BAB IV METODE BINOMIAL UNTUK PENENTUAN HARGA OPSI ASIA
|
|
- Susanti Budiman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB IV : METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA 35 BAB IV METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA Pada bab ii aka dibahas sat pedekata merik tk peeta harga opsi Asia, khssya opsi Asia dega rata-rata geometrik. Metode yag dipakai adalah metode biomial, yag aka dibahas terlebih dahl tk kass vailla optio. Selai it, pada bab ii ga aka ditampilka cotoh peerapa metode biomial tersebt pada sat program Matlab Metode Biomial Utk Peeta Harga Opsi Metode biomial adalah metode yag dimlai dari model diskrit pergeraka harga saham yag sederhaa. Selag wakt [,T ] (di maa T=matrity time) dibagi meadi sbselag yag paagya seragam dega titiktitik Si... T = t < t < < t = T di maa ti = iδ t ( i =,,..., ), Δ t = da = S ti adalah harga saham pada saat ti. Peeta Harga Opsi Asia Riswa Harapa (34)
2 BAB IV : METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA Asmsi yag digaka:. Dalam selag wakt Δ t, harga saham dapat aik ata tr meadi S S ata S Sd dega < d < <. Pelag harga saham aik P( aik) = p 3. Ekspektasi retr harga saham besarya sama dega risk-free rate r sehigga tk harga saham S yag bergerak secara acak dari S pada ti S i + i saat meadi pada saat t +. Ii berarti E ( S ) i+ = r t S e Δ i i Pada tahap ii ketiga bah parameter,d, da p ilai-ilaiya belm diketahi. ilai parameter-parameter ii aka dapat ditetka setelah kita memiliki ckp persamaa yag meghbgka ketiga parameter tersebt atap dega meambahka asmsi bar. Dari asmsi () da () diperoleh sehigga E Si+ = psi+ p Si d (4.) rδt rδt e d ( ) e = p+ p d p = d (4.) karea p maka harslah rδt d e. Dari model koti kita miliki ( r+ σ ) Δt E S + = Si e (4.3) ( i ), r t t Δ Δ Var S = E S E S = S e e σ (4.4) i+ i+ i+ i. da dari model diskrit kita pyai Var S + = p S + p S d S p + p d. (4.5) i i i i Dega meyamaka keda variasi (diskrit da koti) maka kita dapatka r t σ t ( ) e Δ+ Δ = p + p d (4.6) Peeta Harga Opsi Asia Riswa Harapa (34) 36
3 BAB IV : METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA Persamaa (4.) da (4.6) memberika hbga tk, d, da p. Persamaa ketiga dapat kita pilih. Persamaa ketiga yag serig digaka adalah d = ata p = /. Jika kita pilih d =, maka aka diperoleh solsi: da tk = β + β, d = β β, rδt ( r+ ) dega t β e e σ Δ = + r t e Δ d da p =. d p = / solsiya adalah ( σ Δt ) ( σ Δt ) Δt σ = e + e Δt σ d = e e Setelah it, harga saham dihitg tk setiap titik bagi (t i ) yaki Si,. i = S d (4.7) dega S i meyataka harga saham pada saat t i dega telah teradi keaika harga saham sebesar kali serta pera harga saham sebesar (i) kali (tk i =,,..., da =,,..., i ). Setelah it, aka dicari ilai payoff tk sema ilai yag mgki pada saat matrity (t = ). Adap pada saat ti selal terdapat i + kemgkia sehigga pada saat expiratio date terdapat ( + ) kemgkia. Sehigga V M maks{ S M K,} VM maks{ K S, M } = tk opsi call da = tk opsi pt (tk =,,..., ). Metode biomial selatya bekera secara rekrsif (dalam wakt) tk memperoleh ilai opsi pada saat t =. Utk tiap titik t i berlak ( ) V = e pv + p V (4.8) rät i i i Peeta Harga Opsi Asia Riswa Harapa (34) 37
4 BAB IV : METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA am tk tipe Amerika, hars dilakka pegia lebih lat, karea early exercise dapat teradi pada opsi Amerika. Utk opsi Amerika, berlak { *, } rät * = { i,} tk * = { i,} tk V = maks payoff e pv + p V (4.9) i i i payoff maks S K call payoff maks K S pt i =,,..., da =,,..., i 4. Metode Biomial pada Opsi Asia dega Rata-rata Geometrik Misalka sebah opsi Eropa yag masa hidpya berlagsg pada wakt [, T ], di maa T merpaka expiratio date-ya. Selag wakt tersebt dibagi meadi semlah selag diskrit, sehigga kita memiliki titik-titik T wakt Δ t, =,,,, dega Δ t =. Misalka r adalah sk bga da σ merpaka ilai volatilitas harga derlyig asset. Misal rata-rata geometrik diyataka dega I exp, dega I l S i = (4.) + i= Misalka pla S meyataka harga saham pada titik ke-, da (,, ) V S I adalah harga opsi geometrik pada titik ke-. S aka bergerak aik meadi S dega probabilitas p ata bergerak tr meadi Sd dega probabilitas ( p) pada titik ke-( + ). Kemdia, dega memilih r t e Δ d p = d da dega pegaproksimasia: rδt e rδt ( r+ σ ) Δt e + rδ t+ σ Δt β + σ Δt Peeta Harga Opsi Asia Riswa Harapa (34) 38
5 BAB IV : METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA maka bisa didapatka: σ Δt = e, d = (4.) Selai it, I ga aka aik meadi I + ata tr meadi I d +, di maa I = I + l S = I + l S + σ Δt + I I S d I S d + = + l = + l σ Δt (4.) da dega meggaka metode biomial stadar, maka aka didapatka formlasi harga opsi sebagai berikt: rδt d (,, ) = (, +, + ) + ( ) (, +, + ) V S I e pv S I p V S d I (4.3) Kemdia, metode biomial tk opsi dega rataa geometrik ii aka dipecah meadi da bagia besar, yaki tk tipe average strike da average vale. a. Average Strike Asia Optio dega rata-rata geometrik Payoff tk opsi eis ii diyataka dalam: Misalka I V ( S, I, ) = max S e +, = = ( + ) V S, I, S W y, dega y I l S (4.4) Kemdia, dari permsa I di atas, dapat ditlis: I+ = I + l S + σ Δt, kemdia I+ + S = I + S + Δt + S + + σ Δt ( l ) l σ ( l ) = I ( + l ) S ( + ) σ Δt = y ( + ) σ Δt sehigga permsa harga opsi tk titik ke ( + ) ditlis kembali meadi: ( σ ) + (,, ) V S I + = S W y + Δ t +, Peeta Harga Opsi Asia Riswa Harapa (34) 39
6 BAB IV : METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA da dega cara serpa dapat pla ditliska: ( σ ) d + (,, ) V S d I + + = S dw y + + Δ t Dega meerapka rmsa mm metode biomial pada persamaa (4.3), maka bisa ditlis: ( σ ) ( ) ( σ Δ ) r Δ t + + W y = e pw y + Δ t + p dw y + + t (4.5) da pada wakt expiry, berlak W ( y ) I + max S, I e + e = = max, S S y W ( y ) = max e +, (4.6) Catat bahwa I = l S da y =. Kemdia, dalam ta tk meetka ilai V( S, I,) S W di setiap titik yag berada di iterval: =, kita hars mecari ilai-ilai ( + ) ( + ) ( k ) σ t, ( k ) σ t σ t, t + Δ + Δ = Δ σ Δ. k= k= Spaya mempermdah pembacaa otasi, sebt saa W W σ t Sehigga, didapat permsa: W = Δ. ( ) Δ + + = ( + ) ( + ) ( + ) ( + ) r t W e pw p dw tk, =, +,, (4.7) sedagka di titik expiry, berlak Peeta Harga Opsi Asia Riswa Harapa (34) 4
7 BAB IV : METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA W = e = tk =, +,, σ Δt + + max, max,, ( + ) ( + ) ( +) Utk lebih elasya, di bawah ii aka disaika algoritma peghitga ilai call Eropea Average Strike Geometric Asia Optio: (4.8) Maska : r, σ, S, T, Hitg : Δ t = T /,, d, p tk t = ( + ) ( + ) ( +) W = max +, for =,,, Kelara : C = W ( )* S ( + ) ( + ) ( + ) ( ) ( ) ( ) = rδ t + + W e pw p dw Da algoritma tk ilai pt Eropea Average Strike Geometric Asia Optio: Maska : r, σ, S, T, Hitg : Δ t = T /,, d, p tk t = ( + ) ( + ) ( +) W = max +, for =,,, ( + ) ( + ) ( + ) ( ) ( ) ( ) = rδ t + + W e pw p dw Peeta Harga Opsi Asia Riswa Harapa (34) 4
8 BAB IV : METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA Kelara : C = W ( )* S Selai it, algoritma tk ilai call America Average Strike Geometric Asia Optio: Maska : r, σ, S, T, Hitg : Δ t = T /,, d, p tk t = ( + ) ( + ) ( +) W = max +, for =,,, ( + ) ( + ) ( + ) W = max e pw ( ( ) ) ( p) dw ( ( )) , Kelara : C = W ( )* S rδ t Da algoritma tk ilai pt America Average Strike Geometric Asia Optio: Maska : r, σ, S, T, Hitg : Δ t = T /,, d, p Peeta Harga Opsi Asia Riswa Harapa (34) 4
9 BAB IV : METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA tk t = ( + ) ( + ) ( +) W = max +, for =,,, ( + ) ( + ) ( + ) W e pw ( ( )) ( p) dw ( ( )) Kelara : C = W ( )* S rδ t + max + + = , b. Average Vale Asia Optio dega rata-rata geometrik Payoff tk opsi eis ii diyataka dalam: I + V ( S, I, ) = max e X,, dega X = strike price Utk kali ii, aka dimisalka = = + ( ) V S, I, W y, dega y I l S (4.9) Kemdia, dari permsa I di atas, dapat ditlis: I = I + l S + σ Δt, kemdia + ( l ) l σ ( l ) I+ + S = I + S + Δ t + S + σ Δt l σ = I + S + σ Δt = y + Δt Dega prosedr serpa dega average strike, maka aka didapatka ( σ ) ( ) ( σ Δ ) r Δ t + + W y = e pw y + Δ t + p W y t (4.) da pada =, berlak Peeta Harga Opsi Asia Riswa Harapa (34) 43
10 BAB IV : METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA y + W ( y) = max e X, (4.) y = I + l So = + l So. Kemdia, dalam ta tk Catat bahwa meetka ilai V( S, I,) W ( y ) =, kita hars mecari ilai-ilai di setiap titik yag berada di iterval : W y ( k) σ Δ t, y + ( k) σ Δ t = k= k= y ( + ) ( + ) σ Δ t, y + otasika W W ( y σ t) = + Δ. σ Δt Sehigga, didapat permsa: Δ + + = ( + ) + ( ) ( + ) ( + ) ( + ) ( ) r t W e pw p W tk, =, +,, + (4.) sedagka di titik expiry, berlak y t W max σ + Δ e X, + + = = max S X,, (4.3) ( + ) ( + ) ( + ) tk =, +,, dega X = strike price Berikt adalah algoritma peeta harga call Average Vale Geometric Asia Optios: Maska : r, σ, S, T, Hitg : Δ t = T /,, d, p Peeta Harga Opsi Asia Riswa Harapa (34) 44
11 BAB IV : METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA tk t = ( + ) ( + ) ( + ) + W = max S X, for =,,, Kelara : C = W ( + ) ( + ) ( + ) Δ + + = = ( + ) + ( ) ( + ) r t W W e pw p W Da berikt ga aka disaika algoritma peeta harga pt Eropea Average Vale Geometric Asia Optios: Maska : r, σ, S, T, Hitg : Δ t = T /,, d, p tk t = ( + ) ( + ) ( + ) W = max X S +, for =,,, ( + ) ( + ) ( + ) Δ + + = = ( + ) + ( ) ( + ) r t W W e pw p W Kelara : C = W am trasformasi yag dilakka pada opsi ii tidak bisa digaka tk meghitg ilai America Average Vale Geometric Asia Optios Peeta Harga Opsi Asia Riswa Harapa (34) 45
12 BAB IV : METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA 4.3 Program Biomial dega MATLAB Pada kesempata ii, aka dilakka simlasi metode biomial tk meetka harga opsi Asia tipe geometrik dega ilai-ilai maska sebagai berikt: r =.9, σ =., saham awal =, time to matrity=/3, strike price=95 (tk tipe average vale) Berikt aka ditampilka hasilya: a. Average strike call optios rδt σ Δt e d = e, d =, p = d Aka dihitg ilai W, da ilai C di saat () dihitg dega hbga: (,,) = V S I S W Harga C Eropa Harga P Eropa Harga C Amerika Harga P Amerika 4 3,45, ,95 3,49, ,98 5 3,5,9 3,5, 3,5,9 3,5, 3,5,9 3,5, 3 3,5,9 3,5, 5 3,5,9 3,5, eksak 3,5 Peeta Harga Opsi Asia Riswa Harapa (34) 46
13 BAB IV : METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA Ilstrasi gambar poho biomial tk Eropea Average Strike Geometric Asia Optios: b. Average vale call optios Harga C Harga P Eropa Eropa 4 6,69,59 6,79, ,7543,5468 6,7577,549 6,7594,554 Peeta Harga Opsi Asia Riswa Harapa (34) 47
14 BAB IV : METODE BIOMIAL UTUK PEETUA HARGA OPSI ASIA 3 6,76, ,764,55 8 6,767,553 Eksak 6,76,557 Ilstrasi gambar poho biomial tk Eropea Average Vale Geometric Asia Optios: Peeta Harga Opsi Asia Riswa Harapa (34) 48
Bab 1 PENDAHULUAN Latar Belakang
Bab PENDAHULUAN.. Latar Belakag Bayak peelitia yag bertja mecari dasar-dasar tk megadaka prediksi sat variabel dari iormasi-iormasi yag diperoleh dari variablel tersebt. Misalya apakah keadaa caca dapat
Lebih terperinciBAB II KEGIATAN PEMBELAJARAN
Page o BAB II KEGIATAN PEMBELAJARAN A. TURUNAN FUNGSI ALJABAR. Deiisi Tra Fgsi Deiisi Fgsi : ata mempai tra ag diotasika d d ata di deiisika : d d d d d d lim h 0 h h lim 0 ata Cotoh Soal :. Tetka tra
Lebih terperinciBAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas
Lebih terperinciKEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA. Fitriani Agustina, Math, UPI
KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA Fitriai Agustia, Math, UPI 1 Fiacial Derivative Opsi Mafaat Opsi Opsi Eropa Peetua Harga Opsi Kekovergea Model Biomial Fitriai Agustia, Math,
Lebih terperinciBARISAN DAN DERET TAK HINGGA
Bab 5 BARISAN DAN DERET TAK HINGGA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetesi Dasar. Memiliki motivasi iteral, kemampa bekerjasama, kosiste, sikap disipli, rasa percaya diri da sikap tolerasi
Lebih terperinciFAKULTAS DESAIN dan TEKNIK PERENCANAAN
Wiryato Dewobroto ------------------------------------- Jrsa Tekik Sipil - Uiversitas elita Harapa, Karawaci FAKULTAS DESAIN da TEKNIK ERENCANAAN UJIAN TENGAH SEMESTER ( U T S ) GENA TAHUN AKADEMIK 010
Lebih terperinciBab 8. Minggu 14 Model Binomial untuk Opsi
Bab 8. Minggu 14 Model Binomial untuk Opsi Tujuan Pembelajaran Setelah menyelesaikan perkuliahan minggu ini, mahasiswa bisa : Menjelaskan model binomial dalam pergerakan harga saham Menjelaskan model binomial
Lebih terperinciBAB V TURUNAN FUNGSI. Standar Kompetensi Menggunakan konsep limit fungsi dan turunan fungsi dalam pemecahan masalah
BAB V TURUNAN FUNGSI Stadar Kompetesi Meggaka kosep it gsi da tra gsi dalam pemecaa masala Kompetesi Dasar Meggaka siat da atra tra dalam peritga tra gsi aljabar Meggaka tra tk meetka karakteristik sat
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciDISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin
DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Model Pertumbuha Betuk ugsi pertumbuha satu jeis spesies pada umumya megguaka otasi ugsi aalitik yag diyataka dalam satu persamaa. Secara umum ugsi pertumbuha meyataka hubuga
Lebih terperinciMINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA
MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA TEOREMA LIMIT PUSAT DAN TERAPANNYA Telah dikeal bahwa X 1, X 2...X sampel radom dari distribusi ormal dega mea µ da variasi σ 2, maka x µ σ/ atau xi µ σ
Lebih terperinciB a b 1 I s y a r a t
34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat
Lebih terperinciBAB IV PENDEKATAN NUMERIK UNTUK LOOKBACK OPTIONS
37 BAB IV PEDEKATA UMERIK UTUK LOOKBACK OPTIOS Pada bab ini akan dibahas cara pendekatan numerik untuk penentuan harga lookback options. Metode yang dipakai adalah metode binomial yang sudah dijelaskan
Lebih terperinciABSTRAK PENENTUAN HARGA OPSI EROPA DENGAN MODEL BINOMIAL
ABSTRAK PENENTUAN HARGA OPSI EROPA DENGAN MODEL BINOMIAL Djaffar Lessy, Dosen Pendidikan Matematika Fakultas Tarbiyah dan Keguruan, IAIN Ambon 081343357498, E-mail: Djefles79@yahoo.om Banyak model telah
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinciABSTRAK SIMULASI MONTE CARLO DALAM PENENTUAN HARGA OPSI BARRIER
ABSTRAK SIMULASI MONTE CARLO DALAM PENENTUAN HARGA OPSI BARRIER Djaffar Lessy, Dosen Pendidikan Matematika Fakultas Tarbiyah dan Keguruan, IAIN Ambon 081343357498, E-mail: Djefles79@yahoo.com Opsi yang
Lebih terperinciMA1201 MATEMATIKA 2A Hendra Gunawan
MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2016/2017 3 Februari 2017 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg Batas
Lebih terperinciHendra Gunawan. 12 Februari 2014
MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2013/2014 12 Februari 2014 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 82 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg
Lebih terperinciSTATISTIK PERTEMUAN VIII
STATISTIK PERTEMUAN VIII Pegertia Estimasi Merupaka bagia dari statistik iferesi Estimasi = pedugaa, atau meaksir harga parameter populasi dega harga-harga statistik sampelya. Misal : suatu populasi yag
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciPenyelesaian Persamaan Non Linier
Peyelesaia Persamaa No Liier Metode Iterasi Sederhaa Metode Newto Raphso Permasalaha Titik Kritis pada Newto Raphso Metode Secat Metode Numerik Iterasi/NewtoRaphso/Secat - Metode Iterasi Sederhaa- Metode
Lebih terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
Lebih terperinciStatistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:
Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciYang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk :
PARAMETER PENGJIAN HIPOTESIS MODL PARAMETER PENGJIAN HIPOTESIS. Pedahulua Kalau yag sedag ditest atau diuji itu parameter θ dalam hal ii pegguaaya ati bias rata-rata µ prprsi p, simpaga baku σ da lai-lai,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciBAB III PENILAIAN OPSI PUT AMERIKA
BAB III PENILAIAN OPSI PUT AMERIKA Pada bab ini akan disajikan rumusan mengenai penilaian opsi put Amerika. Pada bagian pertama diberikan beberapa asumsi untuk penilaian opsi Amerika. Bentuk nilai intrinsik
Lebih terperinciBAB III MODEL TRINOMIAL. Model binomial merupakan pemodelan dinamika pergerakan harga saham
8 BAB III MODEL TRINOMIAL 3.1 Model Trinomial Model binomial merupakan pemodelan dinamika pergerakan harga saham yang hanya mempunyai dua kemungkinan pergerakan harga saham, yaitu harga saham naik atau
Lebih terperinciSelang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan
Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa
Lebih terperinciStatistika Inferensial
Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi
Lebih terperinciPENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai
Lebih terperinciPrediksi Kurva S-N berdasarkan Hukum Kekekalan Energi pada Pembebanan Dinamis Kombinasi Aksial-Torsional
Prediksi rva S- berdasarka Hkm ekekala ergi pada Pembebaa Diamis ombiasi Aksial-Torsioal Waja Berata Program Stdi Metalrgi Tekik Mesi ITS Srabaya Abstrak Sat material dapat megalami patah lelah yag disebabka
Lebih terperinciIII PERBANDINGAN MODEL-MODEL BINOMIAL. : harga saham : tingkat harapan pendapatan. yaitu
III PERBANDINGAN MODEL-MODEL BINOMIAL 3. Model Kotiu da Model Diskret Perkembaga Harga Saham Saham merupaka aset fiasial yag ilaiya berubah-ubah megikuti harga pasar, sehigga dalam jagka waktu tertetu
Lebih terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinciBAB III METODE MONTE CARLO
BAB III ETODE ONTE CARLO 3.1 etode onte Carlo etode onte Carlo pertama kali ditemukan oleh Enrico Fermi pada tahun 1930-an. etode ini diawali dengan adanya penelitian mengenai pemeriksaan radiasi dan jarak
Lebih terperinciBAB III METODE BINOMIAL DIPERCEPAT
BAB III METODE BIOMIAL DIPERCEPAT 3.1 Deskripsi Umum Metode Binomial dipercepat merupakan pengembangan dari metode Binomial CRR. Metode Binomial dipercepat dikembangkan oleh T.R Klassen yang merupakan
Lebih terperinciLANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang
2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua
Lebih terperinciBAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
Lebih terperinciDistribusi Peluang BERBAGAI MACAM DISTRIBUSI SAMPEL. Distribusi Peluang 5/6/2012
5/6/0 Distribusi Peluag BERBAGAI MACAM DISTRIBUSI SAMPEL Distribusi peluag, P( x), adalah kumpula pasaga ilai-ilai variabel acak Cotoh: Jika dua buah koi dilempar bersamaa. Kejadia bayakya mucul agka.
Lebih terperinciKALKULUS 4. Dra. D. L. Crispina Pardede, DEA. SARMAG TEKNIK MESIN
KALKULUS Dra. D. L. Crispia Pardede DEA. SARMAG TEKNIK MESIN KALKULUS - SILABUS. Deret Fourier.. Fugsi Periodik.2. Fugsi Geap da Gajil.3. Deret Trigoometri.. Betuk umum Deret Fourier.. Kodisi Dirichlet.6.
Lebih terperinciBAB III FORMULA PENENTUAN HARGA OPSI ASIA
3 BAB III FORMULA PEETUA HARA OPSI ASIA Pada Bab III ii aka dibahas megeai opsi Asia da aalisisya, di maa yag aka dibahas hayalah beberapa ipe opsi Asia, da erbaas pada eis Europea call saa. Jeis-eis opsi
Lebih terperinciSOAL-SOAL SPMB 2007 MATEMATIKA DASAR (MAT DAS) 1. SPMB, MAT DAS, Regional I, 2007 Suku ke-n suatu barisan aritmatika adalah
SOAL-SOAL SPMB 00 MATEMATIKA DASAR (MAT DAS). SPMB, MAT DAS, Regioal I, 00 Sk ke- sat barisa aritmatika adalah 0 p,da 6, maka.... Jika A. B. 3 C. D. 3 E.. SPMB, MAT DAS, Regioal I, 00 Jika p 0, q 0 q...
Lebih terperinciPeubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak
Peubah Acak Peubah Acak Diskrit da Distribusi Peluag Peubah Acak (Radom Variable): Sebuah keluara umerik yag merupaka hasil dari percobaa (eksperime) Utuk setiap aggota dari ruag sampel percobaa, peubah
Lebih terperinciBAB I PENDAHULUAN. Masalah menarik yang terkait dengan masalah nilai eigen adalah masalah yang muncul sebagai persamaan Yukawa,
1. Latar Belakag Masalah dimaa Padag persamaa diferesial BAB I PENDAHULUAN (1) parameter. Persamaa di atas dapat dipadag sebagai masalah ilai eige tk operator Laplace, da persamaa tersebt merpaka persamaa
Lebih terperinciFungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya
TKS 4007 Matematika III Fugsi Kompleks (Pertemua XXVII - XXX) Dr. AZ Jurusa Tekik Sipil Fakultas Tekik Uiversitas Brawijaya Pedahulua Persamaa x + 1 = 0 tidak memiliki akar dalam himpua bilaga real. Pertayaaya,
Lebih terperinciSolusi Numerik PDP. ( Metode Beda Hingga ) December 9, 2013. Solusi Numerik PDP
( Metode Beda Higga ) December 9, 2013 Sebuah persamaa differesial apabila didiskritisasi dega metode beda higga aka mejadi sebuah persamaa beda. Jika persamaa differesial parsial mempuyai solusi eksak
Lebih terperinciDISTRIBUSI KHUSUS YANG DIKENAL
0 DISTRIBUSI KHUSUS YANG DIKENAL Kita sudah membahas fugsi peluag atau fugsi desitas, baik defiisiya maupu sifatya. Fugsi peluag atau fugsi desitas ii merupaka ciri dari sebuah distribusi, artiya fugsi
Lebih terperinciPENENTUAN NILAI OPSI LOOKBACK DENGAN MENGGUNAKAN METODE TRINOMIAL Intan Pelangi Astridnindya 1 dan J. Dharma Lesmono 2 1 Mahasiswa Jurusan Matematika Universitas Katolik Parahyangan Bandung e-mail: intan_pelangi4@yahoo.com
Lebih terperinci1 n MODUL 5. Peubah Acak Diskret Khusus
ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai
Lebih terperinciBab 7 Penyelesaian Persamaan Differensial
Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala
Lebih terperinciL A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat.
L A T I H A N S O A L A N R E G Muhamad Ferdiasyah, S. Stat. *Saya saraka utuk mecoba sediri baru lihat jawabaya **Jawaba saya BELUM TENTU BENAR karea saya mausia biasa. Silaka dikosultasika jika ada jawaba
Lebih terperinciDistribusi Sampling (Distribusi Penarikan Sampel)
Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciBAB 4: PELUANG DAN DISTRIBUSI NORMAL.
BAB 4: PELUANG DAN DISTRIBUSI NORMAL. PELUANG Peluag atau yag biasa juga disebut dega istilah keugkia, probablilitas, atau kas eujukka suatu tigkat keugkia terjadiya suatu kejadia yag diyataka dala betuk
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT
Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag
Lebih terperinciBAB III 3. METODOLOGI PENELITIAN
BAB III 3. METODOLOGI PENELITIAN 3.1. PROSEDUR ANALISA Penelitian ini merpakan sebah penelitian simlasi yang menggnakan bantan program MATLAB. Adapn tahapan yang hars dilakkan pada saat menjalankan penlisan
Lebih terperinciDISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)
DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperincix = μ...? 2 2 s = σ...? x x s = σ...?
Pedugaa Parameter x 2 sx s = μ...? 2 = σ x...? = σ...? Peduga Parameter Peduga titik yaitu parameter populasi p diduga dega suatu besara statistik, misal: rata-rata, proporsi, ragam, dll Peduga Selag (Iterval)
Lebih terperinciPengaruh Laju Regangan Linier Terhadap Data Uji Tarik Bahan Baja Tahan Karat Seri 304
Pegarh Laj Regaga Liier Terhadap Data Uji Tarik Baha Baja Taha Karat Seri 304 Hadoko 1) da Beidikts Tlg Prayoga 2) 1, 2) Program Diploma Tekik Mesi, Sekolah Vokasi, Uiversitas Gadjah Mada Jl. Yacarada
Lebih terperinciStatistika Matematika. Soal dan Pembahasan. M. Samy Baladram
Statistika Matematika Soal da embahasa M Samy Baladram Bab 4 Ubiasedess, Cosistecy, ad Limitig istributios Ubiasedess, Cosistecy, ad Limitig istributios 41 Ekspektasi Fugsi Key oits Ṫeorema 411 Jika T
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciDistribusi Pendekatan (Limiting Distributions)
Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,
Lebih terperinciBAB V PENUTUP ( ( ) )
BAB V PENUTUP 5.1 Kesimpulan Penentuan harga opsi Asia menggunakan rata-rata Aritmatik melalui Simulasi Monte Carlo dapat dinyatakan sebagai berikut. ( ( ) ) ( ( ) ) dimana merupakan harga opsi Call Asia
Lebih terperinciPenentuan Harga Opsi Saham Tipe Amerika dengan Model Binomial (Studi Kasus: PT Rio Tinto Plc)
Penentuan Harga Opsi Saham Tipe Amerika dengan Model Binomial (Studi Kasus: PT Rio Tinto Plc) Pricing Stock Options with the American Type Binomial Model (Case Study: PT Rio Tinto Plc) Muhammad Syazali
Lebih terperinciRange atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu
BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN :
Vol. 7. No. 1, 31-41, April 24, ISSN : 141-8518 Peetua Kestabila Sistem Kotrol Lup Tertutup Waktu Kotiu dega Metode Trasformasi ke Betuk Kaoik Terkotrol Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak
Lebih terperinciSIMULASI MONTE CARLO
BAB III SIMULASI MOTE CARLO Simulasi Mote Carlo dapat diguaka utuk memberika suatu taksira harga opsi, baik yag memiliki formula aalitik maupu tidak. Cotoh opsi yag biasaya tidak memiliki formula aalitik
Lebih terperinciBAB II TINJAUAN PUSTAKA. dengan asumsi bahwa telah diketahui bentuk fungsi regresinya. atau dalam bentuk matriks dapat ditulis dengan:
BAB II TINJAUAN PUSTAKA 2.1 Regresi Parametrik Regresi parametrik merupaka metode statistika yag diguaka utuk megetahui pola hubuga atara variabel prediktor dega variabel respo, dega asumsi bahwa telah
Lebih terperinciEKONOMETRIKA PERSAMAAN SIMULTAN
EKONOMETRIKA PERSAMAAN SIMULTAN OLEH KELOMPOK 5 DEKI D. TAPATAB JUMASNI K. TANEO MERSY C. PELT DELFIANA N. ERO GERARDUS V. META ARMY A. MBATU SILVESTER LANGKAMANG FAKULTAS PERTANIAN UNIVERSITAS NUSA CENDANA
Lebih terperincib. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:
Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah
Lebih terperinciBAB V HASIL DAN PEMBAHASAN. Kecepatan Angin Awal untuk Berputar (m/s)
BAB V HASIL DAN PEMBAHASAN 5.. Pegarh Baha Kicir Terhadap Kecepa Pr kicir Pegarh baha pebat kicir (blade terhadap kecepa pr kicir pak dala gabar 5.. Dala gabar 5., pak bahwa dega berbedaya aterial blade,
Lebih terperinciPERTEMUAN 13. VEKTOR dalam R 3
PERTEMUAN VEKTOR dalam R Pegertia Ruag Vektor Defiisi R Jika adalah sebuah bilaga bulat positif, maka tupel - - terorde (ordered--tuple) adalah sebuah uruta bilaga riil ( a ),a,..., a. Semua tupel - -terorde
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciHimpunan/Selang Kekonvergenan
oki eswa (fmipa-itb) Deret Pagkat Kita aka mempelajari beberapa tehik utuk meyajika suatu fugsi f (x) dalam betuk deret pagkat (power series), yaitu meetuka derat pagkat c (x a) sehigga f (x) = c (x a)
Lebih terperinciDasar Sistem Pengaturan - Transformasi Laplace. Transformasi Laplace bilateral atau dua sisi dari sinyal bernilai riil x(t) didefinisikan sebagai :
Defiisi Trasformasi Laplace Trasformasi Laplace Bilateral Trasformasi Laplace bilateral atau dua sisi dari siyal berilai riil x(t) didefiisika sebagai : X B x(t)e Operasi trasformasi Laplace bilateral
Lebih terperinciKELUARGA EKSPONENSIAL Untuk Memenuhi Tugas Mata Kuliah Statistika Inferensial Dosen Pengampu: Nendra Mursetya Somasih Dwipa, M.Pd
KELUARGA EKSPONENSIAL Utuk Memeuhi Tugas Mata Kuliah Statistika Iferesial Dose Pegampu: Nedra Mursetya Somasih Dwipa, M.Pd Disusu Oleh : V A4 Kelompok. Nuuk Rohaigsih (444009). Rochayati (444000) 3. Siam
Lebih terperinciBAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran
BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi
Lebih terperinciBAB IV PEMECAHAN MASALAH
BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii
Lebih terperinci4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN
4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul
Lebih terperinciProjek. Contoh Menemukan Konsep Barisan dan Deret Geometri a. Barisan Geometri. Perhatikan barisan bilangan 2, 4, 8, 16,
Projek Himpulah miimal tiga masalah peerapa barisa da deret aritmatika dalam bidag fisika, tekologi iformasi, da masalah yata di sekitarmu. Ujilah berbagai kosep da atura barisa da deret aritmatika di
Lebih terperinciMasih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.
Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciII. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang
II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori
Lebih terperinciBAB III PENGGUNAAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) PADA GENERAL LINEAR MIXED MODEL
BAB III PENGGUNAAN MEODE EMPIRICAL BES LINEAR UNBIASED PREDICION (EBLUP PADA GENERAL LINEAR MIXED MODEL Pada Bab III ii aka dibahas megeai taksira parameter pada Geeral Liear Mixed Model berdasarka asumsi
Lebih terperinciMENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL
MENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL Karmila 1*, Hasriati 2, Haposa Sirait 2 1 Mahasiswa Program S1 Matematika 2 Dose Jurusa Matematika Fakultas Matematika da Ilmu Pegetahua Alam
Lebih terperinciBAB 3 METODE PENELITIAN
Sedagka itegrasi ruas kaa utuk ersamaa (3b) diperoleh ds / = S... (36) Dega demikia pesamaa yag harus dipecahka adalah l 1 1 u u = S (37) Dari ersamaa (37) diperoleh persamaa utuk u u S = exp S 1exp S...
Lebih terperinciPRINSIP MAKSIMUM DAN MINIMUM FUNGSI PANHARMONIK
PRINSIP MAKSIMUM DAN MINIMUM FUNGSI PANHARMONIK Oleh, Edag Cahya M.A. Jrsa Pedidia Matematia FPMIPA UPI Badg Jl. Dr. Setiabdi 9 Badg E-mail ecma@ds.math.itb.ac.id Abstra Tlisa ii mejelasa prisip masimm
Lebih terperinciSolusi Numerik Persamaan Transport
Solusi Numerik Persamaa Trasport M. Jamhuri December 16, 2013 Diberika persamaa Trasport u t + 2u x = 0 1) Diberika persamaa Trasport u t + 2u x = 0 1) Diskretka persamaa trasport 1) dega megguaka persamaa
Lebih terperinciPerilaku Distribusi Bernoulli. Definisi: Bernoulli. Contoh Binomial. Contoh Binomial
Defiisi: Beroulli ercobaa Beroulli: Haya terdaat satu kali ercobaa dega eluag sukses da eluag gagal - eluag Sukse: eluag Gagal: ( = ) = ( = 0 ( = 0) = ( 0 0 = erilaku Distribusi Beroulli E() = Var () =
Lebih terperinciAji Wiratama, Yuni Yulida, Thresye Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat Jl. Jend. A. Yani km 36 Banjarbaru
Jural Matematika Muri da Terapa εpsilo Vol.8 No.2 (24) Hal. 39-45 APLIKASI METODE DEKOMPOSISI ADOMIAN UNTUK MENENTUKAN FORMULA TRANSFORMASI LAPLACE Aji Wiratama, Yui Yulida, Thresye Program Studi Matematika
Lebih terperinciPEMANFAATAN SIMULASI MONTE CARLO PADA OPSI KEUANGAN
BAB IV PEMANFAATAN SIMULASI MONTE CARLO PADA OPSI KEUANGAN. Program GUI Simulasi Monte Carlo untuk Menilai Opsi Keuangan. Berikut adalah tampilan dari program GUI Simulasi Monte Carlo untuk Menilai Opsi
Lebih terperinciTeorema Nilai Rata-rata
Nilai Kus Prihatoso April 27, 2012 Yogyakarta Nilai Suatu Fugsi Masih igatkah ada tetag ilai rata-rata dari sekmpula bilaga? Berapakah ilai rata-rata dari sebayak bilaga y 1, y 2,..., y? Nilai Suatu Fugsi
Lebih terperinciBAB II TINJAUAN PUSTAKA
3 BAB II TINJAUAN PUSTAKA.1 Ruag Cotoh, Kejadia da Peluag Defiisi.1 (Ruag cotoh da kejadia) Suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak bisa diprediksi secara tepat tetapi
Lebih terperinciBab IV Hasil Dan Pembahasan
Bab IV Hasil Da Pembahasa IV.1 Pera Kekerha (Trbiditas) Kekerha adalah kra yag meggaka efek cahaya sebagai dasar tk megkr keadaa air. Kekerha aka meyebabka perbaha yata dari segi estetika map dari segi
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih terperinciBAHAN AJAR ANALISIS REAL 1 Matematika STKIP Tuanku Tambusai Bangkinang 5. DERET
Pertemua 7. BAHAN AJAR ANALISIS REAL Matematika STKIP Tuaku Tambusai Bagkiag 5. da kekovergeaya 5. DERET Diberika sebuah barisa a, dapat didefeisika barisa bilaga real S N dega S N := N a = a + a 2 +...
Lebih terperinciMATEMATIKA DISKRIT FUNGSI
1 MATEMATIKA DISKRIT FUNGSI Fugsi Misalka A da B himpua. Relasi bier f dari A ke B merupaka suatu fugsi jika setiap eleme di dalam A dihubugka dega tepat satu eleme di dalam B. Jika f adalah fugsi dari
Lebih terperinciBAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA
BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA 3. Perumusa Peduga Misalka N adala proses Poisso o omoge pada iterval [, dega fugsi itesitas yag tidak diketaui. Fugsi ii diasumsika teritegralka
Lebih terperinci