KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY
|
|
- Dewi Halim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY Joko Sungkono* Abstrak : Tujuan yang ingin dicapai pada tulisan ini adalah mengetahui kekuatan konvergensi dalam probabilitas dan konvergensi almost surely disertai suatu contoh. Metode penelitian yang digunakan studi literatur dengan bahan yang diambil dari referensi yang mendukung serta membahas teori yang ada pada pembahasan. Berdasarkan hasil pembahasan konvergensi almost surely lebih kuat dari pada konvergensi dalam probabilitas. Jika variabel random konvergen secara almost surely pasti juga konvergen dalam probabilitas, tetapi tidak berlaku untuk sebaliknya. Melalui suatu contoh ditunjukkan bahwa terdapat variabel random yang konvergen dalam probabilitas tetapi tidak konvergen almost surely. Kata kunci: konvergensi, probabilitas, almost surely. PENDAHULUAN Pada bidang statistik, variabel random mempunyai peranan yang sangat penting untuk menganalisa permasalahan dalam kehidupan seharihari agar dapat diselesaikan berdasarkan kaidah statistik. Variabel random merupakan fungsi bernilai real yang memetakan seluruh anggota ruang sampel. Sekumpulan variabel random dapat membentuk barisan bilangan real yang disebut barisan variabel random. Konvergensi barisan variabel random dapat dikaji sebagaimana konvergensi barisan bilangan real. Konvergensi barisan variabel random dibedakan dalam konvergensi dalam distribusi, konvergensi dalam probabilitas (konvergen secara stokastik) dan konvergensi almost surely. Dari ketiga konvergensi tersebut terdapat hubungan satu sama lain. Konvergensi dalam probabilitas mempunyai kemiripan sifat dengan konvergensi almost surely. Pada tulisan ini akan dikaji kekuatan konvergensi dalam probabilitas dengan konvergensi almost surely serta memberikan suatu contoh yang menerangkan kekuatan dua konvergensi tersebut. METODE PENELITIAN Metode penelitian yang digunakan pada tulisan ini adalah studi literatur yaitu dengan mengkaji teoriteori dalam referensi yang mendukung ke arah tujuan penulisan serta memberikan contoh yang sesuai. Beberapa teori penting dikaji dalam pembahasan. DASAR TEORI Beberapa definisi dan teori yang berkaitan dengan konvergensi diambil dari beberapa sumber dan diberikan dalam bentuk kutipan. Definisi variabel random diambil dari Bain dan Engelhardt (1992) Definisi 1. Variabel random X adalah suatu fungsi yang memetakan ruang sampel S ke dalam bilangan real, dengan e merupakan hasil yan mungkin dalam S. * Pendidikan Matematika FKIP UNWiDHA Klaten 56 Magistra No. 83 Th. XXV Maret 2013
2 Definisi limit barisan diambil dari Bartle and Sherbert (2000) Definisi 2. (Limit Barisan). Diberikan barisan bilangan real. Suatu bilangan real X dikatakan limit barisan jika untuk setiap terdapat sedemikian untuk semua dengan maka berlaku Definisi tentang konvergensi dalam probabilitas dan konvergensi almost surely berikut dikutip dari Serfling (1980). Definisi 3. (Konvergensi Dalam Probabilitas). Diberikan dan adalah variabel random pada ruang probabilitas. dikatakan konvergen dalam probabilitas ke jika untuk sebarang Teorema 1. (Ketaksamaan Chebychev) Diberikan variabel random dengan mean dan variansi. Untuk sebarang maka berlaku PEMBAHASAN Teorema berikut memberikan gambaran bahwa kekuatan konvergensi almost surely lebih besar dari pada konvergensi dalam probabilitas. Teorema 2. Jika maka. Bukti Diketahui. Akan dibuktikan yang biasa ditulis sebagai Definisi 4. (Konvergensi Almost Surely). Diberikan dan adalah variabel random pada ruang probabilitas. dikatakan konvergen almost surely ke jika Karena, menurut definisi. Menurut Serfling (1980) untuk sebarang ekuivalen dengan Karena dan maka, yang biasa ditulis sebagai Menurut Serfling (1980), dengan menggunakan definisi, maka untuk sebarang suatu kondisi ekuivalensi dari konvergensi almost surely diberikan sebagai berikut Lebih umum Jadi. Ketaksamaan Chebychev berikut diambil dari Bain and Engelhardt (1992). Magistra No. 83 Th. XXV Maret
3 Sebagian besar buku memberikan contoh untuk penggunaan teorema ini dengan variabel random yang konvergen secara probabilitas sekaligus konvergen almost surely. Berdasarkan teorema ini harusnya terdapat suatu contoh variabel random yang konvergen secara probabilitas tetapi tidak konvergen almost surely. Sangat sulit contoh variabel random yang konvergen secara probabilitas tetapi tidak konvergen almost surely. Contoh 1 memberikan gambaran tentang variabel random yang konvergen secara probabilitas sekaligus konvergen almost surely, sedangkan contoh 2 menerengkan variabel random yang konvergen secara probabilitas tetapi tidak konvergen almost surely. Contoh 1. (Hukum Kuat Bilangan Besar (Kolmogorov)). Misalkan barisan variabel random yang terdistribusi secara identik dan independen dengan, maka. Selanjutnya akan ditunjukkan. Menurut ketaksamaan Chebychev untuk sebarang akan. Didefinisikan, maka atau dapat dikatakan konvergen ke 0. Lebih lanjut konvergen ke 0. Misalkan didefinisikan kejadian Billingsley (1986),, maka menurut Pembahasan : Sebelumnya akan ditunjukkan kemudian dilanjutkan Misalkan maka. Menurut ketaksamaan Chebychev untuk sebarang akan Karena maka ada konvergen, yang akan mengakibatkan,. Atau Menurut sifat probabilitas Perhatikan bahwa Karena nilai probabilitas maksimal adalah 1, maka Jadi 58 Magistra No. 83 Th. XXV Maret 2013
4 dengan operasi gabungan terakhir merupakan gabungan atas bilangan real Karena dan saling asing, maka menurut sifat probabilitas akan Karena maka secara langsung dapat. Jadi Contoh 2. Misalkan variabel random yang saling independen dengan distribusi dan. Akan ditunjukkan bahwa tetapi tidak memenuhi. Pembahasan : Diambil sebarang bahwa untuk maka = = Perhatikan juga bahwa untuk, maka. Perhatikan = 0 Lebih lanjut. Diperoleh tidak konvergen almost surely ke 0. Jadi tetapi tidak memenuhi. Diperoleh =. Contoh 2 ini memberikan penjelasan bahwa konvergensi almost surely lebih kuat dari pada konvergensi dalam probabilitas. atau dapat dikatakan Jadi konvergen dalam probabilitas ke 0. Selanjutnya akan ditunjukkan bahwa tidak konvergen almost surely ke 0. Perhatikan bahwa Magistra No. 83 Th. XXV Maret
5 SIMPULAN Berdasarkan hasil pembahasan konvergensi almost surely lebih kuat dari pada konvergensi dalam probabilitas. Hal ini diberikan dalam bentuk teorema 2. Jika variabel random konvergen secara almost surely pasti juga konvergen dalam probabilitas, tetapi jika variabel randon konvergen dalam probabilitas belum tentu konvergen almost surely. Melalui suatu contoh ditunjukkan bahwa terdapat variabel random yang konvergen dalam probabilitas tetapi tidak konvergen almost surely, lebih jelas terlihat bahwa konvergensi almost surely lebih kuat dari pada konvergensi dalam probabilitas. DAFTAR PUSTAKA Bain, L. J. and Engelhardt, M., 1992, Introduction to probability and mathematical statistics, 2 ed., Duxbury Press, California. Bartle, R.G and Sherbert, D.R, 2000, Intoduction to Real Analysis, 3ed, John Wiley and Sons, Inc., USA Billingsley, P., 1986, Probability and Measure, 2ed., John Wiley and Sons, Inc., New York Serfling, R. J., 1980, Approximation theorems of mathematical statistics, John Wiley and Sons, New York. 60 Magistra No. 83 Th. XXV Maret 2013
HUKUM ITERASI LOGARITMA. TUGAS AKHIR untuk memenuhi sebagian persyaratan memperoleh gelar sarjana sains SORTA PURNAWANTI NIM.
HUKUM ITERASI LOGARITMA TUGAS AKHIR untuk memenuhi sebagian persyaratan memperoleh gelar sarjana sains SORTA PURNAWANTI NIM. 00290 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciHukum Iterasi Logaritma
Hukum Iterasi Logaritma Sorta Purnawanti 1, Helma 2, Dodi Vionanda 3 1 Mathematics Department State University of Pag, Indonesia 2,3 Lecturers of Mathematics Department State University of Pag, Indonesia
Lebih terperinciMINGGU KE-9 MACAM-MACAM KONVERGENSI
MINGGU KE-9 MACAM-MACAM KONVERGENSI Kita telah mengetahui bahwa untuk n besar dan θ kecil sedemikian hingga nθ = λ, distribusi binomial bisa dihampiri oleh distribusi Poisson. Mencari hampiran distribusi
Lebih terperinciANALISIS REAL 2 SUMANANG MUHTAR GOZALI KBK ANALISIS
ANALISIS REAL 2 SUMANANG MUHTAR GOZALI KBK ANALISIS UNIVERSITAS PENDIDIKAN INDONESIA BANDUNG 2010 2 KATA PENGANTAR Bismillahirrahmanirrahim Segala puji bagi Allah Rabb semesta alam. Shalawat serta salam
Lebih terperinciSifat Barisan Subhimpunan Tutup di Ruang Metrik yang Completion-nya adalah Ruang Atsuji
Sifat Barisan Subhimpunan Tutup di Ruang Metrik yang Completion-nya adalah Ruang Atsuji Hendy Fergus A. Hura 1, Nora Hariadi 2, Suarsih Utama 3 1 Departemen Matematika, FMIPA UI, Kampus UI Depok, 16424,
Lebih terperinciTeorema Titik Tetap di Ruang Norm-2 Standar
Teorema Titik Tetap di Ruang Norm- Standar Muh. Nur Universitas Hasanuddin Abstract Pada tulisan ini, akan dipelajari ruang norm- standar, yakni ruang hasil kali dalam yang dilengkapi dengan norm- standar.
Lebih terperinciTEOREMA TITIK TETAP PADA RUANG BERNORMA CONE BERNILAI-
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) 1-6 1 TEOREMA TITIK TETAP PADA RUANG BERNORMA CONE BERNILAI- Hajar Grestika Murti, Erna Apriliani, Sunarsini Jurusan Matematika, Fakultas Matematika dan
Lebih terperinciPenentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson
Vol. 6, No.1, 44-48, Juli 2009 Penentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson Georgina M. Tinungki Abstrak Terdapat beberapa metode untuk membangun uji statistik yang baik, diantaranya
Lebih terperinciKonvergensi Barisan dan Teorema Titik Tetap
JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Print) A-59 Konvergensi Barisan dan Teorema Titik Tetap pada Ruang b-metrik Cahyaningrum Rahmasari, Sunarsini, dan Sadjidon Jurusan Matematika,
Lebih terperinciVARIABEL KOMPLEKS SUMANANG MUHTAR GOZALI KBK ALJABAR & ANALISIS
VARIABEL KOMPLEKS SUMANANG MUHTAR GOZALI KBK ALJABAR & ANALISIS UNIVERSITAS PENDIDIKAN INDONESIA BANDUNG 2009 2 DAFTAR ISI DAFTAR ISI 2 1 Sistem Bilangan Kompleks (C) 1 1 Pendahuluan...............................
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Metode statistika adalah prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis, dan penafsiran data. Metode statistika dibagi ke dalam dua kelompok
Lebih terperinciMA3231. Pengantar Analisis Real. Hendra Gunawan, Ph.D. Semester II, Tahun
MA3231 Pengantar Analisis Real Semester II, Tahun 2016-2017 Hendra Gunawan, Ph.D. Tentang Mata Kuliah MA3231 Mata kuliah ini merupakan mata kuliah wajib bagi mahasiswa program studi S1 Matematika, dengan
Lebih terperinciKetunggalan titik Tetap Pemetaan Kondisi Tipe Kontraktif pada Ruang Banach
Ketunggalan titik Tetap Pemetaan Kondisi Tipe Kontraktif pada Ruang Banach Badrulfalah 1,Khafsah Joebaedi 2 1 Departemen Matematika FMIPA Universitas Padjadjaran badrulfalah@gmail.com 2 Departemen Matematika
Lebih terperinciHUBUNGAN LIMIT FUNGSI DAN LIMIT BARISAN PADA TOPOLOGI REAL
HUBUNGAN LIMIT FUNGSI DAN LIMIT BARISAN PADA TOPOLOGI REAL Ukhti Raudhatul Jannah Program Studi Pendidikan Matematika, FKIP, Universitas Madura Alamat Jalan Raya Panglegur 3,5 KM Pamekasan Abstrak: Tulisan
Lebih terperinciDASAR-DASAR TEORI PELUANG
DASAR-DASAR TEORI PELUANG Herry P. Suryawan 1 Ruang Peluang Definisi 1.1 Diberikan himpunan tak kosong Ω. Aljabar-σ (σ-algebra pada Ω adalah koleksi subhimpunan A dari Ω dengan sifat (i, Ω A (ii jika A
Lebih terperinciKelengkapan Ruang l pada Ruang Norm-n
Jurnal Matematika, Statistika,& Komputasi Vol.... No... 20... Kelengkapan Ruang l pada Ruang Norm-n Meriam, Naimah Aris 2, Muh Nur 3 Abstrak Rumusan norm-n pada l merupakan perumuman dari rumusan norm-n
Lebih terperinciKONSISTENSI ESTIMATOR
KONSISTENSI ESTIMATOR TUGAS STATISTIKA MATEMATIKA II Oleh 1. Wahyu Nikmatus S. (121810101010) 2. Vivie Aisyafi F. (121810101050) 3. Rere Figurani A. (121810101052) 4. Dwindah Setiari W. (121810101054)
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 terperinciITERASI TIGA LANGKAH PADA PEMETAAN ASIMTOTIK NON- EKSPANSIF
ITERASI TIGA LANGKAH PADA PEMETAAN ASIMTOTIK NON- EKSPANSIF Agung Anggoro, Siti Fatimah 1, Encum Sumiaty 2 Departemen Pendidikan Matematika FPMIPA UPI *Surel: agung.anggoro@student.upi.edu ABSTRAK. Misalkan
Lebih terperinciRUANG LIPSCHITZ. Departemen Pendidikan Matematika FPMIPA UPI. *Surel: : (, ) Ϝ
RUANG LIPSCHITZ Muhammad Rifqi Agustian 1), Rizky Rosjanuardi 2), Endang Cahya 3) 1), 2), 3) Departemen Pendidikan Matematika FPMIPA UPI *Surel: Muhammadrifqyagustian@yahoo.co.id ABSTRAK. Diberikan ruang
Lebih terperinciANALISIS KEKONVERGENAN PADA BARISAN FUNGSI
34 Jurnal Matematika Vol 6 No 1 Tahun 2017 ANALISIS KEKONVERGENAN PADA BARISAN FUNGSI THE CONVERGENCE ANALYZE ON THE SEQUENCE OF FUNCTION Oleh: Restu Puji Setiyawan 1), Dr. Hartono 2) Program Studi Matematika,
Lebih terperinciDISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN. Sudarno Jurusan Matematika FMIPA UNDIP. Abstrak
DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN Sudarno Jurusan Matematika FMIPA UNDIP Abstrak Dalam proses stokhastik yang mana kejadian dapat muncul kembali membentuk proses pembahauruan. Proses pembaharuan
Lebih terperinciKajian Fungsi Metrik Preserving
Kajian Fungsi Metrik Preserving A 2 Binti Mualifatul Rosydah Politeknik Perkapalan Negeri Surabaya Institut Teknologi Sepuluh Nopember Surabaya Jalan Teknik Kimia Kampus ITS Sukolilo Surabaya 6 Abstrak
Lebih terperinciURAIAN POKOK-POKOK PERKULIAHAN
Pertemuan ke-: 10, 11, dan 12 Penyusun : Kosim Rukmana Materi: Barisan Bilangan Real 7. Barisan dan Limit Barisan 6. Teorema Limit Barisan 7. Barisan Monoton URAIAN POKOK-POKOK PERKULIAHAN 7. Barisan dan
Lebih terperinciPENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM
BIAStatistics (2015) Vol. 9, 2, hal. 28-32 PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM Munawar Jurusan Matematika FMIPA Universitas Syiah
Lebih terperinciPenerapan Aproksimasi Fejer dalam Membuktikan Teorema Weierstrass
Jurnal Matematika, Statistika & Komputasi 1 Penerapan Aproksimasi Fejer dalam Membuktikan Teorema Weierstrass Islamiyah Abbas 1, Naimah Aris 2, Jusmawati M 3. Abstrak Dalam skripsi ini dibahas pembuktian
Lebih terperinciEKSISTENSI SUPREMUM DAN INFIMUM DENGAN TEOREMA CANTOR DEDEKIND. Nursiya Bito. Staf Dosen Jurusan Matematika dan IPA Universitas Negeri Gorontalo
EKSISTENSI SUPREMUM DAN INFIMUM DENGAN TEOREMA CANTOR DEDEKIND Nursiya Bito Staf Dosen Jurusan Matematika dan IPA Universitas Negeri Gorontalo ABSTRACT In this paper, we will try to proof existence of
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 terperinciKAJIAN KONSEP RUANG NORMA-2 DENGAN DOMAIN PEMETAAN BERUPA RUANG BERDIMENSI HINGGA
Jurnal Matematika Murni dan Teraan εsilon Vol. 07, No.01, 013), Hal. 13 0 KAJIAN KONSEP RUANG NORMA- DENGAN DOMAIN PEMETAAN BERUPA RUANG BERDIMENSI HINGGA Wahidah 1 dan Moch. Idris 1, Program Studi Matematika
Lebih terperinciPENGANTAR ANALISIS REAL
Seri Analisis dan Geometri No. 1 (2009), -15 158 (173 hlm.) PENGANTAR ANALISIS REAL Oleh Hendra Gunawan Edisi Pertama Bandung, Januari 2009 2000 Dewey Classification: 515-xx. Kata Kunci: Analisis matematika,
Lebih terperinciPenerapan Aproksimasi Fejer dalam Membuktikan Teorema Weierstrass
Vol. 11, No. 2, 139-148, Januari 2015 Penerapan Aproksimasi Fejer dalam Membuktikan Teorema Weierstrass NaimahAris 1, Jusmawati M 2,Islamiyah Abbas 3, Abstrak Dalam tulisan ini dibahas pembuktian teorema
Lebih terperinciKONVOLUSI DARI PEUBAH ACAK BINOMIAL NEGATIF
Jurnal Matematika UNAND Vol. 2 No. 3 Hal. 22 27 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND KONVOLUSI DARI PEUBAH ACAK BINOMIAL NEGATIF NUR ADE YANI Program Studi Magister Matematika, Fakultas Matematika
Lebih terperinciPEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno. Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta
PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP Tarno Jurusan Matematika FMIPA UNDIP Semarang Subanar Jurusan Matematika FMIPA UGM Yogyakarta Abstrak Tulisan ini membicarakan tentang penerapan bootstrap
Lebih terperinciFOURIER Oktober 2014, Vol. 3 No. 2, KONSEP DASAR RUANG METRIK CONE. Yogyakarta
FOURIER Oktober 014, Vol. 3 No., 146 166 KONSEP DASAR RUANG METRIK CONE A. Rifqi Bahtiar 1, Muchammad Abrori, Malahayati 3 1,, 3 Program Studi Matematika, Fakultas Sains dan Teknologi, UIN Sunan Kalijaga
Lebih terperinciPOISSON PROSES NON-HOMOGEN. Abdurrahman Valid Fuady, Hasih Pratiwi, dan Supriyadi Wibowo Program Studi Matematika FMIPA UNS
POISSON PROSES NON-HOMOGEN Abdurrahman Valid Fuady, Hasih Pratiwi, dan Supriyadi Wibowo Program Studi Matematika FMIPA UNS ABSTRAK. Proses Poisson merupakan proses stokastik sederhana dan dapat digunakan
Lebih terperinciBAB II KAJIAN TEORI. memahami sifat-sifat dari barisan fungsi. Pada bab ini akan diuraikan materimateri
BAB II KAJIAN TEORI Analisis kekonvergenan pada barisan fungsi, apakah barisan fungsi itu? Apakah berbeda dengan barisan pada umumnya? Tentunya sebelum membahas mengenai barisan fungsi, apa saja jenis
Lebih terperinciJURUSAN PENDIDIKAN MATEMATIKA
DESKRIPSI MATA KULIAH : ANALISIS REAL II KODE MK : MT 410 Mata kuliah ini dimaksudkan untuk memberi kemampuan pada mahasiswa tentang konsep-konsep matematika mengenai limit fungsi, kekontinuan fungsi,
Lebih terperinciMINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT
MINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT HUKUM BILANGAN BESAR LEMAH DAN KUAT Misalkan X 1, X 2, X 3... barisan variabel random. Kita tulis S n = n X i. Dalam subbab ini kita akan menjawab pertanyaan
Lebih terperinciBAB 3 REVIEW PENDUGAAN FUNGSI INTENSITAS LOKAL DAN GLOBAL DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT
9 BAB 3 REVIEW PENDUGAAN FUNGSI INTENSITAS LOKAL DAN GLOBAL DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT Misalkan adalah proses Poisson nonhomogen pada interval dengan fungsi intensitas yang
Lebih terperinciANALISIS REAL 1 SUMANANG MUHTAR GOZALI KBK ANALISIS
ANALISIS REAL 1 SUMANANG MUHTAR GOZALI KBK ANALISIS UNIVERSITAS PENDIDIKAN INDONESIA BANDUNG 2010 2 KATA PENGANTAR Bismillahirrahmanirrahim Segala puji bagi Allah Rabb semesta alam. Shalawat serta salam
Lebih terperinciDwi Lestari, M.Sc: Konvergensi Deret 1. KONVERGENSI DERET
1. KONVERGENSI DERET Suatu barisan disebut konvergen jika terdapat bilangan Z yang setiap lingkungannya memuat semua. Jika bilangan Z itu ada maka dapat ditulis: lim sehingga dapat dikatakan bahwa barisan
Lebih terperinciKONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA
Jurnal Matematika UNAND Vol. No. 4 Hal. 9 ISSN : 33 9 c Jurusan Matematika FMIPA UNAND KONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA MARNISYAH ANAS Program Studi Magister Matematika, Fakultas
Lebih terperinciPENERAPAN METODE JACKKNIFE TERHAPUS-1 PADA PENGOLAHAN DATA METODE QUICK COUNT
PENERAPAN METODE JACKKNIFE TERHAPUS-1 PADA PENGOLAHAN DATA METODE QUICK COUNT Joko Sungkono* dan Udiyono* Abstrak: Secara statistik, metode quick count merupakan suatu proses estimasi parameter proporsi
Lebih terperinciKEKONVERGENAN LEMAH PADA RUANG HILBERT
KEKONVERGENAN LEMAH PADA RUANG HILBERT Moch. Ramadhan Mubarak 1), Encum Sumiaty 2), Cece Kustiawan 3) 1), 2), 3) Departemen Pendidikan Matematika FPMIPA UPI *Surel: ramadhan.101110176@gmail.com ABSTRAK.
Lebih terperinciANALISA SISTEM ANTRIAN M/M/1/N DENGAN RETENSI PELANGGAN YANG MEMBATALKAN ANTRIAN
Analisa Sistem Antrian (Ayi Umar Nawawi) 11 ANALISA SISTEM ANTRIAN M/M/1/N DENGAN RETENSI PELANGGAN YANG MEMBATALKAN ANTRIAN ANALYSIS OF M/M/1/N QUEUEUING SYSTEM WITH RETENTION OF RENEGED CUSTOMERS Oleh:
Lebih terperinciUNIVERSITAS PENDIDIKAN INDONESIA
Ruang Norm Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Definisi. Misalkan suatu ruang vektor atas. Norm pada didefinisikan sebagai fungsi. : yang memenuhi N1. 0 N2. 0 0 N3.,, N4.,, Kita dapat
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN Pada bab ini akan dibahas mengenai latar belakang masalah, perumusan masalah, batasan masalah, maksud dan tujuan penulisan, tinjauan pustaka serta sistematika penulisan skirpsi ini. 1.1.
Lebih terperinciKEKONVERGENAN BARISAN DI RUANG HILBERT PADA PEMETAAN TIPE-NONSPREADING DAN NONEXPANSIVE
Jurnal Matematika UNAND Vol. 2 No. 1 Hal. 42 51 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND KEKONVERGENAN BARISAN DI RUANG HILBERT PADA PEMETAAN TIPE-NONSPREADING DAN NONEXPANSIVE DEBI OKTIA HARYENI
Lebih terperinciPENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL
PENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL Ro fah Nur Rachmawati Jurusan Matematika, Fakultas Sains dan Teknologi, Binus University Jl.
Lebih terperinciKEKONSISTENAN PENDUGA FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK DENGAN TREN LINEAR TITA ROBIAH AL ADAWIYAH
KEKONSISTENAN PENDUGA FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK DENGAN TREN LINEAR TITA ROBIAH AL ADAWIYAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciSarimah. ABSTRACT
PENDETEKSIAN OUTLIER PADA REGRESI LOGISTIK DENGAN MENGGUNAKAN TEKNIK TRIMMED MEANS Sarimah Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA 2.1 Distribusi Logistik Distribusi logistik merupakan distribusi yang memiliki fungsi kepekatan peluang kontinu. Bentuk kurva distribusi logistik adalah simetris dan uni modal. Bentuk
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Integral merupakan salah satu konsep penting dalam matematika dan banyak aplikasinya. Dalam kehidupan sehari-hari integral dapat diaplikasikan dalam berbagai
Lebih terperinciSIMULASI ANTRIAN PELAYANAN PASIEN (STUDI KASUS: KLINIK BIDAN LIA JALAN MT. HARYONO NO. 52 BINJAI)
ZERO JURNAL MATEMATIKA DAN TERAAN Volume No. 207 -ISSN: 2580-569X E-ISSN : 2580-5754 SIMULASI ANTRIAN ELAYANAN ASIEN (STUDI KASUS: KLINIK BIDAN LIA JALAN MT. HARYONO NO. 52 BINJAI) Hendra Cipta Dosen rodi
Lebih terperinciKekontraktifan Pemetaan pada Ruang Metrik Kerucut
Jurnal Matematika Integratif ISSN 1412-6184 Vol 9 No 2, Oktober 2013 pp 53-57 Kekontraktifan Pemetaan pada Ruang Metrik Kerucut Badrulfalah dan Iin Irianingsih Jurusan Matematika, Fakultas MIPA, Universitas
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data
5 II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data panel ini, penulis menggunakan definisi, teorema dan konsep dasar yang berkaitan dengan pendugaan parameter,
Lebih terperinciCetakan I, Agustus 2014 Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura
Hak cipta dilindungi Undang-Undang Cetakan I, Agustus 2014 Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura ISBN: 978-602-97552-1-2 Deskripsi halaman sampul : Gambar
Lebih terperinciMETODA RATA-RATA BATCH PADA SIMULASI SISTEM ANTRIAN M/M/1
Media Informatika Vol. 5 No. 1 (2006) METODA RATA-RATA BATCH PADA SIMULASI SISTEM ANTRIAN M/M/1 Ekabrata Yudhistyra Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda 96 Bandung
Lebih terperinciIntegral Baire-1 Stieltjes, Henstock-Stieltjes dan Riemann-Stieltjes. The Stieltjes Integrals of Baire-1, Henstock and Riemann
Integral Baire-1 Stieltjes, Henstock-Stieltjes dan Riemann-Stieltjes Kalfin D Muchtar 1, Jullia Titaley 2, Mans L Mananohas 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, kalfin_muchtar@yahoocom 2
Lebih terperinciBeberapa Sifat Operator Self Adjoint dalam Ruang Hilbert
Vol 12, No 2, 153-159, Januari 2016 Beberapa Sifat Operator Self Adjoint dalam Ruang Hilbert Firman Abstrak Misalkan adalah operator linier dengan adalah ruang Hilbert Pada operator linier dikenal istilah
Lebih terperinciUJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT
UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah, ST., MT SIGN TEST Sign Test Digunakan untuk menguji hipotesa tentang MEDIAN dan DISTRIBUSI KONTINYU. Pengamatan dilakukan pada median dari sebuah distribusi
Lebih terperinciESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP
ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP PADA DATA PASIEN HIPERKOLESTEROLEMIA DI BALAI LABORATORIUM KESEHATAN YOGYAKARTA Fransiska Grase S.W, Sri Sulistijowati H.,
Lebih terperinciPROSES PERCABANGAN PADA DISTRIBUSI POISSON
PROSES PERCABANGAN PADA DISTRIBUSI POISSON Nur Alfiani Santoso, Respatiwulan, dan Nughthoh Arfawi Kurdhi Program Studi Matematika FMIPA UNS Abstrak. Proses percabangan merupakan suatu proses stokastik
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang Permasalahan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Permasalahan Ilmu pengetahuan merupakan hal yang mengalami perkembangan secara terus-menerus. Diantaranya teori integral yaitu ilmu bidang matematika analisis yang
Lebih terperinciEkuivalensi Norm-n dalam Ruang R d
Jurnal Matematika Statistika & Komputasi 1 Vol No 201 Ekuivalensi Norm-n dalam Ruang R d Taufik Akbar Muh Zakir uh Nur Abstrak Sebuah ruang vektor dapat dilengkapi lebih dari satu buah norm Hal yang sama
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI TIN 4004 Pertemuan 5 Outline: Uji Chi-Squared Uji F Uji Contingency Uji Homogenitas Referensi: Johnson, R. A., Statistics Principle and Methods, 4 th Ed. John Wiley & Sons, Inc., 001.
Lebih terperinci4. Mahasiswa mampu melakukan estimasi parameter, melakukan uji hipotesis statistic serta estimasi interval. Diskripsi Singkat MK
INSTITUT TEKNOLOGI KALIMANTAN JURUSAN MATEMATIKA DAN TEKNOLOGI INFORMASI PROGRAM STUDI MATEMATIKA RENCANA PEMBELAJARAN MATA KULIAH KODE Rumpun MK BOBOT (sks) SEMESTER Tgl Penyusunan Matematika Statistika
Lebih terperinciMisal, dan diberikan sebarang, terdapat sehingga untuk setiap
PROGRAM STUDI PENDIDIKAN MATEMATIKA FKIP UNMUH PONOROGO PENYELESAIAN SOAL UJIAN AKHIR SEMESTER GENAP TA 2012/2013 Mata Ujian : Analisis Real 1 Tipe Soal : Reguler Dosen : Dr. Julan HERNADI Waktu : 90 menit
Lebih terperinciSYARAT SYARAT FUNGSI DI RUANG METRIK AGAR RUANG METRIKNYA MEMILIKI ATSUJI COMPLETION
SYARAT SYARAT FUNGSI DI RUANG METRIK AGAR RUANG METRIKNYA MEMILIKI ATSUJI COMPLETION Azki Nuril Ilmiyah Departemen Matematika, FMIPA UI, Kampus UI Depok 16424 azki.nuril@ui.ac.id ABSTRAK Nama Program Studi
Lebih terperinciPENAKSIR RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KURTOSIS PADA SAMPLING ACAK SEDERHANA
PENAKSIR RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KURTOSIS PADA SAMPLING ACAK SEDERHANA Erpan Gusnawan 1, Arisman Adnan 2, Haposan Sirait 2 1 Mahasiswa Program Studi S1 Matematika
Lebih terperinciSISTEM ANTRIAN MODEL GEO/G/1 DENGAN VACATION
SISTEM ANTRIAN MODEL GEO/G/1 DENGAN VACATION Novita Eka Chandra 1, Supriyanto 2, dan Renny 3 1 Universitas Islam Darul Ulum Lamongan, novitaekachandra@gmail.com 2 Universitas Jenderal Soedirman, supriyanto
Lebih terperinci3 LIMIT DAN KEKONTINUAN
Menurut Bartle dan Sherbet (1994), Analisis matematika secara umum dipahami sebagai tubuh matematika yang dibangun oleh berbagai konsep limit. Pada bab sebelumnya kita telah mempelajari limit barisan,
Lebih terperinciKONVERGENSI DAN KELENGKAPAN PADA RUANG QUASI METRIK
JURNAL SAINS DAN SENI POMITS Vol 2, No 1, (2013) 1-6 1 KONVERGENSI DAN KELENGKAPAN PADA RUANG QUASI METRIK Fikri Firdaus, Sunarsini, Sadjidon Jurusan Matematika, Fakultas Matematika Ilmu Pengetahuan Alam,
Lebih terperinciMEMBUKTIKAN KETAKSAMAAN ERDŐS-MORDELL DENGAN MENGGUNAKAN JARAK BERTANDA. ABSTRACT
MEMBUKTIKAN KETAKSAMAAN ERDŐS-MORDELL DENGAN MENGGUNAKAN JARAK BERTANDA Riva Atul Wahidah 1), Mashadi 2), Hasriati 2) riva_cew91@yahoo.co.id 1) Mahasiswa Program S1 Matematika FMIPA-UR 2) Dosen Matematika
Lebih terperinci2 G R U P. 1 Struktur Aljabar Grup Aswad 2013 Blog: aswhat.wordpress.com
2 G R U P Struktur aljabar adalah suatu himpunan tak kosong S yang dilengkapi dengan satu atau lebih operasi biner. Jika himpunan S dilengkapi dengan satu operasi biner * maka struktur aljabar tersebut
Lebih terperinciSOLUSI NUMERIK UNTUK PERSAMAAN INTEGRAL KUADRAT NONLINEAR. Eka Parmila Sari 1, Agusni 2 ABSTRACT
SOLUSI NUMERIK UNTUK PERSAMAAN INTEGRAL KUADRAT NONLINEAR Eka Parmila Sari 1, Agusni 2 1 Mahasiswa Program Studi S1 Matematika 2 Laboratorium Matematika Terapan, Jurusan Matematika Fakultas Matematika
Lebih terperinciTITIK TETAP NADLR FUNGSI MULTI NILAI KONTRAKTIF PADA RUANG METRIK ( ) Rinurwati Jurusan Matematika FMIPA-ITS Jl. Arif Rahman Hakim Surabaya 60111
TITIK TETAP NADLR FUNGSI MULTI NILAI KONTRAKTIF PADA RUANG METRIK ( ) Rinurwati Jurusan Matematika FMIPA-ITS Jl. Arif Rahman Hakim Surabaya 60111 Abstract. In this paper was discussed about Nadlr fixed
Lebih terperinciKESTABILAN PERSAMAAN FUNGSIONAL JENSEN.
KESTABILAN PERSAMAAN FUNGSIONAL JENSEN Hilwin Nisa, Hairur Rahman, 3 Imam Sujarwo Jurusan Matematika, Universitas Islam Negeri Maulana Malik Ibrahim Malang jurusan Matematika, Universitas Islam Negeri
Lebih terperinciII. LANDASAN TEORI. 2. P bersifat aditif tak hingga, yaitu jika dengan. 2.1 Ruang Contoh, Kejadian dan Peluang
II. LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan sering kali diperlukan pengulangan yang dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul akan
Lebih terperinciBEBERAPA TEOREMA TITIK TETAP UNTUK PEMETAAN NONSELF. Kata kunci : pemetaan nonexpansive, pemetaan condensing, pemetaan kompak.
BEBERAPA TEOREMA TITIK TETAP UNTUK PEMETAAN NONSELF Oleh: Rindang Kasih Program Studi Pendidikan Matematika FKIP UNIVET Sukoharjo Jl. Letjend Sujono Humardani No.1 Kampus Jombor Sukoharjo, e-mail: Rindang_k@yahoo.com
Lebih terperinciPenaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar
Vol.14, No. 2, 159-165, Januari 2018 Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Sutrianah Burhan 1, Andi Kresna Jaya 1
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Ilmu matematika merupakan ilmu dasar yang digunakan di berbagai bidang. Teori titik tetap merupakan salah satu cabang dalam ilmu matematika, khususnya matematika
Lebih terperinciBAB III INTEGRAL LEBESGUE. Pada bab sebelumnya telah disebutkan bahwa ruang dibangun oleh
BAB III INTEGRAL LEBESGUE Pada bab sebelumnya telah disebutkan bahwa ruang dibangun oleh fungsi-fungsi terukur dan memenuhi sifat yang berkaitan dengan integral Lebesgue. Kajian mengenai keterukuran suatu
Lebih terperinciPemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Pemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok Sucia Mentari, Retno Subekti, Nikenasih
Lebih terperinciFOURIER Oktober 2014, Vol. 3, No. 2, KONSEP FUNGSI SEMIKONTINU. Malahayati 1
FOURIER Oktober 2014, Vol. 3, No. 2, 117 132 KONSEP FUNGSI SEMIKONTINU Malahayati 1 1 Program Studi Matematika Fakultas Sains dan Teknologi UIN Sunan Kalijaga Jl. Marsda Adisucipto No. 1 Yogyakarta 55281
Lebih terperinciBOOTSTRAP RESAMPLING OBSERVASI PADA ESTIMASI PARAMETER REGRESI MENGGUNAKAN SOFTWARE R
BOOTSTRAP RESAMPLING OBSERVASI PADA ESTIMASI PARAMETER REGRESI MENGGUNAKAN SOFTWARE R Joko Sungkono* Abstrak : Pada tulisan ini, algoritma metode bootstrap resampling observasi dipaparkan secara detail
Lebih terperinciII LANDASAN TEORI. 2.1 Ruang Contoh, Kejadian dan Peluang. 2.2 Peubah Acak dan Fungsi Sebaran
II LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan sering kali diperlukan pengulangan yang dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul akan diketahui
Lebih terperinciBAB 5 FUNDAMENTAL DISTRIBUSI PELUANG MUHAMMAD NUR AIDI
BAB 5 FUNDAMENTAL DISTRIBUSI PELUANG MUHAMMAD NUR AIDI 5.1. Pendahuluan Untuk mendeteksi bagaimana konfigurasi titik dalam ruang apakah bersifat acak atau random, regular, ataupun cluster (kelompok); pertama-tama
Lebih terperinciLampiran 1. Beberapa Definisi dan Lema Teknis
DAFTAR PUSTAKA Browder, A. 1996. Mathematical Analysis : An Introduction. Springer. New York. Dudley, R.M. 1989. Real Analysis and Probability. Wadsworth & Brooks. California. Durret, R. 1996. Probability
Lebih terperinciPEMODELAN KELAHIRAN MURNI DAN KEMATIAN MURNI DENGAN DUA JENIS KELAMIN DENGAN PROSES STOKASTIK
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 72 79 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN KELAHIRAN MURNI DAN KEMATIAN MURNI DENGAN DUA JENIS KELAMIN DENGAN PROSES STOKASTIK FEBI OKTORA
Lebih terperinciHIMPUNAN KUBIK ASIKLIK DAN KUBUS DASAR
Jurnal Matematika UNAND Vol. 2 No. 4 Hal. 43 49 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND HIMPUNAN KUBIK ASIKLIK DAN KUBUS DASAR WIWI ULMAYANI Program Studi Matematika, Fakultas Matematika dan
Lebih terperinciRuang Norm-n Berdimensi Hingga
Jurnal Matematika Integratif. Vol. 3, No. 2 (207), pp. 95 04. p-issn:42-684, e-issn:2549-903 doi:0.2498/jmi.v3.n2.986.95-04 Ruang Norm-n Berdimensi Hingga Moh. Januar Ismail Burhan Jurusan Matematika dan
Lebih terperinciBAB II KAJIAN TEORI. dalam pembahasan model antrean dengan disiplin pelayanan Preemptive,
BAB II KAJIAN TEORI Pada bab ini akan dijabarkan tentang dasar-dasar yang digunakan dalam pembahasan model antrean dengan disiplin pelayanan Preemptive, mencangkup tentang teori antrean, pola kedatangan
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciBAB I PENDAHULUAN. Integral Lebesgue merupakan suatu perluasan dari integral Riemann.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Integral Lebesgue merupakan suatu perluasan dari integral Riemann. Sebagaimana telah diketahui, pengkonstruksian integral Riemann dilakukan dengan cara pemartisian
Lebih terperinciPENGEMBANGAN BAHAN AJAR MATA KULIAH ANALISIS REAL BERBASIS PEMBUKTIAN PADA SEMESTER V UNMUH JEMBER
PENGEMBANGAN BAHAN AJAR MATA KULIAH ANALISIS REAL BERBASIS PEMBUKTIAN PADA SEMESTER V UNMUH JEMBER Nurul Imamah Ah FKIP Universitas Muhammadiyah Jember nurul.imamah86@gmail.com Abstrak Penelitian ini merupakan
Lebih terperinciDISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi
DISTRIBUSI SAMPLING Definisi : distribusi sampling adalah distribusi peluang untuk nilai statistik yang diperoleh dari sampel acak untuk menggambarkan populasi. 1. Distribusi rata rata Misal sampel acak
Lebih terperinciSyarat Fritz John pada Masalah Optimasi Berkendala Ketaksamaan. Caturiyati 1 Himmawati Puji Lestari 2. Abstrak
Syarat Fritz John pada Masalah Optimasi Berkendala Ketaksamaan Caturiyati 1 Himmawati Puji Lestari 2 1,2 Jurusan Pendidikan Matematika FMIPA UNY 1 wcaturiyati@yahoo.com 2 himmawatipl@yahoo.com Abstrak
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 terperinci