BAB 2 LANDASAN TEORI
|
|
- Suhendra Budiono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB 2 LANDASAN TEORI Pada bab ini diberikan beberapa konsep dasar seperti teorema dan beberapa definisi sebagai landasan dalam penelitian ini. Konsep dasar ini berkaitan dengan masalah yang dibahas dalam tulisan ini seperti peluang,peubah acak, bayes, likelihood, dan distribusi weibull Peluang Definisi 1 Eksperimen-eksperimen yang memiliki karakteristik tersebut, selanjutnya disebut eksperimen acak. Kemudian, himpunan semua hasil yang mungkin dari suatu eksperimen acak disebut ruang sampel (sample space) dan diberi lambang S. (Djauhari, 1990: 3) Contoh 1: Misalkan kita melakukan eksperimen, melantunkan sebuah dadu, dan setelah jatuh ke tanah, kita amati bagian atasnya. Hasilnya yang mungkin dari eksperimen ini bisa muncul 1,2,3,4,5,ataupun 6. Jika dianggap bahwa eksperimen tersebut dapat dilakukan berulangulang pada kondisi yang sama, maka eksperimen tersebut merupakan eksperimen acak. Ruang sampelnya S = {1,2,3,4,5,6}.
2 Definisi 2 Kejadian adalah himpunan bagian dari ruang sampel. (Walpole, 1986 : 4) Contoh 2: Misalkan A = {t 0 t < 5} himpunan bagian ruang sampel S = {t t 0}, t menyatakan umur (dalam tahun) suatu komponen mesin tertentu dan A menyatakan kejadian bahwa komponen akan rusak sebelum akhir tahun ke lima. Definisi 3 Koleksi himpunan A lapangan. yang tertutup terhadap komplemen dan irisan hingga disebut (Djauhari, 1990: 16) Definisi 4 Koleksi himpunan A lapangan sigma. yang tertutup terhadap komplemen dan irisan terbilang disebut (Djauhari, 1990: 16) Definisi 5 Misalkan S ruang sampel dari suatu eksperimen acak dan A suatu lapangan sigma yang terdiri atas himpunan bagian dari S. Peluang adalah fungsi P dari A pada [0, 1] yang bersifat: i. P(A) 0 untuk setiap A di A ii. P(S) = 1 iii., untuk setiap di A dimana bila i j. (Djauhari, 1990: 17)
3 Teorema 1 Bila suatu percobaan dapat menghasilkan N macam hasil yang berkemungkinan sama, dan bila tepat sebanyak n dari hasil berkaitan dengan kejadian A, maka peluang kejadian A adalah Keterangan: P(A) = peluang kejadian A n(a) = banyaknya harapan muncul A N = banyaknya kejadian (Walpole, 1986: 17) 2.2. Peubah Acak Definisi 6 Diketahui S adalah ruang sampel. Fungsi X dari S ke R dinamakan peubah acak. Jelajah (range) dari X yakni = {x x = X(c), c di S}dinamakan ruang peubah acak X atau ruang dari X. (Djauhari, 1990: 28) Fungsi Kepadatan Peluang (f.k.p) F.k.p. dari Peubah Acak Diskrit Definisi 7 Misalkan A ruang dari peubah acak diskrit X. Jadi A terbilang. Fungsi f dari A ke dalam R yang bersifat: i. f(x) 0, untuk setiap x di A
4 ii. = 1 dinamakan fungsi kepadatan peluang (f.k.p.) dari peubah acak diskrit X. Jika peubah acak X diskrit dengan f.k.p f(x), maka peluang suatu A diberikan oleh: P(X = x) = f(x) (Djauhari, 1990: 41) Definisi 8 Distribusi kumulatif F(x) suatu variabel random X dengan distribusi peluang f(x) dinyatakan oleh F(x) = P(X x) = (Walpole, 1986: 38) F.k.p. dari Peubah Acak Kontinu Definisi 9 Misalkan A ruang peubah acak kontinu X. Fungsi f dari A ke dalam R yang memenuhi: i. f(x) 0, untuk setiap x ii. dinamakan f.k.p. dari peubah acak kontinu X. Jika peubah acak kontinu X memiliki f.k.p. f(x) = 0 maka peluang suatu peristiwa A diberikan oleh P(A) = (Djauhari, 1990: 42) Definisi 10 Distribusi kumulatif F(x) suatu variabel random kontinu X dengan fungsi padat f(x) diberikan oleh
5 F(x) = P(X x) = (Walpole, 1986: 44) 2.3 Ekspektasi Matematik Definisi 11 Misalkan u(x) suatu fungsi dari X. Besaran (jika ada), dinamakan ekspektasi matematik atau nilai harapan dari u(x). (Djauhari, 1990: 66) 2.4 Pendekatan Bayes Untuk Menentukan Estimator Bila dalam pendekatan klasik estimator yang diperoleh hanya berdasarkan pada informasi sampel, dalam pendekatan Bayes di samping informasi sampel juga diperlukan informasi tentang parameter. Definisi 12 Suatu informasi pada ruang parameter disebut informasi prior. Informasi ini dipandang sebagai distribusi peluang pada ruang parameter yang disebut distribusi prior. (Soejoeti, 1988: 129)
6 Definisi 13 Distribusi bersyarat θ jika diberikan observasi sampel X disebut distribusi posterior θ dari diberikan X dan dinyatakan dengan ( ). (Soejoeti, 1988) Dalam menentukan distribusi posterior, khususnya untuk kasus kontinu kadang diperlukan perhitungan integral yang tidak mudah, yaitu apabila fungsi matematikanya tidak sederhana, salah satu cara mengatasi kesulitan ini adalah dengan menggunakan distribusi prior sekawan. Definisi 14 Misalkan F adalah klas dari distribusi peluang dengan fkp f(x ; θ). Klas P dari distribusi prior disebut distribusi keluarga sekawan untuk F jika distribusi posterior berada dalam P untuk semua f F, semua prior dalam P dan semua x X. Tiga sifat yang merupakan sifat yang disenangi bagi keluarga prior sekawan adalah : 1. Secara matematik dapat ditelusuri, yaitu cukup mudah untuk menentukan distribusi posterior dari distribusi prior dan fungsi likelihood yang dipunyai, menghasilkan distribusi posterior yang juga anggota sekawan yang sama, sehingga tidak sulit menggunakan teorema Bayes berturut-turut, serta mudah dihitung nilai harapannya. 2. Keluasannya, yaitu keluarga distribusi sekawan meliputi distribusi dengan parameter-parameter yang berbeda, sehingga mewakili berbagai macam informasi prior yang berbeda. 3. Mudah diinterpretasikan, yaitu keluarga distribusi sekawan dapatdengan mudah diinterpretasikan oleh orang yang mempunyai informasi prior tersebut. (Soejoeti, 1988: 4.7)
7 Definisi 15 Misalkan, sampel random dari fungsi probabilitas f(x;θ). Statistik, dikatakan cukup (sufien) untuk θ apabila untuk semua θ dan semua hasil yang mungkin, fungsi probabilitas, jika diketahui w tidak tergantung pada θ, baik dalam fungsi itu sendiri atau dalam wilayah fungsi itu. Untuk menentukan statistik cukup biasanya tidak menggunakan definisi 15, tetapi lebih mudah mengerjakannya dengan kriteria Fisher-Neyman. (Soejoeti, 1990) Teorema 2 (Kriteria Fisher-Neyman) Misalkan, sampel random dari fungsi probabilitas f(x;θ). Statistik, dikatakan cukup untuk θ jika dan hanya jika fungsi probabilitas bersama, terurai menjadi hasil kali fungsi probabilitas W dan suatu fungsi lain yang hanya tergantung pada θ. Yakni W cukup jika dan hanya jika (Soejoeti, 1990) Teorema 3 Jika T adalah statistik cukup untuk θ dengan fungsi kepadatan peluang g(t;θ) maka (θ x) = (θ t) =, dengan distribusi prior untuk dan m(t) fungsi probabilitas marginal untuk t. (Berger, 1980: 93) 2.5 Konsep Dasar Distribusi Waktu Hidup Fungsi-fungsi pada distribusi waktu hidup merupakan suatu fungsi yang menggunakan variabel random. Waktu hidup adalah interval waktu yang diamati dari suatu individu saat pertama kali masuk ke dalam pengamatan hingga keluar dari pengamatan. Misalnya
8 interval waktu sampai rusaknya suatu barang produksi, matinya suatu makhluk hidup, kambuhnya suatu penyakit atau sampai terjangkitnya suatu penyakit. Variabel random non negatif waktu hidup biasanya dinotasikan dengan huruf T, dan akan membentuk suatu distribusi. Distribusi dari waktu hidup dapat disajikan oleh tiga fungsi berikut. 2.6 Fungsi Densitas Peluang (f.d.p.) f(t) Fungsi densitas peluang adalah probabilitas kegagalan suatu individu pada suatu interval yang kecil (t, t + t) persatuan waktu. Fungsi densitas peluang (f.d.p) dinyatakan dengan f(t).... (2.1) Fungsi distribusi kumulatif pada waktu t untuk suatu individu adalah probabilitas bahwa suatu individu mengalami kegagalan sebelum waktu t atau pada interval waktu [0, ]. (2.2) 2.7 Fungsi Survivor S(t) Fungsi survivor adalah peluang suatu individu bertahan hidup lebih dari waktu t dengan t > 0. Fungsi survivor dinyatakan dengan S(t). (2.3) Mengacu pada ilustrasi di depan: S(t) = P[individu hidup lebih lama dari waktu t]
9 Dalam beberapa hal, khususnya yang mencakup tahan hidup dari komponen-komponen industri, S(t) ditentukan sebagai fungsi reliabilitas. S(t) merupakan fungsi kontinu menurun secara kontinu dengan S(0) = 1, artinya peluang suatu individu bertahan hidup lebih lama dari waktu nol adalah 1 dan S( ) = lim S(t) = 0, artinya peluang suatu individu bertahan hidup pada waktu yang tak terhingga adalah Fungsi Hazard h(t) Fungsi hazard adalah suatu fungsi yang menunjukkan tingkat kegagalan atau resiko dalam interval (t, t + Dt) dan diketahui bahwa individu tersebut telah bertahan hidup selama waktu t. Fungsi hazard dinyatakan dengan: fungsi hazard dapat pula dinyatakan oleh dua buah fungsi yaitu fungsi survivor dan fungsi densitas peluang (2.4) Teorema 4 Jika T variabel random yang menyatakan waktu hidup dimana T f.d.p serta S(t) merupakan fungsi survivor, maka 0, dan f(t) merupakan
10 Bukti: Dari (2.2) dan (2.3) maka sehingga, Teorema 5 Jika T variabel random yang menyatakan waktu hidup dimana T fungsi survivor dan h(r) menyatakan fungsi hazard maka 0 dan S(t) merupakan Bukti. Berdasarkan teorema 4 diketahui bahwa. dan persamaan (2.4) dengan menggunakan salah satu sifat S(t) bahwa S(0) = 1, maka Jadi
11 Akibat Teorema 5 Berdasarkan teorema 4 dan teorema 5, f(t) dapat dinyatakan dalam h(t) sebagai Bukti: Keterangan: f(t) = fungsi densitas peluang F(t) = fungsi distribusi kumulatif peluang h(t) = fungsi kegagalan (Hazard) S(t) = fungsi kehandalan (Survivor) t = waktu Dari teorema 4 dan teorema 5 serta akibat dari teorema 5 di atas, dapat dilihat bahwa ketiga fungsi pada distribusi waktu hidup yaitu f(t), S(t), dan h(t) saling berhubungan satu dengan yang lainnya. 2.9 Sampel Lengkap Dalam uji sampel lengkap, eksperimen akan dihentikan jika semua komponen yang diuji telah mati atau gagal. Cara seperti ini mempunyai keuntungan yaitu dapat dihasilkan observasi terurut dari semua komponen yang diuji. (Lawless, 1982: 231)
12 2.10 Distribusi Weibull Definisi 16 F.k.p untuk waktu kegagalan T berdistribusi Weibull dengan parameter θ dinyatakan sebagai (Sinha, 1979: 136) Penerapan distribusi Weibull pada analisis uji hidup antara lain dilakukan oleh Kao (1959) dengan menerapkan distribusi Weibull dalam uji hidup tabung elektron, kemudian Leiblain dan Zeln (1956) melakukan penelitian penerapan distribusi ini dalam bidang rekayasa (Zanzawi, 1996:7). Selanjutnya banyak peneliti yang mengembangkannya antara lain Thomas dan Wilson (1972).(Lawless, 1982:145), Pandey dan Malik (1989) Prinsip Dasar Metode Maksimum Likelihood Menurut William W. Hines dan Douglas C. Montgomery (1990: 268), sebuah metode yang paling baik untuk memperoleh sebuah estimator yang tunggal adalah metode maksimum likelihood. Karena secara konsep prosedur metode maksimum likelihood sangat sederhana dan metode ini lebih umum digunakan untuk mengestimasi parameterparameter distribusi waktu hidup. Definisi 17 Misalkan x variabel random dengan p.d.f f(x;θ), dimana parameter θ tidak diketahui. Misalkan, menjadi nilai yang diobservasi di dalam suatu sampel random yang besarnya n. Maka fungsi likelihood sampel tersebut adalah L(θ) = f( ;θ). f( ;θ).. f( ;θ) (Hines, 1990: 268)
13 merupakan nilai maksimum likelihood estimator atau dengan kata lain maksimum likelihood adalah nilai θ yang memaksimumkan fungsi likelihood. Fungsi likelihood lebih cocok apabila dikerjakan dengan menggunakan natural logaritma dan dinotasikan dengan ln L(θ) Fungsi Gamma Definisi 18 Fungsi gamma dengan notasi Γ (n) didefinisikan sebagai berikut: Γ Ekspansikan hanya berlaku untuk n>0, dan integral adalah konvergen. Fungsi gamma banyak membantu dalam memecahkan persoalan-persoalan integral. Teorema 6 Γ Bukti: Γ Γ Γ Γ
14 2.13 Fungsi Beta Definisi 19 Fungsi beta dengan notasi B(m,n) didefinisikan sebagai: dimana m>0 dan n>0 Fungsi beta banyak membantu dalam memecahkan persoalan-persoalan integral. Teorema 7 Hubungan fungsi gamma dengan fungsi beta. Bukti: Misalkan : θ θ sinθ dθ Untuk
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian Di dalam suatu kegiatan, seringkali dilakukan berbagai percobaan atau eksperimen. Hasil eksperimen akan memberikan informasi tentang masalah yang sedang
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam pembicaraan statistik, jawaban yang diinginkan adalah jawaban untuk ruang lingkup yang lebih luas, yakni populasi. Tetapi objek dari studi ini menggunakan sampel
Lebih terperinciBAB 2 LANDASAN TEORI. Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S.
BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S. Tiap hasil dalam ruang sampel disebut
Lebih terperinciBAB II LANDASAN TEORI. ilmiah. Pencacahan atau pengukuran karakteristik suatu objek kajian yang
BAB II LANDASAN TEORI 2.1 Konsep Dasar Peluang Pada dasarnya statistika berkaitan dengan penyajian dan penafsiran hasil yang berkemungkinan (hasil yang belum dapat ditentukan sebelumnya) yang muncul dalam
Lebih terperinciTINJAUAN PUSTAKA. ruang sampel dan dilambangkan dengan huruf S. Ruang sampel beranggotakan
II. TINJAUAN PUSTAKA 2.1 Percobaan dan Ruang Sampel Menurut Walpole (1995), istilah percobaan digunakan untuk sembarang proses yang dapat membangkitkan data. Himpunan semua hasil suatu percobaan disebut
Lebih terperinciII. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E
5 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Peluang Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E adalah himpunan bagian dari ruang sampel. Peluang suatu kejadian P(E) adalah
Lebih terperinciDISTRIBUSI SATU PEUBAH ACAK
0 DISTRIBUSI SATU PEUBAH ACAK Dalam hal ini akan dibahas macam-macam peubah acak, distribusi peluang, fungsi densitas, dan fungsi distribusi. Pada pembahasan selanjutnya, fungsi peluang untuk peubah acak
Lebih terperinciBAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer
BAB I PENDAHULUAN A. Latar Belakang Statistika merupakan salah satu ilmu matematika yang terus berkembang dari waktu ke waktu. Di dalamnya mencakup berbagai sub pokok-sub pokok materi yang sangat bermanfaat
Lebih terperinciPengantar Statistika Matematika II
Bab 3: Estimasi Titik dengan Metode Bayes Statistika FMIPA Universitas Islam Indonesia Dalam pendekatan klasik, parameter θ adalah besaran tetap yang tidak diketahui Sampel random X 1, X 2,..., X n diambil
Lebih terperinciKONSEP DASAR TERKAIT METODE BAYES
KONSEP DASAR TERKAIT METODE BAYES 2.3. Peubah Acak dan Distribusi Peluang Pada statistika kita melakukan percobaan dimana percobaan tersebut akan menghasilkan suatu peluang. Ruang sampel pada percobaan
Lebih terperinciINFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT. Oleh : ADE CANDRA SISKA NIM: J2E SKRIPSI
INFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT Oleh : ADE CANDRA SISKA NIM: J2E 006 002 SKRIPSI Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains Pada
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Pengertian Distribusi Eksponensial Distribusi eksponensial adalah distribusi yang paling penting dan paling sederhana kegagalan mesin penghitung otomatis dan kegagalan komponen
Lebih terperinciBAB III METODE PENELITIAN
digilib.uns.ac.id BAB III METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah kajian pustaka dari buku referensi karya ilmiah. Karya ilmiah yang digunakan adalah hasil penelitian serta
Lebih terperinciBAB IV KESIMPULAN DAFTAR PUSTAKA LAMPIRAN... 64
DAFTAR ISI Halaman HALAMAN JUDUL... ii HALAMAN PENGESAHAN... iii KATA PENGANTAR... v ABSTRAK... vii ABSTACT... viii DAFTAR ISI... ix DAFTAR SIMBOL... xii DAFTAR TABEL... xiv DAFTAR GAMBAR... xv DAFTAR
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 terperinciESTIMASI PARAMETER DISTRIBUSI RAYLEIGH TUNGGAL DAN DISTRIBUSI RAYLEIGH DUA CAMPURAN TUGAS AKHIR. Oleh : ISMA NETI
ESTIMASI PARAMETER DISTRIBUSI RAYLEIGH TUNGGAL DAN DISTRIBUSI RAYLEIGH DUA CAMPURAN TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sains Pada Jurusan Matematika Oleh : ISMA
Lebih terperinciPengantar Statistika Matematika II
Pengantar Statistika Matematika II Estimasi Titik dengan Metode Atina Ahdika, S.Si., M.Si. Prodi Statistika FMIPA Universitas Islam Indonesia May 9, 2017 atinaahdika.com Dalam pendekatan klasik, parameter
Lebih terperinciHANDOUT PERKULIAHAN. Pertemuan Ke : 3 : Distribusi Satu Peubah Acak dan Ekspektasi Satu Peubah Acak
HANDOUT PERKULIAHAN Pertemuan Ke : 3 Pokok Bahasan : Distribusi Satu Peubah Acak dan Ekspektasi Satu Peubah Acak URAIAN POKOK PERKULIAHAN A. Peubah Acak Definisi 1 : Peubah Acak Misalkan E adalah suatu
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciESTIMATOR BAYES DAN MAKSIMUM LIKELIHOOD UNTUK DATA BERDISTRIBUSI WEIBULL SKRIPSI SUMI SRIARDINA YUSARA
ESTIMATOR BAYES DAN MAKSIMUM LIKELIHOOD UNTUK DATA BERDISTRIBUSI WEIBULL SKRIPSI SUMI SRIARDINA YUSARA 100823018 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 21 Beberapa Pengertian Definisi 1 [Ruang Contoh] Ruang contoh adalah himpunan semua hasil yang mungkin dari suatu percobaan acak, dan dinotasikan dengan (Grimmet dan Stirzaker,1992)
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 terperinciBAB I PENDAHULUAN. Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang
BAB I PENDAHULUAN 1.1 Latar Belakang Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang dimaksud di sini adalah peristiwa kegagalan yang dapat berupa tidak berfungsinya benda tersebut
Lebih terperinciBAB III SURVIVAL ANALYSIS UNTUK MENGUJI RELIABILITAS PRODUK DAN PENENTUAN GARANSI PRODUK 3.1 Garansi
BAB III SURVIVAL ANALYSIS UNTUK MENGUJI RELIABILITAS PRODUK DAN PENENTUAN GARANSI PRODUK 3.1 Garansi Garansi dapat diartikan sebagai jaminan yang diberikan secara tertulis oleh pabrik atau supplier kepada
Lebih terperinciI. PENDAHULUAN II. TINJAUAN PUSTAKA
I. PENDAHULUAN 1.1 Latar Belakang Pada masa sekarang, ditengah berkembangnya dunia industri tentunya terdapat berbagai permasalahan dalam bidang-bidang keindustrian. Permasalahan-permasalahan yang biasa
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI.1 Peubah Acak dan Distribusinya.1.1 Peubah Acak Definisi.1: Peubah acak adalah suatu fungsi yang menghubungkan sebuah bilangan real dengan setiap unsur di dalam ruang contoh, (Walpole
Lebih terperinciLANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan
4 II. LANDASAN TEORI Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan Schmeiser (1974), yang memiliki empat parameter dari pengembangan distribusi Lambda Tukey. Keluarga distribusi
Lebih terperinci1 PROBABILITAS. Pengertian
PROBABILITAS Pengertian Pada awal perkuliahan, sebelum menjelaskan probabilitas, dibahas sepintas sebagai pengantar tentang eksperimen, titik sampel, ruang sampel, dan peristiwa, serta variabel random
Lebih terperinciLANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel
5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor
Lebih terperinciBAB II LANDASAN TEORI. landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di
5 BAB II LANDASAN TEORI Bab ini membahas pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di bahas adalah sebagai berikut: A.
Lebih terperinciMATERI BAB I RUANG SAMPEL DAN KEJADIAN. A. Pendahuluan Dari jaman dulu sampai sekarang orang sering berhadapan dengan peluang.
MATERI BAB I RUANG SAMPEL DAN KEJADIAN Pendahuluan Ruang Sampel Kejadian Dua Kejadian Yang Saling Lepas Operasi Kejadian BAB II MENGHITUNG TITIK SAMPEL Prinsip Perkalian/ Aturan Dasar Notasi Faktorial
Lebih terperinciBAB III ESTIMASI BIAYA GARANSI TV. Pada bab ini akan dibahas tahapan-tahapan yang dilakukan untuk
BAB III ESTIMASI BIAYA GARANSI TV Pada bab ini akan dibahas tahapan-tahapan yang dilakukan untuk mengestimasi biaya garansi satu dimensi pada TV. Adapun tahapan-tahapan yang dilakukan seperti terlihat
Lebih terperinciPENAKSIR MAKSIMUM LIKELIHOOD DENGAN METODE ITERASI NEWTON - RAPHSON
PENAKSIR MAKSIMUM LIKELIHOOD DENGAN METODE ITERASI NEWTON - RAPHSON Haposan Sirait 1 dan Rustam Efendi 2 1,2 Dosen Program Studi Matematika FMIPA Universitas Riau. Abstrak: Makalah ini menyajikan tentang
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Pada bab ini akan diuraikan mengenai beberapa teori dan metode yang mendukung serta mempermudah dalam melakukan perhitungan dan dapat membantu di dalam pembahasan
Lebih terperinciDEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA
digilib.uns.ac.id DEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA oleh ANIS TELAS TANTI M0106003 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciII. LANDASAN TEORI. sєs (S ruang sampel) dengan sebuah bilangan real. Salah satu peubah acak adalah
II. LANDASAN TEORI Peubah acak X(s) merupakan sebuah fungsi X yang menetapkan setiap anggota sєs (S ruang sampel) dengan sebuah bilangan real. Salah satu peubah acak adalah peubah acak diskrit, yaitu banyaknya
Lebih terperinciCNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya
CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya Dosen: Aniq A Rohmawati, M.Si TELKOM UNIVERSITY JALAN TELEKOMUNIKASI 1, BANDUNG, INDONESIA Ruang Sampel dan Kejadian PEUBAH ACAK (P.A) Fungsi yang memetakan
Lebih terperinciSTATISTIK 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 terperinciDistribusi Peluang. Maka peubah acak X dinyatakan dengan banyaknya kemunculan angka. angka sama sekali. angka.
Distribusi Peluang Definisi peubah acak: Misalkan E adalah sebuah percobaan dengan ruang sampel T. Sebuah fungsi X yang memetakan setiap anggota t T dengan sebuah bilangan real X(t) dinamakan peubah acak.
Lebih terperinciBAB II TINJAUAN PUSTAKA. diperhatikan adalah jangka waktu dari awal pengamatan sampai suatu event
BAB II TINJAUAN PUSTAKA A. Analisis Survival Analisis survival merupakan suatu analisis data dimana variabel yang diperhatikan adalah jangka waktu dari awal pengamatan sampai suatu event terjadi dengan
Lebih terperinciBAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU
BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU 3.1 Model Regresi Cox Proportional Hazard dengan Variabel Terikat oleh Waktu Model regresi Cox proportional hazard
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL TERSENSOR-II MENGGUNAKAN MLE
ESTIMASI PARAMETER DISTRIBUSI WEIBULL TERSENSOR-II MENGGUNAKAN MLE skripsi disajikan sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains Program Studi Matematika oleh Inang Amiril Mukminin 4150408015
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan berjalannya waktu, ilmu pengetahuan dan teknologi (sains dan teknologi) telah berkembang dengan cepat. Salah satunya adalah ilmu matematika yang
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN
Lebih terperinciBAB I PENDAHULUAN. Globalisasi telah menjadi fenomena yang tidak dapat dihindari dalam
1 BAB I PENDAHULUAN A. Latar Belakang Masalah Globalisasi telah menjadi fenomena yang tidak dapat dihindari dalam dunia bisnis. Perekonomian dunia semakin terbuka dan mengarah pada suatu kesatuan global
Lebih terperinciBAB 1. Pendahuluan. Perkembangan ilmu pengetahuan dan teknologi yang semakin pesat telah
BAB 1 Pendahuluan 1.1. Latar Belakang Perkembangan ilmu pengetahuan dan teknologi yang semakin pesat telah memberikan berbagai kemudahan kepada manusia dalam kehidupan, bahkan hasil kemajuan dari ilmu
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam mengkaji penelitian Karakteristik Penduga Parameter Distribusi Log
II. TINJAUAN PUSTAKA Dalam mengkaji penelitian Karakteristik Penduga Parameter Distribusi Log Normal Menggunakan Metode Generalized Moment digunakan beberapa definisi, dan teorema yang berkaitan dengan
Lebih terperinciPENGANTAR MODEL PROBABILITAS
PENGANTAR MODEL PROBABILITAS (PMP, Minggu 1-7) Sri Haryatmi Kartiko Universitas Gadjah Mada Juni 2014 Outline 1 Minggu 1:HIMPUNAN Operasi Himpunan Sifat-Sifat Operasi Himpunan 2 Minggu 2:COUNTING TECHNIQUE
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 terperinciBAB II KAJIAN PUSTAKA
4 BAB II KAJIAN PUSTAKA Pada sub bab ini akan diberikan beberapa definisi dan teori yang mendukung rancangan Sequential Probability Ratio Test (SPRT) yaitu percobaan dan ruang sampel, peubah acak dan fungsi
Lebih terperinciSituasi 1: a. Buatlah pernyataan-pernyataan yang sesuai dengan situasi di atas!
BAHAN AJAR 3 DISTRIBUSI PEUBAH ACAK GABUNGAN DAN FUNGSI PELUANG MARGINAL Situasi 1: Sebuah kotak berisi tiga ballpoint berwarna merah, dua berwarna biru dan tiga berwarna hitam. Kemudian dua buah ballpoint
Lebih terperinciI. 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 terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal
Lebih terperinciI. 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 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 terperinciII. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam
4 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam menentukan momen, kumulan, dan fungsi karakteristik dari distribusi log-logistik (α,β). 2.1 Distribusi Log-Logistik
Lebih terperinciBAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Matematika merupakan salah satu cabang ilmu pengetahuan yang melambangkan kemajuan zaman. Oleh karena itu matematika banyak digunakan oleh cabang ilmu lain
Lebih terperinciDistribusi Peubah Acak
Chandra Novtiar 085794801125 chandramathitb07@gmail.com PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP) SILIWANGI BANDUNG 4 April 2017 Garis Besar Pembahasan FUNGSI
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.. Konsep Dasar Analisis Runtun Waktu Pada bagian ini akan dikemukakan beberapa definisi yang menyangkut pengertian dan konsep dasar analisis runtun waktu. Definisi Runtun waktu
Lebih terperinciII. LANDASAN TEORI. beberapa konsep dan teori yang berkaitan dengan penduga parameter distribusi GB2
5 II. LANDASAN TEORI Dalam proses penelitian penduga parameter dari suatu distribusi diperlukan beberapa konsep dan teori yang mendukung dari ilmu statistika. Berikut ini akan dijelaskan beberapa konsep
Lebih terperinciBAB II KAJIAN TEORI. Analisis survival atau analisis ketahanan hidup adalah metode yang
BAB II KAJIAN TEORI BAB II KAJIAN TEORI A. Analisis Survival Analisis survival atau analisis ketahanan hidup adalah metode yang berhubungan dengan jangka waktu, dari awal pengamatan sampai suatu kejadian
Lebih terperinciPEUBAH ACAK DAN SEBARANNYA
LOGO STATISTIKA MATEMATIKA I PEUBAH ACAK DAN SEBARANNYA Hazmira Yozza Izzati Rami HG Jurusan Matematika FMIPA Universitas Andalas Percobaan : Pelemparan dua mata uang AA AG GA GG S X Definisi 2.1. Peubah
Lebih terperinciSIDANG TERTUTUP TUGAS AKHIR MENENTUKAN KEANDALAN KOMPONEN MESIN PRODUKSI PADA MODEL STRESS-STRENGTH YANG BERDISTRIBUSI GAMMA
SIDANG TERTUTUP TUGAS AKHIR HOME MENENTUKAN KEANDALAN KOMPONEN MESIN PRODUKSI PADA MODEL STRESS-STRENGTH YANG BERDISTRIBUSI GAMMA I V Oleh : Muh. Nurcahyo Utomo 121 1 37 Dosen Pembimbing: Dra. Farida Agustini
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fungsi Densitas Definisi 2.1 (Walpole & Myers, 1989) Fungsi adalah fungsi kepadatan peluang peubah acak kontinu, yang biasanya disebut fungsi densitas,yang didefinisikan di atas
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 terperinciLANDASAN TEORI. penelitian mengenai pendekatan distribusi GE ke distribusi GLL(,,
4 II. LANDASAN TEORI Pada bab ini akan dijelaskan beberapa definisi yang berhubungan dengan penelitian mengenai pendekatan distribusi GE ke distribusi GLL melalui distribusi eksponensial dengan menyamakan
Lebih terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA. Pendahuluan Uji perbandingan dua distribusi merupakan suatu tekhnik analisis ang dilakukan untuk mencari nilai parameter ang baik diantara dua distribusi. Tekhnik uji perbandingan
Lebih terperinciPengantar Statistika Matematika II
Pengantar Statistika Matematika II Distribusi Sampling Atina Ahdika, S.Si., M.Si. Prodi Statistika FMIPA Universitas Islam Indonesia March 20, 2017 atinaahdika.com Bila sampling berasal dari populasi yang
Lebih terperinciMODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang.
MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL Winda Faati Kartika 1, Triastuti Wuryandari 2 1, 2) Program Studi Statistika Jurusan Matematika FMIPA Universitas Diponegoro
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 terperinciDistribusi Peluang Kontinu. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB
Distribusi Peluang Kontinu Bahan Kuliah II9 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Fungsi Padat Peluang Untuk peubah acak kontinu, fungsi peluangnya
Lebih terperinciALGORITMA PENENTUAN UKURAN SAMPEL EKSAK UNTUK DISTRIBUSI NORMAL, DISTRIBUSI POISSON DAN DUA DISTRIBUSI BINOMIAL DALAM MODEL KELUARGA EKSPONENSIAL
ALGORITMA PENENTUAN UKURAN SAMPEL EKSAK UNTUK DISTRIBUSI NORMAL, DISTRIBUSI POISSON DAN DUA DISTRIBUSI BINOMIAL DALAM MODEL KELUARGA EKSPONENSIAL 1) Program Studi Matematika Universitas Ahmad Dahlan dian@math.uad.ac.id
Lebih terperinciPEUBAH ACAK DAN DISTRIBUSINYA
4/6/009 Pemetaan (Fungsi) PEUBAH ACAK DAN DISTRIBUSINYA Suatu pemetaan / fungsi Kategori fungsi:. Fungsi titik A B MA 08 Statistika Dasar Dosen : Udjianna S. Pasaribu Utriweni Mukhaiyar Senin, 6 Februari
Lebih terperinciDasar-dasar Statistika Pemodelan Sistem
Dasar-dasar Statistika Pemodelan Sistem Kuliah Pemodelan Sistem Semester Genap 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Januari 2016 MZI (FIF Tel-U) Statistika Pemodelan Januari 2016
Lebih terperinciII. TINJAUAN PUSTAKA. Analisis survival (survival analysis) atau analisis kelangsungan hidup bertujuan
II. TINJAUAN PUSTAKA 2.1 Analisis Survival Analisis survival (survival analysis) atau analisis kelangsungan hidup bertujuan menduga probabilitas kelangsungan hidup, kekambuhan, kematian, dan peristiwaperistiwa
Lebih terperinciII.TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik pendugaan distribusi
II.TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik pendugaan distribusi generalized weibull menggunakan metode generalized momen ini, penulis menggunakan definisi dan konsep dasar
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 terperinciLANDASAN TEORI. Dalam proses penelitian pendekatan distribusi generalized t(,,, ), ), melalui distribusi generalized beta 2
5 II. LANDASAN TEORI Dalam proses penelitian pendekatan distribusi generalized t terhadap distribusi gamma dan melalui distribusi generalized beta 2 distribusi generalized diperlukan gamma beberapa konsep
Lebih terperinciSTK 203 TEORI STATISTIKA I
STK 203 TEORI STATISTIKA I III. PEUBAH ACAK KONTINU III. Peubah Acak Kontinu 1 PEUBAH ACAK KONTINU Ingat definisi peubah acak! Definisi : Peubah acak Y adalah suatu fungsi yang memetakan seluruh anggota
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Distribusi eksponensial tergenaralisir (Generalized Eponential Distribution) pertama kali diperkenalkan oleh Gupta dan Kundu pada tahun 1999. Distribusi ini diambil
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 terperinciBAB 2 LANDASAN TEORI DAN KAJIAN PUSTAKA
BAB 2 LANDASAN TEORI DAN KAJIAN PUSTAKA 2.1 Estimasi Bayes Definisi 1 Estimasi Bayes yang paling mungkin dari suatu nilai kebenaran θ 0 yang tidak diketahui pada parameter θ adalah nila ˆθ yang meminimumkan
Lebih terperinciBAB II TINJAUAN PUSTAKA
5 BAB II TINJAUAN PUSTAKA Dalam bab ini dijelaskan beberapa definisi dan teorema yang digunakan dalam pembahasan berikutnya. 2.1 Teori Peluang Definisi 2.1.1 (Percobaan Acak) (Ross 2000) Suatu percobaan
Lebih terperinciAlgoritma Expectation-Maximization(EM) Untuk Estimasi Distribusi Mixture
Vol. 4, No., Oktober 04 Algoritma Expectation-Maximization(EM) Untuk Estimasi Distribusi Mixture Tomy Angga Kusuma ), Suparman ) ) Program Studi Matematika FMIPA UAD ) Program Studi Pend. Matematika UAD
Lebih terperinciMINGGU KE-6 VARIABEL RANDOM DAN DISTRIBUSINYA
MINGGU KE-6 VARIABEL RANDOM DAN DISTRIBUSINYA VARIABEL RANDOM Misalkan (Ω, A, P) ruang probabilitas dan R = {x < x < } dan B : Borel field pada R. Andaikan X : Ω R dan untuk setiap A R, kita definisikan
Lebih terperinciDisusun oleh: 1. Diah Sani Susilawati ( / 7B) 2. Farid Hidayat ( / 7B) 3. Rico Nurcahyo ( / 7B)
DISTRIBUSI MARGINAL DAN DISTRIBUSI GABUNGAN Disusun guna memenuhi tugas mata kuliah Statistika Matematika Dosen Pengampu: Supandi, M.Si Disusun oleh:. Diah Sani Susilawati (8355/ 7B). Farid Hidaat (836/
Lebih terperinciDistribusi Weibull Power Series
Distribusi Weibull Power Series Maulida Yanti 1, Sarini S.Si.,M.Stats 2 1 Mahasiswa Departemen Matematika, FMIPA UI, Kampus UI Depok, 16424 2 Staff Pengajar Departemen Matematika, FMIPA UI, Kampus UI Depok,
Lebih terperinciPengantar Statistika Matematika II
Bab 3: Statistika FMIPA Universitas Islam Indonesia Bila sampling berasal dari populasi yang digambarkan melalui fungsi peluang f X (x θ), pengetahuan tentang θ menghasilkan karakteristik mengenai keseluruhan
Lebih terperinciOLEH : Riana Ekawati ( ) Dosen Pembimbing : Dra. Farida Agustini W, M.S
OLEH : Riana Ekawati (1205 100 014) Dosen Pembimbing : Dra. Farida Agustini W, M.S Salah satu bagian penting dari statistika inferensia adalah estimasi titik. Estimasi titik mendasari terbentuknya inferensi
Lebih terperinciDISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS
DISTRIBUSI ERLANG DAN PENERAPANNYA Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS nia.rini.purita2316@gmail.com, getut.uns@gmail.com ABSTRAK
Lebih terperinciRELIABILITAS & FUNGSI HAZARD. 05/09/2012 MK. Analisis Reliabilitas Darmanto, S.Si.
RELIABILITAS & FUNGSI HAZARD 1 RELIABILITAS Peluang bahwa suatu produk atau jasa akan beroperasi dengan baik dalam jangka waktu tertentu (durabilitas) pada kondisi pengoperasian sesuai dengan desain (suhu,
Lebih terperinciMenentukan Keandalan Komponen Mesin Produksi Pada Model Stress Strength yang Berdistribusi Gamma
Menentukan Keandalan Komponen Produksi Pada Model Stress Strength yang Berdistribusi Gamma Muh Nurcahyo Utomo, Farida Agustini W. Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperincidigunakan untuk menyelesaikan persamaan yang nantinya akan diperoleh dalam
II. LANDASAN TEORI Pada bab ini akan diberikan konsep dasar yang akan digunakan dalam pembahasan hasil penelitian ini, antara lain : 2.1 Fungsi Gamma Fungsi gamma merupakan suatu fungsi khusus. Fungsi
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 terperinciPENS. Probability and Random Process. Topik 4. Variabel Acak dan Distribusi Probabilitas. Prima Kristalina April 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 4. Variabel Acak dan Distribusi Probabilitas Prima Kristalina April 2015 1 Outline 1. Definisi
Lebih terperinciPENENTUAN ESTIMASI INTERVAL DARI DISTRIBUSI NORMAL DENGAN METODE BAYES SKRIPSI. Oleh : Pramita Elfa Diana Santi J2E
PENENTUAN ESTIMASI INTERVAL DARI DISTRIBUSI NORMAL DENGAN METODE BAYES SKRIPSI Oleh : Pramita Elfa Diana Santi JE 005 40 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciUJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah,, ST., MT
UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah,, ST., MT UJI KERANDOMAN (RANDOMNESS TEST / RUN TEST) Uji KERANDOMAN Untuk menguji apakah data sampel yang diambil merupakan data yang acak / random Prosedur
Lebih terperinciDISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS DISTRIBUSI PROBABILITAS Peluang terjadinya nilai variabel random X yang meliputi semua nilai ditentukan melalui distribusi peluang. Distribusi peluang suatu variabel random X adalah
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 terperinciLANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.
II. LANDASAN TEORI Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. Distribusi ini merupakan distribusi fungsi padat yang terkenal luas dalam bidang matematika. Distribusi gamma
Lebih terperinci