 1. Mahasiswa yang datang ke ruang kuliah mengikuti suatu proses dengan laju kedatangan
Lebih terperinciMA5181 PROSES STOKASTIK
Catatan Kuliah MA5181 PROSES STOKASTIK (not just) Always Listening, Always Understanding disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2012
Lebih 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 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 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 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 terperinciPeubah Acak dan Distribusi
BAB 1 Peubah Acak dan Distribusi 1.1 ILUSTRASI (Ilustrasi 1) B dan G secara bersamaan menembak sasaran tertentu. Peluang tembakan B mengenai sasaran adalah 0.7 sedangkan peluang tembakan G (bebas dari
Lebih 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 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. 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 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 terperinciBI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist
BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Distribusi Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep peubah acak, fungsi peluang (probability density function), fungsi distribusi
Lebih 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 terperinci/ /16 =
Kuis Selamat Datang MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective Tanggal 22 Agustus 2017, Waktu: suka-suka menit Dosen: Khreshna I.A. Syuhada, MSc. PhD. 1. Widya (akan) memenangkan
Lebih terperinciMA4183 MODEL RISIKO Control your Risk!
Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal
Lebih terperinciMA3081 STATISTIKA MATEMATIKA We love Statistics
Catatan Kuliah MA3081 STATISTIKA MATEMATIKA We love Statistics disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Daftar Isi 1 Peubah Acak
Lebih terperinciCatatan Kuliah 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 terperinciP (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 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 terperinciPengantar Statistika Matematika II
Pengantar a Matematika II Atina Ahdika, S.Si., M.Si. Prodi a FMIPA Universitas Islam Indonesia March 20, 2017 atinaahdika.com t F Parameter adalah karakteristik dari populasi (misal θ) adalah karakteristik
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 terperinciCatatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183
Lebih 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 terperinciP (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 terperinciMA4081 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 terperinciMA4183 MODEL RISIKO Control your Risk!
Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal
Lebih terperinciMA4181 MODEL RISIKO Enjoy the Risks
Catatan Kuliah MA48 MODEL RISIKO Enjoy the Risks disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2 Tentang MA48 Model Risiko A. Jadwal kuliah:
Lebih terperinciMA4181 MODEL RISIKO Enjoy the Risks
Catatan Kuliah MA4181 MODEL RISIKO Enjoy the Risks disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Tentang MA4181 Model Risiko A. Jadwal
Lebih terperinciMA3081 STATISTIKA MATEMATIK(A) Bab 2: Distribusi Samp
MA3081 STATISTIKA MATEMATIK(A) Bab 2: We love Statistics Pengantar Parameter adalah... ...suatu karakteristik dari populasi. Statistik adalah... ...suatu karakteristik dari sampel. Statistik adalah fungsi
Lebih terperinciMA4081 PENGANTAR PROSES STOKASTIK Bab 3 Distribusi Eksponensial dan Aplikasinya
MA4081 PENGANTAR PROSES STOKASTIK Bab 3 Distribusi Eksponensial dan Aplikasinya Orang Pintar Belajar Stokastik Kuliah ProsStok, untuk apa? Fakultas Ekonomi ITB? Math is the language of economics. If you
Lebih terperinciMA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson
MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson SMART AND STOCHASTIC MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson SMART AND STOCHASTIC Pengantar Seperti sudah disampaikan sebelumnya, analog
Lebih 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 terperinciFungsi Peluang Gabungan
Fungsi Peluang Gabungan MA3181 Teori Peluang 15 September 2014 Utriweni Mukhaiyar Ilustrasi Suatu perusahaan properti memiliki banyak gedung/bangunan yang ingin diasuransikan dengan kategori-kategori yang
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 terperinciMA4183 MODEL RISIKO Control your Risk!
Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal
Lebih 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 terperinciCatatan Kuliah. MA4183 Model Risiko
Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko
Lebih terperinciMA4081 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 terperinciMA4181 MODEL RISIKO Risk is managed, not avoided
Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko
Lebih 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 terperinciCatatan Kuliah. MA4183 Model Risiko
Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko
Lebih terperinciCatatan Kuliah. 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 terperinciCatatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183
Lebih terperinciCatatan Kuliah. 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 terperinciMA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Po
MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Poisson: Suatu Pengantar Orang Pintar Belajar Stokastik Tentang Kuliah Proses Stokastik Bab 1 : Tentang Peluang Bab 2 : Peluang dan Ekspektasi Bersyarat*
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko
Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko
Lebih terperinciCatatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang AK5161 Matematika
Lebih terperinciCATATAN KULIAH 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 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 terperinciMA4181 MODEL RISIKO Risk is managed, not avoided
Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko
Lebih terperinciMA4183 MODEL RISIKO Control your Risk!
Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal
Lebih terperinciMA4181 MODEL RISIKO Risk is managed, not avoided
Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko
Lebih 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 terperinciMA2081 Statistika Dasar
Catatan Kuliah MA2081 Statistika Dasar Orang Cerdas Belajar Statistika Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MAK6281 Topik
Lebih terperinciCatatan Kuliah. MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2018
Lebih 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 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 terperinci