PROBABILITAS (PELUANG) PENGERTIAN PROBABILITAS
|
|
- Erlin Kartawijaya
- 5 tahun lalu
- Tontonan:
Transkripsi
1 PROBABILITAS (PELUANG) PENGERTIAN PROBABILITAS Dalam kehidupan sehari-hari kita sering mendengar dan menggunakan kata probabilitas (peluang). Kata ini mengisyaratkan bahwa kita berhadapan dengan sesuatu yang tidak pasti (uncertainty). Misalnya: (1) mungkin nanti dalam ujian Statistika kita akan mendapat nilai A; (2) mungkin nanti hari akan hujan. Peluang biasa diberi simbol P, dan dinyatakan dalam angka positif, dengan minimum 0 dan maksimum 1. Sedangkan simbol untuk kemungkinan tidak terjadinya, biasanya dinyatakan dengan, yaitu = 1- P.
2 Pengertian Peluang Kalau P = 0: Berarti peristiwa itu tidak mungkin terjadi, atau mustahil. Misalnya: timbulnya matahari di malam hari adalah mustahil, maka mempunyai peluang sama dengan 0. Kalau P = 1: Berarti peristiwa itu pasti terjadi, tidak mungkin tidak terjadi. Misalnya: peluang darah mengalir di dalam badan orang yang masih hidup adalah 1. Dalam kehidupan sehari-hari peristiwa-peristiwa yang kita jumpai mempunyai peluang antara 0 dan 1 (jarang yang tepat 0 atau tepat 1).
3 PROBABILITAS (PELUANG) PENGERTIAN PROBABILITAS Dalam kehidupan sehari-hari kita sering mendengar dan menggunakan kata probabilitas (peluang). Kata ini mengisyaratkan bahwa kita berhadapan dengan sesuatu yang tidak pasti (uncertainty). Misalnya: (1) mungkin nanti dalam ujian statistik kita akan mendapat nilai A; (2) mungkin nanti hari akan hujan. Peluang biasa diberi simbol P, dan dinyatakan dalam angka positif, dengan minimum 0 dan maksimum1. Sedangkan simbol untuk kemungkinan tidak terjadinya, biasanya dinyatakan dengan, yaitu = 1- P.
4 Definisi Klasik (Classical Definition of Probability) Apabila dalam sebuah ruang sampel yang berisi N buah titik sampel yang equally likely dan mutually exclusive terdapat a buah titik sampel yang menyokong suatu peristiwa A, maka peluang terjadinya peristiwa A didefinisikan sebagai: P(A) = a/n Contoh 1: Sebuah mata uang logam (coin) yang mempunyai dua permukaan (A dan B) dilemparkan ke atas satu kali, maka probabilitas munculnya permukaan A atau permukaan B di atas: P(A) = ½ = 0,5 dan P(B) = ½ = 0,5.
5 Contoh 2: Sebuah dadu yang mempunyai 6 permukaan yang sama, dilemparkan satu kali, maka probabilitas munculnya satu permukaan di atas: P(1) = 1/6; P(2) = 1/6 Contoh 3: Dalam suatu permainan kita memilih sebuah kartu dari sebanyak 52 kartu bridge yang ada, maka probabilitas akan terpilih: a. Satu kartu berwarna hitam: P(H) = 26/52 = 0,5 b. Satu kartu King: P(K) = 4/52
6 Definisi Empirik atau Statistik (Empirical /Statistical Definition of Probability) Probabilitas ditentukan berdasarkan observasi, ditentukan berdasarkan pengalaman atau peristiwa-peristiwa yang telah terjadi Apabila dari N buah rentetan peristiwa terdapat t buah peristiwa A, maka peluang terjadinya peristiwa A didefinisikan sebagai: P(A) = Lim N ~ Contoh 1: t/n Berdasarkan pengalaman puluhan tahun lamanya di bidang kedokteran, dari 100 orang yang terkena penyakit kanker paru-paru, 99 orang meninggal. Pada suatu saat Tuan A terkena penyakit ini. Pertanyaan: Berapa peluang dia akan meninggal karena penyakit tersebut? P(A) = 99/100 = 0,99
7 Definisi Subyektif (Subjective Definition of Probability) Probailitas ditentukan berdasarkan perasaan atau kira-kira peneliti. Jadi cara ini dipengaruhi oleh pribadi seseorang sehingga bersifat subyektif
8 Hukum-hukum Peluang (The Law of Probability) 1. Suatu peristiwa A yang pasti terjadi dan memenuhi: P(A) = 1 2. Suatu peristiwa A yang tidak mungkin terjadi dan memenuhi : P(A) = 0 3. Akibat dari hukum 1 dan 2 maka untuk setiap peistiwa A yang sembarang, akan memenuhi keadaan: 0 P(A) 1 4. Apabila A merupakan komplemen dari peristiwa A, maka berlaku: P(A) = 1 - P(A) atau P(A) + P(A) = 1 5. Apabila A dan B merupakan dua buah peristiwa, maka berlaku: P(A U B) = P(A) + P(B) - P(A dan B)
9 Hukum-hukum Peluang (The Law of Probability) 6. Apabila A dan B merupakan dua buah peristiwa yang mutually exclusive, maka berlaku: P(A U B) = P(A) + P(B) 7. Apabila A dan B merupakan dua buah peristiwa conditional, maka berlaku: P(A dan B) = P(A) * P(B/A) 8. Apabila A dan B merupakan dua buah peristiwa yang independen, maka berlaku: P(A dan B) = P(A) * P(B)
10 Hukum-hukum Peluang (The Law of Probability) 6. Apabila A dan B merupakan dua buah peristiwa yang mutually exclusive, maka berlaku: P(A U B) = P(A) + P(B) 7. Apabila A dan B merupakan dua buah peristiwa conditional, maka berlaku: P(A dan B) = P(A) * P(B/A) 8. Apabila A dan B merupakan dua buah peristiwa yang independen, maka berlaku: P(A dan B) = P(A) * P(B)
11 MATHEMATICAL EXPECTATION (HARAPAN MATEMATIK) Apabila P merupakan probabilitas dari seseorang untuk memperoleh suatu jumlah Q, maka harapan matematik dari orang tersebut adalah PQ (Q dapat berupa jumlah barang maupun uang). Apabila suatu gejala deskrit yang diambil secara random diberi simbul X dengan harga-harga X1, X2, Xn dan probabilitas untuk mendapatkan harga-harga tersebut P(X1), P(X2) P(Xn) maka harapan matematik dari X dinyatakan dengan rumus: E(X i ) = X1. P(X1) + X2. P(X2) +. + Xn. P(Xn) = X. P(X).
12 Contoh: Apabila hujan terus-menerus, seorang penjual payung akan untung Rp ,00 seharinya, tetapi apabila cuaca baik dia akan rugi Rp ,00 seharinya. Berapa harapan matematiknya apabila probabilitas hari akan hujan adalah 0,4. Jawab: X1 = Rp ,00 dengan P(X1) = 0,4 X2 = Rp ,00 dengan P(X2) = 1 0,4 = 0,6 E(A) = P(X1). X1 P(X2). X2 = 0,4(80.000) 0,6(20.000) = = Rp ,00
13 Contoh: Seorang pengusaha bakso akan membuka cabangnya di salah satu kampus UB atau UMM. Ia telah memperhitungkan dengan teliti dengan dibukanya cabang di UB akan menghasilkan Rp ,00 tiap tahun dengan kemungkinan 0,70, jika usahanya gagal ia akan menderita rugi tiap tahun Rp ,00. Kemungkinan berhasil apabila ia membuka cabangnya di UMM adalah 60% dengan mendapatkan laba tiap tahun Rp ,00 bila gagal akan menderita rugi Rp ,00 tiap tahun. Di mana sebaiknya ia harus membuka cabang?
14 DISTRIBUSI PROBABILITAS Distribusi Peluang Diskrit Distribusi Binomial Distribusi Hipergeometrik Distribusi Geometri Distribusi Poisson Distribusi Peluang Kontinu Distribusi Normal
15
16 Ciri-ciri Distribusi Binomial Tiap percobaan memiliki dua hasil saja yakni: Sukses atau Gagal. Probabilitas sukses pada tiaptiap-tiap percobaan haruslah sama dan dinyatakan dengan p. Setiap percobaan harus bersifat independent (bebas) Jumlah percobaan yang merupakan komponen eksperimen binomial harus tertentu.
17 RUMUS P(x,n) = n x n -x P (1 - P) X N! N x x P X x p 1 p... x! N x! x = 0, 1, 2,..., N 0<p<1
18 Keterangan Rumus n = Banyaknya peristiwa p = Besarnya peluang terjadinya sukses! = faktori rial n! = n(n-1)( 1)(n-2)...(3)(2)(1) 0! = 1 1! = 1 Misal : 3! = 3x2x1 = 6
19 Contoh 1 Dari 8 pria dan 7 wanita dipilih 4 pengurus yang terdiri dari 2 pria dan 2 wanita. Banyak cara pemilihan pengurus adalah... A. 582 B. 588 C. 625 D. 720 E Dari 8 pria dan 7 wanita dipilih 4 pengurus yang terdiri dari 2 pria saja atau 2 wanita Saja. Banyak cara pemilihan pengurus adalah... A. 49 B. 56 C. 63 D. 70 E. 77
20 P= 8 ; ! 2!(6!) 8.7.6! 2.6! 52/ ! 7.6.5! w= 7 ;2 42/ !(5! ) 2.5!
21 Contoh Pada pelemparan dadu 6 kali pelemparan, tentukan peluang ada 4 kali mata dadu yang terbaca. Pada mesin foto copy selalu diperoleh 50 lembar yang cacat pada setiap memfotocopy sebanyak 500 lembar, jika kita memfotocopy sebanyak 3 lembar, berapakah peluang kita memperoleh 2 lembar yg cacat. 1 p 6 5 q 6 1 p ( A) ! !
22 50 p q ! !
23 Contoh: Sebuah pengiriman 8 mikrokomputer yang serupa ke suatu jaringan eceran berisi 3 yang cacat. Bila suatu sekolah melakukan suatu pembelian acak 2 dari mikrokomputer ini, Carilah distribusi probabilitas untuk jumlah yang cacat. Carilah distribusi kumulatif untuk jumlah yang cacat.
24 Jawab (1): Ambil X sebagai variabel random yang didefinisikan sebagai banyaknya mikrokomputer yang cacat yang mungkin akan dibeli oleh sekolah tersebut tersebut.. Maka dapat dituliskan : X = banyaknya mikrokomputer cacat yang mungkin akan dibeli oleh sekolah = 0, 1, 2 Sehingga dapat dihitung : f (0) P( X 0) f (1) P( X 1) Rumus distribusi probabilitas adalah x f(x) 0 10/ f ( 2) P ( X 2) x 2 P( X x) f ( x) 8 2 x, untuk x 0,1, 2 Jadi, distribusi probabilitas dari X adalah 1 15/28 2 3/28 24
25 Jawab (2): Distribusi kumulatif F(x) adalah : F(0) = f(0) = 10/28 F(1) = f(0) + f(1) = 10/ /28 = 25/28 F(2) = f(0) + f(1) + f(2) = 10/ /28 + 3/28 =1 Sehingga : 1, untuk x < 0 F(x) = 10/28, untuk 0 x < 1 25/28, untuk 1 x < 2 1, untuk x 2 25
26 Contoh Dua buah mata uang dilempar satu kali Hitunglah: a. Probabilitas tidak diperolehnya permukaan B b. Probabilitas memperoleh satu permukaan B c. Probabilitas memperoleh duapermukaan B
27 Dik : n = 2; X = 0, 1, 2 a. Probabilitas tidak mendapat permukaan B x 0,5 x 0,5 x 1 x 0,25 P(0;2) = 0 0!(2! ) = 0,25 b. Probabilitas satu permukaan B P(1;2) = = 0,50 1 x 0,5 x 0,5 1!(1! ) x 0,50 x 0,50
28 c. Probabilitas mendapat 2 permukaan B !(0! ) P(2;2) = x 0,5 x 0,5 x 1x 0,25 x 1 = 0,25
29 Contoh Kalau 3 buah mata uang dilemparkan satu kali. Hitunglah Probabilitas memperoleh: a. Tidak ada permukaan B b. 1 permukaan B c. 2 permukaan B d. 3 permukaan B e. Paling sedikit 1 permukaan B f. Paling banyak 2 permukaan B
30 3 3! x 0,5 2 x 0,5 0 x 1 x 0,25 0! (3! ) 0 Dik: n = 3; X = 0, 1, 2, 3 3 3! 0 3 x 0,5 x 0,5 x 1 x 0,125 a. P(0;3) = 0 0!(3!) = 0,125 b. P(1;3) = 3 3! 1 2 x 0,5 x 0,5 x 0,5 x 0,25 1! (2! ) 1 = 0,375
31 3 3! 3! x 0,5 12 xx 0,5 0,520 xx 0,5 1 x 0,25 x 0,25 1! 0!(2! (3!)) 10 c. P(2 P(2;3) = 3 x 0,5 2 x 0,5 1 3! x 0,5 x 0,25 2 2! (1! ) = 0,375 d. P( P(3 3;3) 3 3! 3 0 x 0,5 x 0,5 x 0,125 x1 = 3 3!(0!) = 0,125
32 x 0,5 1 x 0,5 3! x 0,5 1 x 0,25 x 0,25 1!(2! 0!(3! ) e.p( P(x 1) = P(x=1) + P(x=2) + P(x=3) = 1 - P(x=0) = 1-0,125 = 0, 875 f. P(x 2) = P(x=0) + P(x=1) + P(x=2) = 0, , ,375 = 0,875
33
34 Pengertian Distribusi peristiwa yang jarang terjadi (distribution of rare events) adalah distribusi kemungkinan teoritis dengan variasi random discrete. Distribusi ini dianggap sebagai pendekatan pada distribusi binomial apabila n (banyaknya percobaan) adalah besar, sedangkan P (Probabilitas sukses) sangat kecil.
35 RUMUS P(X)= P(X) = x μ.e x! -u = n. p X = variabel random discrete 0,1,2,3.. X! = X. (X 1). (X 2) e = bilangan irrational yang besarnya 2, ! = 1
36 Contoh Misalkan sebuah mobil diiklankan di surat kabar untuk dijual. Surat kabar yang memuat iklan tersebut kita misalkan mempunyai pembaca. Jika kemungkinan seorang akan membalas iklan tersebut 0, Ditanyakan : a. Berapa orangkah diharapkan akan membalas iklan tersebut? b. Berapa kemungkinannya bahwa yang membalas iklan tersebut hanya seorang? c. Berapa kemungkinannya tidak ada yang membalas?
37 jawaban Dik: n = ,p = 0,00002 a. μ= n. p = ,00002 = 2 Rata-rata ada 2 orang yang membalas iklan tersebut.
38 2 (0,13534) e 1! -2 = 2 (0,13534) 1 b. P(x=1)= = 0,27068 c. P(x=0)= 2 0 e 0! -2 1(0,13534) 1 = =0,13534
39 Contoh2 Apabila probabilitas bahwa seorang akan mati terkena penyakit TBC adalah 0,001. Dari orang penderita penyakit tersebut berapa probabilitas : Tiga orang akan mati Yang mati tidak lebih dari satu orang Lebih dari dua orang mati
40 Dik: n = = a. 0, ,4060 b , p = 0, x 0,001 = 2 (2) 3 e -2 P(x= P( x=3)= 3)= 3! = 8. (0,13534) P(x 1) P(x 1) = P(0) + P(1) = P(x=0) = P(x=1) = (2) 0 e -2 0! (2)1 e -2 1! = 0,13534 = 0,27068 = 0,4060 = 0,18045
41 c. P(X > 2) = 1 - P(0) P(x=2) = (2) 2 e -2 2! = P(1) P(2) 0,27068 Jadi P(X > 2) = 1 (0, , ,27068) = 1 0,67670 = 0,3233
42 Mean dan Standard Deviasi Poisson = n. P = n.p
DISTRIBUSI PROBABILITAS (PELUANG)
DISTRIBUSI PROBABILITAS (PELUANG) Distribusi Probabilitas (Peluang) Distribusi? Probabilitas? Distribusi Probabilitas? JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Distribusi = sebaran,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2. Probabilitas Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya tidak pasti (uncertain
Lebih terperinciDISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2. Distribusi Hipergeometrik
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2 TI2131 TEORI PROBABILITAS MINGGU KE-10 Distribusi Hipergeometrik Eksperimen hipergeometrik memiliki karakteristik sebagai berikut: 1. sebuah sampel random berukuran
Lebih terperinciContoh: Aturan Penjumlahan. Independen. P(A dan B) = P(A) x P(B)
Aturan Penjumlahan Mutually Exclusive: Kemungkinan terjadi peristiwa A dan B: P(A atau B)= P(A)+P(B) Not Mutually Exclusive: Kemungkinan terjadi peristiwa A dan B: P(Aatau B): P(A)+P(B) P(A dan B) Contoh:
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Probabilitas (Peluang) Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi Binomial adalah distribusi probabilitas diskrit jumlah keberhasilan dalam n percobaan ya/tidak(berhasil/gagal)
Lebih terperinciKumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X
Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik
Lebih terperinciKompetens n i s : Mahasiswa mam a pu p menjel enj a el s a ka k n gejala ekonomi dengan meng guna k n a konsep probabil i i l t i as
Kompetensi: Mahasiswa mampu menjelaskan gejala ekonomi dengan menggunakan konsep probabilitas Hal. 9- Penelitian itu Penuh Kemungkinan (tdk pasti) Mengubah Saya tidak yakin Menjadi Saya yakin akan sukses
Lebih terperinciAMIYELLA ENDISTA. Website : BioStatistik
AMIYELLA ENDISTA Email : amiyella.endista@yahoo.com Website : www.berandakami.wordpress.com DEFINISI PROBABILITAS Harga angka yang menunjukkan seberapa besar kemungkinan suatu peristiwa terjadi, di antara
Lebih terperinciNilai harapan suatu variabel acak x ditulis E (x) didefinisikan E (x) = Σ x. f (x) Var (x) = σ x 2 = E [ x E (x) ] 2 = E (x 2 ) { E (x) } 2
Pertemuan ke- 4 BAB III POPULASI, SAMPEL & DISTRIBUSI TEORITIS VARIABEL DISKRIT DAN FUNGSI PROBABILITAS 3.1 Variabel Random atau Variabel Acak Variabel yang nilainya merupakan suatu bilangan yang ditentukan
Lebih terperinciBab 2 DISTRIBUSI PELUANG
Bab 2 DISTRIBUSI PELUANG PENDAHULUAN Setiap peristiwa akan mempunyai peluangnya masingmasing, dan peluang terjadinya peristiwa itu akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di sebut
Lebih terperinciDistribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif
Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi
Lebih terperinciDistribusi Probabilitas Diskrit: Binomial & Multinomial
Distribusi Probabilitas Diskrit: Binomial & Multinomial 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi Binomial Distribusi
Lebih terperinciTEORI PROBABILITAS. a. Ruang Contoh. Definisi : Ruang contoh adalah himpunan semua kemungkinan hasil suatu percobaan, dan dilambangkan dengan S.
TEORI PROBABILITAS ISTILAH YANG SERING DIGUNAKAN a. Ruang Contoh Definisi : Ruang contoh adalah himpunan semua kemungkinan hasil suatu percobaan, dan dilambangkan dengan S. Bayangkan percobaan melempar
Lebih terperinciTEORI KEMUNGKINAN (PROBABILITAS)
3 TEORI KEMUNGKINAN (PROBABILITAS) Teori probabilitas atau peluang merupakan teori dasar dalam pengambilan keputusan yang memiliki sifat ketidakpastian. Ada 3 pendekatan : Pendekatan klasik Pendekatan
Lebih terperinciDISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30
DISTRIBUSI TEORITIS Distribusi teoritis merupakan alat bagi kita untuk menentukan apa yang dapat kita harapkan, apabila asumsi-asumsi yang kita buat benar. Distribusi teoritis memungkinkan para pembuat
Lebih terperinciBAB II DISTRIBUSI PROBABILITAS
BAB II DISTRIBUSI PROBABILITAS.1. VARIABEL RANDOM Definisi 1: Variabel random adalah suatu fungsi yang memetakan ruang sampel (S) ke himpunan bilangan Real (R), dan ditulis X : S R Contoh (Variabel random)
Lebih terperinciDISTRIBUSI BINOM. Ciri-ciri: 1.Eksperimen terdiri dari n percobaan yang dapat diulang
DISTRIBUSI PELUANG Distribusi Peluang utk Variabel acak Diskret Distribusi Binom Distribusi Multinom Distribusi Hipergeometrik Distribusi Poison Distribusi Peluang utk Variabel acak Kontinu Distribusi
Lebih terperinciSTATISTICS. WEEK 4 Hanung N. Prasetyo POLYTECHNIC TELKOM/HANUNG NP
STATISTICS WEEK 4 Hanung N. Prasetyo Pendahuluan: Penyajian distribusi probabilitas dalam bentuk grafis, tabel atau melalui rumusan tidak masalah, yang ingin dilukiskan adalah perilaku (kelakuan) perubah
Lebih terperinciModel dan Simulasi Universitas Indo Global Mandiri
Model dan Simulasi Universitas Indo Global Mandiri Nomor random >> angka muncul secara acak (random/tidak terurut) dengan probabilitas untuk muncul yang sama. Probabilitas/Peluang merupakan ukuran kecenderungan
Lebih terperinciATURAN DASAR PROBABILITAS. EvanRamdan
ATURAN DASAR PROBABILITAS BEBERAPA ATURAN DASAR PROBABILITAS Secara umum, beberapa kombinasi dari kejadian dalam sebuah eksperimen dapat dihitung probabilitasnya berdasarkan dua aturan, yaitu: 1) Aturan
Lebih terperinciSTATISTIKA LINGKUNGAN
STATISTIKA LINGKUNGAN TEORI PROBABILITAS Probabilitas -pendahuluan Statistika deskriptif : menggambarkan data Statistik inferensi kesimpulan valid dan perkiraan akurat ttg populasi dengan mengobservasi
Lebih terperinciKONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.
KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT. EKSPERIMEN suatu percobaan yang dapat diulang-ulang dengan kondisi yang sama CONTOH : Eksperimen : melempar dadu 1 kali Hasilnya
Lebih terperinci: Distribusi Peluang. : D. Rizal Riadi
MATERI 3 Mata Kuliah Dosen : Distribusi Peluang : Statistik : D. Rizal Riadi Mengingat data kuantitatif dipengaruhi faktor-faktor ketidakpastian dan variasi yang disebabkan akurasi instrumen penelitian
Lebih terperinciDISTRIBUSI BINOMIAL STKIP SILIWANGI BANDUNG LUVY S ZANTHY KAPSEL SMA
DISTRIBUSI BINOMIAL STKIP SILIWANGI BANDUNG LUVY S ZANTHY KAPSEL SMA 1 LUVY S. ZANTHY KAPSEL SMA 2 LUVY S. ZANTHY KAPSEL SMA 3 Distribusi Binomial O Dalam suatu percobaan statistik sering dijumpai pengulangan
Lebih terperinciStatistika Farmasi
Bab 3: Distribusi Data Statistika FMIPA Universitas Islam Indonesia Distribusi Data Teori dalam statistika berkaitan dengan peluang Konsep dasar peluang tersebut berkaitan dengan peluang distribusi, yaitu
Lebih terperinciSTATISTIK PERTEMUAN V
STATISTIK PERTEMUAN V Variabel Random/ Acak variabel yg nilai-nilainya ditentukan oleh kesempatan/ variabel yang bernilai numerik yg didefinisikan dlm suatu ruang sampel 1. Variabel Random diskrit Variabel
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 terperinci28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω
SAMPLE SPACE, SAMPLE POINTS, EVENTS Sample space,ω, Ω adalah sekumpulan semua sample points,ω, ω yang mungkin; dimana ω Ω Contoh 1. Melemparkan satu buah koin:ω={gambar,angka} Contoh 2. Menggelindingkan
Lebih terperinciSTATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI
STATISTIKA Muhamad Nursalman Pendilkom/Ilkom UPI 1 Daftar Isi Bab 1 Peluang Bab Peubah Acak Bab 3 Distribusi Peluang Diskret Bab 4 Distribusi Peluang Kontinu Bab 5 Fungsi Peubah Acak Bab 6 Teori Penaksiran
Lebih terperinciBab 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 terperinciBeberapaDistribusiPeluang. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB
BeberapaDistribusiPeluang Diskrit Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB Pengantar Pengamatanyang dihasilkanmelaluipercobaanyang berbeda
Lebih terperinciD I S T R I B U S I P R O B A B I L I T A S
D I S T R I B U S I P R O B A B I L I T A S Amiyella Endista Email : amiyella.endista@yahoo.com Website : www.berandakami.wordpress.com Distribusi Probabilitas Kunci aplikasi probabilitas dalam statistik
Lebih terperinciProbabilitas. Tujuan Pembelajaran
Probabilitas 1 Tujuan Pembelajaran 1.Menjelaskan Eksperimen, Hasil,, Ruang Sampel, & Peluang 2. Menjelaskan bagaimana menetapkan peluang 3. Menggunakan Tabel Kontingensi, Diagram Venn, atau Diagram Tree
Lebih terperinciPROBABILITY AND GENETIC EVENTS
M.K. GENETIKA (JUR. PEND. BIOLOGI SEM IV) PROBABILITY AND GENETIC EVENTS Paramita Cahyaningrum Kuswandi* FMIPA UNY 2015 Email*: paramita@uny.ac.id Genetika dan statistika Rasio genetika biasanya berupa
Lebih terperinciProbabilitas & Distribusi Probabilitas
Probabilitas & Distribusi Probabilitas Probabilitas Definisi peluang untuk terjadi atau tidak terjadi Probabilitas untuk keluarnya mata satu dalam pelemparan satu kali sebuah dadu? Berapakah peluang seorang
Lebih terperinciPeubah Acak. Bab 4. Definisi 4.1 Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R
Bab 4 Peubah Acak Definisi 4. Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R Contoh 4. Jika Y adalah peubah acak banyaknya sisi muka yang muncul pada pelemparan tiga sisi
Lebih terperinciPENDAHULUAN Definisi: Contoh Kasus:
DISTRIBUSI PROBABILITAS 1 PENDAHULUAN Definisi: Distribusi probabilitas adalah sebuah susunan distribusi yang mempermudah mengetahui probabilitas sebuah peristiwa. Merupakan hasil dari setiap peluang peristiwa.
Lebih terperinciBAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu
BAB II TINJAUAN TEORITIS 2.1 Pendahulauan Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu rekayasa suatu model logika ilmiah untuk melihat kebenaran/kenyataan model tersebut.
Lebih terperinciTipe Peubah Acak. Diskret. Kontinu
2 N i 1 x i N 2 Tipe Peubah Acak Diskret Segugus nilai dari suatu peubah acak yang dapat dicacah (countable) Misalkan X = banyaknya tendangan penalti yang berhasil dilakukan oleh pemain A Kontinu Nilai-nilai
Lebih terperinciSEJARAH DISTRIBUSI POISSON
SEJARAH DISTRIBUSI POISSON Distribusi poisson disebut juga distribusi peristiwa yang jarang terjadi, ditemukanolehs.d. Poisson (1781 1841), 1841), seorang ahli matematika berkebangsaan Perancis. Distribusi
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal)
Lebih terperinciBAB 3 Teori Probabilitas
BAB 3 Teori Probabilitas A. HIMPUNAN a. Penulisan Hipunan Cara Pendaftaran Cara Pencirian 1) A = {a,i,u,e,o} 1) A = {X: x huruf vokal } 2) B = {1,2,3,4,5} menghasilkan data diskrit 2) B = {X: 1 x 2} menghasilkan
Lebih terperinciMATERI STATISTIK II. Genrawan Hoendarto
MATERI STATISTIK II Teori Probabilitas Variabel Acak dan Nilai Harapan Distribusi Teoritis Distribusi Sampling Pengujian Hipotesis Regresi dan Korelasi Linear Sederhana Statistik Nonparametrik Daftar Pustaka
Lebih terperinciMODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU
DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan
Lebih terperinciKONSEP PROBABILITAS & DISTRIBUSI PROBABILITAS
KONSEP PROBABILITAS & DISTRIBUSI PROBABILITAS 5 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hbp://debrina.lecture.ub.ac.id/ 2
Lebih terperinciMetode Statistika. Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution)
Metode Statistika Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Konsep Peubah Acak Peubah acak merupakan suatu fungsi yang memetakan ruang kejadian (daerah
Lebih terperinciBagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas
Probabilitas Bagian Probabilitas A) = peluang (probabilitas) bahwa kejadian A terjadi 0 < A) < 1 A) = 0 artinya A pasti terjadi A) = 1 artinya A tidak mungkin terjadi Penentuan nilai probabilitas: Metode
Lebih terperinciApril 20, Tujuan Pembelajaran
pril 20, 2011 1 Tujuan embelajaran Memahami dan menggunakan analisis kombinatorial untuk kejadian kompleks: permutasi dan kombinasi Mendefinisikan terminologi-terminologi penting dalam probabilitas dan
Lebih terperinciSekoin uang logam mempunyai dua permukaan H dan T dilemparkan berkali kali. Hasil yg diperoleh pada setiap pelemparan apakah H atau T di catat Hasil
Pertemuan 13 &14 Sekoin uang logam mempunyai dua permukaan H dan T dilemparkan berkali kali. Hasil yg diperoleh pada setiap pelemparan apakah H atau T di catat Hasil dari keseluruhan event yang didapat
Lebih terperinciLearning Outcomes Peubah Acak Fungsi Sebaran Secaran Diskret Nilai Harapan. Peubah Acak. Julio Adisantoso. 13 Maret 2014
13 Maret 2014 Learning Outcome Mahasiswa dapat memahami dan menentukan peubah acak dari suatu kejadian Mahasiswa dapat memahami fungsi sebaran Mahasiswa dapat mengerti dan menentukan peubah acak diskret
Lebih terperinciPertemuan 1 KONSEP DASAR PROBABILITAS
Pertemuan 1 KONSEP DASAR PROBABILITAS Pengantar Banyak kejadian dalam kehidupan sehari-hari yang sulit diketahui dengan pasti, terutama kejadian yang akan datang. Meskipun kejadian-kejadian tersebut tidak
Lebih terperinciPertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution)
Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Peubah acak merupakan suatu fungsi yang memetakan ruang kejadian (daerah fungsi) ke ruang bilangan
Lebih terperinciPeubah Acak. 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1
Peubah Acak 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1 Definisi Peubah Acak Peubah acak adalah peubah yang mengkarakterisasikan setiap elemen dalam ruang sampel dengan suatu bilangan real.
Lebih terperinci25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak
Konsep Peubah Acak Metode Statistika (STK11) Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Peubah acak merupakan suatu fungsi yang memetakan
Lebih terperinciPEMBAHASAN UTS 2015/2016 STATISTIKA 1
PEMBAHASAN UTS 2015/2016 STATISTIKA 1 1. pernyataan berikut ini menjelaskan definisi dan cakupan statistika deskriptif, KECUALI : a. statistika deskriptif mendeskripsikan data yang telah dikumpulkan (Organizing)
Lebih terperinciKONSEP DASAR PROBABILITAS
KONSEP DASAR PROBABILITAS Definisi: Probabilitas adalah peluang suatu kejadian Manfaat: Manfaat mengetahui probabilitas adalah membantu pengambilan keputusan yang tepat, karena kehidupan di dunia tidak
Lebih terperinciPertemuan ke-5 : Kamis, 7 April : Nevi Narendrati, M.Pd. Prodi : Pendidikan Matematika, Kelas 21
Pertemuan ke-5 : Kamis, 7 April 2016 Dosen : Nevi Narendrati, M.Pd. Prodi : Pendidikan Matematika, Kelas 21 Materi Teori Peluang: 1. Operasi Kejadian 2. Peluang: definisi dan sifat-sifatnya Operasi Kejadian
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 terperinciMAKALAH PELUANG OLEH :
MAKALAH PELUANG OLEH : Nama Kelompok 1. Asri Sihotang NIM.41031110 2. Astika Laras Hutagaol NIM.4103111012 3. Bethesda Butarbutar NIM.4103111013 4. Sefta A P Hutauruk NIM.4103111072 JURUSAN MATEMATIKA
Lebih terperinciMateri #2 TIN315 Pemeliharaan dan Rekayasa Keandalan Genap 2015/2016
#2 PROBABILITAS 2.1. Pendahuluan Kata probabiliitas sering dipakai jika kehilangan sentuhan dalam mengimplikasikan bahwa suatu kejadian yang mempunyai peluang yang bagus akan terjadi. Dalam hal ini penilaian
Lebih terperinciJenis Distribusi. 1. Distribusi Probabilitas 2. Distribusi Binomial (Bernaulli) 3. Distribusi Multinomial 4. Distribusi Normal (Gauss)
Ir Tito Adi Dewanto Jenis Distribusi 1. Distribusi Probabilitas 2. Distribusi Binomial (Bernaulli) 3. Distribusi Multinomial 4. Distribusi Normal (Gauss) Pengantar Kunci aplikasi probabilitas dalam statistik
Lebih terperinciBAB 8 DISTRIBUSI PELUANG DISKRIT
BAB 8 DISTRIBUSI PELUANG DISKRIT A. Peluang Peluang atau yang sering disebut sebagai probabilitas dapat dipandang sebagai cara untuk mengungkapkan ukuran ketidakpastian/ ketidakyakinan/ kemungkinan suatu
Lebih terperinciHidup penuh dengan ketidakpastian
BAB 2 Probabilitas Hidup penuh dengan ketidakpastian Tidak mungkin bagi kita untuk dapat mengatakan dengan pasti apa yang akan terjadi dalam 1 menit ke depan tapi Probabilitas akan memprediksikan masa
Lebih terperinciPROBABILITAS. Disajikan oleh: Bernardus Budi Hartono. pakhartono at gmail dot com budihartono at acm dot org
PROBABILITAS Disajikan oleh: Bernardus Budi Hartono Web E-mail : pakhartono at gmail dot com budihartono at acm dot org : http://pakhartono.wordpress.com Teknik Informatika [Gasal 2009 2010] FTI - Universitas
Lebih terperinciProbabilitas dan Statistika Distribusi Peluang Diskrit 2. Adam Hendra Brata
Probabilitas dan Statistika Distribusi Peluang Diskrit 2 Adam Hendra Brata Distribusi Hipergeometrik Distribusi Hipergeometrik Jika sampling dilakukan tanpa pengembalian dari kejadian sampling yang diambil
Lebih terperinciHarapan Matematik (Teori Ekspektasi)
(Teori Ekspektasi) PROBABILITAS DAN STATISTIKA Semester Genap 2014/2015 LUTFI FANANI lutfi.class@gmail.com Sifat Definisi Harapan matematik atau nilai ekspektasi adalah satu konsep yang penting di dalam
Lebih terperinciDISTRIBUSI PROBABILITAS DISKRET Distribusi Binomial. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016
DISTRIBUSI PROBABILITAS DISKRET Distribusi Binomial Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 Distribusi Binomial Perhatikan kembali setiap hasil percobaan statistik pada pembahasan sebelumnya, dari
Lebih terperinciPENGANTAR PROBABILITAS STATISTIKA UNIPA SBY
PENGANTAR PROBABILITAS GANGGA ANURAGA POKOK BAHASAN Konsep dasar probabilitas Teori himpunan Permutasi Kombinasi Koefisien binomial Koefisien multinomial Probabilitas Aksioma probabilitas Probabilitas
Lebih terperinciBAB IV. DISTRIBUSI PROBABILITAS DISKRIT
BAB IV. DISTRIBUSI PROBABILITAS DISKRIT A. Variabel random diskrit. Variabel random diskrit X adalah : Cara memberi nilai angka pada setiap elemen ruang sampel X(a) : Ukuran karakteristik tertentu dari
Lebih terperinciALJABAR SET & AKSIOMA PROBABILITAS
ALJABAR SET & AKSIOMA PROBABILITAS Pokok Bahasan Sample Space Event Aljabar Set Prinsip dan Aksioma Probabilitas Equally Likely Event Conditional Probability Independent Event Sample Space dan Event Eksperimen
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 terperinciTujuan Pembelajaran. mutually exclusive
Tujuan embelajaran Memahami dan menggunakan analisis kombinatorial untuk kejadian kompleks: permutasi dan kombinasi Mendefinisikan terminologi-terminologi penting dalam probabilitas dan menjelaskan bagaimana
Lebih terperinciDISTRIBUSI PROBABILITAS DISKRET
DISTRIBUSI PROBABILITAS DISKRET 1 OUTLINE BAGIAN II Probabilitas dan Teori Keputusan Konsep-konsep Dasar Probabilitas Diskret Distribusi Normal Teori Keputusan Pengertian Distribusi Probabilitas Binomial
Lebih terperinciPROBABILITAS MODUL PROBABILITAS
MODUL 6 PROBABILITAS. Pendahuluan Masalah probabilitas adalah masalah frekuensi sesuatu kejadian. Dari itu, probabilitas suatu kejadian dapat diatasi sebagai perbandingan frekuensi kejadian itu dengan
Lebih terperinciKONSEP DASAR PROBABILITAS
KONSEP DASAR PROBABILITAS PERTEMUAN VIII EvanRamdan PROBABILITAS Dalam menentukan banyaknya anggota kejadian, kadangkala kita tidak selalu dapat mendaftar semua titik sampel dalam percobaan tersebut. Untuk
Lebih terperinciTeori Probabilitas 3.2. Debrina Puspita Andriani /
Teori Probabilitas 3.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Konsep Probabilitas Ruang Sampel Komplemen Kejadian Probabilitas Bersyarat Berapa peluang munculnya
Lebih terperinciDistribusi Teoritis Probabilitas
Distribusi Teoritis Probabilitas Topik Distribusi teoritis Binomial Distribusi teoritis Poisson Distribusi teoiritis Normal 2 Distribusi Teoritis Probabilitas Distr. Teoritis Probabilitas Diskrit Kontinyu
Lebih terperinciPROBABILITAS (KEMUNGKINAN/PELUANG) PENDAHULUAN PENGERTIAN PROBABILITAS HUKUM PROBABILITAS
PROBABILITAS (KEMUNGKINAN/PELUANG) PENDAHULUAN PENGERTIAN PROBABILITAS HUKUM PROBABILITAS PENDAHULUAN Semua kejadian di alam selalu dikatakan ada ketidakpastian Adanya statistik karena adanya ketidakpastian
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 terperinciPertemuan Ke-1 BAB I PROBABILITAS
Pertemuan Ke-1 BAB I PROBABILITAS 1.1 Arti dan Pentingnya Probabilitas Probabilitas merupakan suatu nilai untuk mengukur besarnya tingkat kemungkinan terjadinya suatu kejadian yang acak. Kejadian Acak
Lebih terperinciSTATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling
STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling Rengganis Banitya Rachmat rengganis.rachmat@gmail.com 4. Distribusi Probabilitas Normal dan Binomial
Lebih terperinciReview Teori Probabilitas
Rekayasa Trafik 1 Review Teori Probabilitas Rekayasa Trafik Outline Arti Probabilitas Counting Method Random Variable Discrete RV Continuous RV Multiple RVs Rekayasa Trafik 2 Arti Probabilitas Rekayasa
Lebih terperinciTHEORY. By: Hanung N. Prasetyo PEUBAH ACAK TELKOM POLYTECHNIC/HANUNGNP
THEORY By: Hanung N. Prasetyo PEUBAH ACAK Variabel acak adalah suatu variabel yang nilainya bisa berapa saja Variabel acak merupakan deskripsi numerik dari outcome beberapa percobaan / eksperimen VARIABEL
Lebih terperinciHARAPAN MATEMATIK. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016
HARAPAN MATEMATIK Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 Pendahuluan Rata-rata perubah acak X atau rata-rata distribusi peluang X ditulis x atau. Dalam statistik rata-rata ini disebut harapan matematik
Lebih 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 terperinciSTATISTIKA MATEMATIKA
STATISTIKA MATEMATIKA Muhammad Subianto STATISTIKA MATEMATIKA Muhammad Subianto The work in this book/modul was partially supported by Jurusan Matematika FMIPA Universitas Syiah Kuala. Printed by... ISBN-10:
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 terperinciTEORI PROBABILITAS (TEORI KEMUNGKINAN)
BAB 6 TEORI PROBABILITAS (TEORI KEMUNGKINAN) Kompetensi Menjelaskan konsep dasar teori probabilitas Indikator 1. Menjelaskan probabilitas 2. Menjelaskan peristiwa mutually exclusive 3. Menjelaskan peristiwa
Lebih terperinciBILANGAN ACAK. Metode untuk mendapatkan bilangan acak : 1. Metode Kongruen Campuran Rumus :
BILANGAN ACAK Bilangan acak adalah bilangan sembarang tetapi tidak sembarangan. Kriteria yang harus dipenuhi, yaitu : Bilangan acak harus mempunyai distribusi serba sama (uniform) Beberapa bilangan acak
Lebih terperinciRuang Sampel, Titik Sampel dan Kejadian
Dasar Dasar robabilitas DSR DSR ROILITS Ruang Sampel, Titik Sampel dan Kejadian Ruang sampel (sample space atau semesta (universe merupakan himpunan dari semua hasil (outcome yang mungkin dari suatu percobaan
Lebih terperinciSTK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak
STK 511 Analisis statistika Materi 3 Sebaran Peubah Acak 1 Konsep Peluang 2 Peluang Peluang dapat diartikan sebagai ukuran kemungkinan terjadinya suatu kejadian Untuk memahami peluang diperlukan pemahaman
Lebih terperinciDISTRIBUSI TEORITIS. Variabel Acak Distribusi Teoritis Binomial Normal
DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat
Lebih terperinci1.1 Konsep Probabilitas
TEORI DASAR PROBABILITAS 1.1 Konsep Probabilitas Probabilitas/peluang secara umum dapat diartikan sebagai ukuran matematis terhadap kecenderungan akan munculnya sebuah kejadian. Secara matematis peluang
Lebih terperinciHubungan antara kejadian dengan ruang contohnya Representasi secara grafis untuk mengilustrasikan logical relations di antara kejadian kejadian
Diagram Venn. Hubungan antara kejadian dengan ruang contohnya Representasi secara grafis untuk mengilustrasikan logical relations di antara kejadian kejadian S = Himpunan bilangan asli A = Himpunan bilangan
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 terperinciSTATISTIK INDUSTRI 1. Random Variable. Distribusi Peluang. Distribusi Peluang Diskrit. Distribusi Peluang Diskrit 30/10/2013 DISKRIT DAN KONTINYU
STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Distribusi Peluang DISKRIT DAN KONTINYU Random Variable Random variable / peubah acak: Suatu fungsi yang mengaitkan suatu bilangan real dengan tiap elemen
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 terperinciMK Statistik Bisnis 2 MultiVariate. Haryoso Wicaksono, S.Si., M.M., M.Kom. 1
Haryoso Wicaksono, S.Si., M.M., M.Kom. 1 Descriptive Statistics mengandung metoda dan prosedur yang digunakan untuk pengumpulan, pengorganisasian, presentasi dan memberikan karakteristik terhadap himpunan
Lebih terperinciMetode Statistika (STK211)
Metode Statistika (STK211) Peubah Acak dan Sebaran Peluang (Random Variable and Probability Distribution) Dr. Ir. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 1 Konsep Peubah Acak (Random Variable) Peubah
Lebih terperinci