Distribusi Sampling 6.2. Debrina Puspita Andriani /
|
|
- Hartono Hardja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 6. Debrina Puspita Andriani debrina.ub@gmail.com / debrina@ub.ac.id
2 Outline Pengertian dan Konsep Dasar Distribusi Sampling Distribusi Sampling Mean Distribusi Sampling Proporsi Distribusi Sampling Standard Deviasi
3 populasi sampel mean Std.dev 1 x 1 s1 x s 3 x 3 s3 4 x 4 s4 5 x 5 s5 6 x 6 s6 7 x 7 s7 8 x 8 s8 9 x 9 s9 10 x 10 s x 11 s x 1 s1 13 x 13 s13 i x si i Pengertian dan Konsep Dasar Distribusi sampel adalah distribusi dari rata-rata atau proporsi sampel yang diambil secara berulang-ulang (n kali) dari populasi. Ada sebanyak n rata-rata atau n nilai proporsi Distribusi dari rata-rata atau proporsi tersebut yang disebut sebagai distribusi sampel (sampling distribution)
4 POPULASI AMATAN 4 Distribusi Sampling menunjukkan distribusi dari nilai nilai yang berbeda statistik sampel atau penduga dari banyak sampel yang berukuran sama. Sebuah statistik sampel akan berbeda beda nilainya dari satu sampel ke sampel yang lain karena adanya perbedaan sampling acak atau kesalahan sampling.
5 : ILUSTRASI 5 POPULASI AMATAN N individu Mean = µ St. deviasi = σ SAMPEL 1 SAMPEL SAMPEL 3 SAMPEL Diambil beberapa Sampel sejumlah n
6 : JENIS 6 Distribusi sampling ratarata (harga mean) Distribusi sampling proporsi beda rata-rata Distribusi sampling standard deviasi : beda proporsi X 1 X X 3 X s 1 s s 3 s ^ p^ p^ 3 p ^ p 1 Distribusi sampling harga mean Distribusi sampling harga st. dev Distribusi sampling harga proporsi
7 : ILUSTRASI 7 POPULASI 1 N 1 individu Mean = µ 1 St. deviasi = σ 1 POPULASI SAMPEL SAMPEL SAMPEL N individu Mean = µ St. deviasi = σ SAMPEL SAMPEL SAMPEL X 1 X 1 X ^ ^ ^ p 1 p 1 p X X X ^ ^ ^ p p p X 1 - X X 1 - X X 1 - X ^ - p^ p^ 1 - p^ p ^ p 1 - ^ p 1 Distribusi sampling harga perbedaan dua mean Distribusi sampling harga perbedaan dua proporsi
8 RATA-RATA (HARGA MEAN) 8 Distribusi dari besaran rata-rata yang muncul dari sampel-sampel à Pemilihan sampel dari populasi terbatas: à Apabila sampel sampel random beranggota n individu masing masing diambil dari suatu populasi yang mempunyai mean = µ dan standar deviasi = σ, maka distribusi sampling harga mean akan mempunyai mean (mean of means) dan standar deviasi (standard error of the means) : Pengambilan sampel with replacement (dengan pengembalian) µ σ x x = µ = σ n Pengambilan sampel without replacement (tanpa pengembalian) µ σ x x = µ = σ n N - n N -1
9 RATA-RATA (HARGA MEAN) 9 Distribusi dari besaran rata-rata yang muncul dari sampel-sampel à Pemilihan sampel dari populasi tidak terbatas: à Tetapi bila N banyaknya tak terhingga, atau N besar sekali relatif terhadap n (n/n 5%), maka selalu dianggap bahwa sifat µ σ x x = µ σ berlaku. = n Pengambilan sampel with replacement (dengan pengembalian) à n/n 5%, berlaku: Pengambilan sampel without replacement (tanpa pengembalian) à n/n > 5%, berlaku:
10 RATA-RATA (HARGA MEAN) 10 STUDI KASUS 1 Diberikan sebuah populasi dengan N = 10, yakni terdiri atas angka angka : Jika dihitung, populasi tersebut memiliki µ = 98 dan σ = 0,5. Apabila diambil sampel sebanyak. Hitung mean (mean of means) dan standar deviasi (standard error of the means)!
11 RATA-RATA (HARGA MEAN) 11 STUDI KASUS 1 Penyelesaian : Diketahui N = 10 dan n =. à n/n = 0, > 0,05. Maka pengambilan sampel dilakukan tanpa pengembalian. 10 ( ) = 45 buah sampel sampel rata - rata sampel rata - rata sampel rata - rata 98 ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ;
12 RATA-RATA (HARGA MEAN) 1 STUDI KASUS 1 Penyelesaian : Σ rata - rata = 4410 rata - rata = 4410/45= 98 Standar deviasi = 0,5 Atau dihitung dengan rumus : µ x =µ σ x = σ n N N - - n 1 = = 0.5
13 RATA-RATA (HARGA MEAN) 13 Dari tabel sebelumnya, apabila dibuatkan summary hasilnya sbb : RATA - RATA FREKUENSI PELUANG / / / / / 15 JUMLAH 45 1 Rata rata untuk semua sampel membentuk distribusi peluang. Berlaku juga dalil limit pusat. DALIL LIMIT PUSAT : Dalam pemilihan sampel acak sederhana dengan ukuran n dari suatu populasi yang berasal dari distribusi apapun (binomial, poisson, dll), maka distribusi rata rata sampel dapat didekati dengan distribusi probabilitas normal untuk ukuran sampel yang besar (n 30).
14 RATA-RATA (HARGA MEAN) 14 Pada umumnya, normalitas dari distribusi sampling rata-rata disebut teorema limit sentral dan dinyatakan sbb: 1. Jika populasi cukup besar dan berdistribusi secara normal maka distribusi samplingnya akan normal. Jika populasi tidak normal maka distribusi sampling rata-ratanya akan mendekati normal, apabila jumlah sampel cukup besar, biasanya 30 atau lebih (n 30) 3. Distribusi normal dari rata-rata sampel memiliki rata-rata yang sama dengan rata-rata harapan E( )dan simpangan baku
15 RATA-RATA (HARGA MEAN) 15 STUDI KASUS Diberikan sebuah populasi dengan N = 5, yakni terdiri atas angka angka : 6, 8, 9, 1, dan 15. Kemudian dari populasi itu akan diambil sampel yang beranggotakan dua (yang mungkin bisa diambil dari populasi itu). Hitung mean (mean of means) dan standar deviasi (standard error of the means) bila sampel diambil dengan pengembalian dan tanpa pengembalian!
16 STUDI KASUS Distribusi Sampling RATA-RATA (HARGA MEAN) Bila pengambilan sampel dilakukan dengan pengembalian (with replacement), maka akan terdapat 5 sampel dengan anggota angka yang bisa diambil dari populasi tersebut. (N n = 5 = 5) 16 sampel mean sampel mean sampel mean 6 ; 6 X 1 = 6 8 ; 6 X 6 = 7 9 ; 6 X 11 = 7,5 6 ; 8 X = 7 8 ; 8 X 7 = 8 9 ; 8 X 1 = 8,5 6 ; 9 X 3 = 7,5 8 ; 9 X 8 = 8,5 9 ; 9 X 13 = 9 6 ; 1 X 4 = 9 8 ; 1 X 9 = 10 9 ; 1 X 14 = 10,5 6 ; 15 X 5 = 10,5 8 ;15 X 10 = 11,5 9 ; 15 X 15 = 1 sampel mean sampel mean 1 ; 6 X 16 = 9 15 ; 6 X 1 = 10,5 1 ; 8 X 17 = ; 8 X = 11,5 1 ; 9 X 18 = 10,5 15 ; 9 X 3 = 1 1 ; 1 X 19 = 1 15 ; 1 X 4 = 13,5 1 ; 15 X 0 = 13,5 15 ; 15 X 5 = 15
17 STUDI KASUS Distribusi Sampling RATA-RATA (HARGA MEAN) Distribusi harga mean, yakni himpunan harga X 1 sampai dengan X 5 : ,5 9 10, , ,5 7,5 8,5 9 10, ,5 1 13,5 10,5 11,5 1 13,5 15 Pengambilan sampel with replacement (dengan pengembalian) : µx = = 10 5 ATAU µ = = 10 σ ATAU σ x = x = ( ) ( ) ( ) σ 3.16 = =.4 n = 5 =.4
18 RATA-RATA (HARGA MEAN) 18 STUDI KASUS Bila pengambilan sampel dilakukan tanpa pengembalian (without replacement), maka akan terdapat 10 sampel dengan anggota angka yang bisa diambil dari populasi tersebut. 5 ( ) = 10 buah sampel sampel mean sampel mean 6 ; 8 X 1 = 7 8 ; 1 X 6 = 10 6 ; 9 X = ; 15 X 7 = ; 1 X 3 = 9 9 ; 1 X 8 = ; 15 X 4 = ; 15 X 9 = 1 8 ; 9 X 5 = ;15 X 10 = 13.5 µ σ x x = µ = = σ n N N - - n 3.16 = = 10 = 1.94
19 PROPORSI 19 Adalah distribusi dari proporsi (presentase) yang diperoleh dari semua sampel sama besar yang mungkin dari satu populasi Proporsi dari populasi Proporsi dari sampel p = p = X N X n Dapat digunakan untuk mengetahui perbandingan antara dua hal yang berkomplemen (binomial) seperti % perokok dan bukan perokok, % pemilih dan bukan pemilih dalam pemilu dsb
20 PROPORSI 0 Pada distribusi sampling proporsi berlaku hal-hal sbb: 1) Untuk pengambilan sampel dengan pengembalian atau Jika ukuran populasi besar, n/n 5%, berlaku: σ P Keterangan: P = proporsi kejadian sukses Q= proporsi kejadian gagal (1 P) ) Untuk pengambilan sampel tanpa pengembalian atau Jika ukuran populasi kecil, n/n > 5%, berlaku: σ P
21 PROPORSI 1 Pada distribusi sampling proporsi berlaku hal-hal sbb: 3) Daftar distribusi normal untuk distribusi sampling proporsi dapat ditentukan sbb: Nilai Z adalah:
22 STUDI KASUS Distribusi Sampling PROPORSI Sebuah populasi yang beranggotakan 6 orang, 3 diantaranya perokok dan yang lainnya bukan perokok. Apabila diambil sampel beranggotakan 3 orang; proporsi atau banyaknya sampel ketiganya anggota sampel perokok, perokok & 1 bukan perokok, 1 perokok & bukan perokok, dan ketiganya anggota sampel bukan perokok dapat diketahui (tanpa pengembalian). Misal anggota populasi A, B, C untuk perokok dan K, L, M untuk bukan perokok. Banyaknya sampel yang diambil adalah:
23 PENYELESAIAN Distribusi Sampling PROPORSI 3 } Ke-0 buah sampel itu adalah: 1. ABC 6. ACL 11. BCK 16. BLM. ABK 7. ACM 1. BCL 17. CKL 3. ABL 8. AKL 13. BCM 18. CKM 4. ABM 9. AKM 14. BKL 19. CLM 5.ACK 10. ALM 15. BKM 0. KLM } Distribusi sampling proporsinya (X = perokok, n = 3) Sampel yang mungkin (X) Proporsi sampel (X/n) f Prob. X = 3 (3(p), 0(bp)) 1 1 0,05 X = ((p), 1(bp)) 0,67 9 0,45 X = 1 (1(p), (bp)) 0,33 9 0,45 X = 0 (0(p), 3(bp)) 0 1 0,05 Jumlah 0 1,00
24 STANDAR DEVIASI: BEDA RATA-RATA 4 Adalah distribusi dari perbedaan dua besaran rata-rata yang muncul dari sampel sampel dua populasi. Diperoleh dua sampel berukuran cukup besar (n 30) yang diambil dari dua buah populasi yang memiliki variansi populasi σ 1 dan σ.. Jika rata-rata sampel adalah, maka distribusi selisih ratarata sampel akan memiliki rata-rata: µ x 1 x = μ 1 - μ dengan variansi : σ x x 1 = σ 1 /n 1 + σ /n x dan 1 x sehingga bisa dinyatakan bahwa variabel normal standard Z: z = x 1 x ( µ 1 µ ) σ n 1 1 σ + n
25 STANDAR DEVIASI: BEDA RATA-RATA 5 STUDI KASUS Lampu pijar merk Ampuh memiliki rata-rata daya tahan 4500 jam dengan deviasi standard 500 jam, sedangkan lampu pijar merk Baik memiliki rata-rata daya tahan 4000 jam dengan deviasi standard 400 jam. Jika diambil sampel masing-masing 100 buah lampu pijar dan diteliti, berapa probabilitas bahwa selisih rata-rata daya tahan kedua lampu pijar tersebut lebih besar dari 600 jam?
26 STANDAR DEVIASI: BEDA RATA-RATA PENYELESAIAN 6 Probabilitas 600 z = x 1 x ( µ 1 µ ) σ n 1 1 σ + n P(Z > 1,56) = 1 P (Z 1,56) = 1-0,9406 = 0,0594 = 5,94%
27 STANDAR DEVIASI: BEDA PROPORSI 7 Adalah distribusi dari perbedaan dua besaran proporsi yang muncul dari sampel sampel dua populasi. Misal, terdapat dua populasi N1 dan N (binomial), kemudian diambil sampel random, yaitu n1 dan n dengan P1 dan P maka beda antara kedua sampel proporsi (p1 dan p) akan membentuk suatu distribusi, yaitu distribusi sampling beda proporsi
28 STANDAR DEVIASI: BEDA PROPORSI 8 } } Pada distribusi sampling beda dua proporsi berlaku hal-hal sbb: Rata-rata: } Simpangan baku: } Jika n 1 dan n (n 1, n 30) cukup besar, distribusi sampling proporsi akan mendekati distribusi normal, dengan variabel random standar yang rumus Z-nya:
29 STANDAR DEVIASI: BEDA PROPORSI 9 STUDI KASUS 1 Berdasarkan sebuah penelitian, 1 orang dari 100 orang yang tidak merokok terkena TBC sedangkan 5 orang dari 100 orang perokok terkena TBC. Jika diambil sampel masing-masing 100 orang dari populasi orang merokok dan populasi orang tidak merokok, berapa probabilitas yang terkena TBC lebih besar dari 5%?
30 STANDAR DEVIASI: BEDA PROPORSI 30 PENYELESAIAN P1 = proporsi populasi perokok yang terkena TBC P = proporsi populasi bukan perokok yang terkena TBC = 5% - 1% = 4% = P (Z > 0,4) = 1 P (Z < 0,4) = 1 0,668 = 0,337 = 33,7%
31 STANDAR DEVIASI: BEDA PROPORSI 31 STUDI KASUS Sebanyak 35% pelamar kerja diterima bekerja di Bank Unggul. Mereka tahun sebelumnya pernah melamar, tapi tidak diterima. Sebanyak 30% dari pelamar kerja yang belum pernah melamar di tahun sebelumnya, tahun ini diterima di bank tersebut. Apabila diambil sampel random sebanyak 50 pelamar, baik yang belum pernah melamar atau yang sudah, berapa probabilitas bahwa beda proporsi yang pernah melamar dan akhirnya diterima tahun ini dengan yang belum pernah melamar yang juga diterima adalah kurang dari %?
32 STANDAR DEVIASI: BEDA PROPORSI 3 PENYELESAIAN P 1 = proporsi pelamar yang sebelumnya pernah melamar P = proporsi pelamar yang belum pernah melamar P 1 = 35% = 0,35 P = 30% = 0,3 n 1 = n = 50 p 1 -p = % = 0,0 Didapat: P(Z < -0,71) = 0,5 0,61 = 0,388 = 3,88%
Bab 5 Distribusi Sampling
Bab 5 Distribusi Sampling Pendahuluan Untuk mempelajari populasi kita memerlukan sampel yang diambil dari populasi yang bersangkutan. Meskipun kita dapat mengambil lebih dari sebuah sampel berukuran n
Lebih terperinciPENGUJIAN HIPOTESIS (3) Debrina Puspita Andriani /
PENGUJIAN HIPOTESIS (3) 4 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Uji Hipotesis untuk Variansi/ Standard Deviasi 3 Uji Hipotesis untuk Variansi (1) 4 Data statistik
Lebih terperinciDistribusi Probabilitas Diskrit: Poisson
Distribusi Probabilitas Diskrit: Poisson 7.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Pendekatan Binomial Poisson Distribusi Poisson Kapan distribusi
Lebih terperinciPENGUJIAN HIPOTESIS (2) Debrina Puspita Andriani /
PENGUJIAN HIPOTESIS (2) 2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Uji Hipotesis untuk Rata-rata Sampel Berukuran Besar 3 Uji Rata-rata untuk Sampel Berukuran
Lebih terperinciDistribusi Probabilitas : Gamma & Eksponensial
Distribusi Probabilitas : Gamma & Eksponensial 11 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Gamma Distribusi Eksponensial 3 Distribusi Gamma Tidak selamanya
Lebih terperinciSebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg
Sampling Distributions (Distribusi Penarikan Contoh) Sebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg
Lebih terperinciDistribusi Probabilitas Diskrit: Geometrik Hipergeometrik
Distribusi Probabilitas Diskrit: Geometrik Hipergeometrik 4.3 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Geometrik Distribusi Hipergeometrik Distribusi
Lebih terperinciSTATISTIK INDUSTRI 1. Distribusi Sampling. Distribusi Sampling
STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA DISTRIBUSI SAMPLING PENGANTAR Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui
Lebih terperinciSEBARAN PENARIKAN CONTOH
STATISTIK A (MAM 4137) SEBARAN PENARIKAN CONTOH By Syarifah Hikmah Julinda Outline Sebaran Penarikan Contoh Sebaran Penarikan Contoh Bagi Nilai Tengah Sebaran t Sebaran Penarikan contoh bagi beda dua mean
Lebih terperinciSTATISTIK PERTEMUAN VII
STATISTIK PERTEMUAN VII Distribusi Sampling Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N, pada statistik
Lebih terperinciPopulasi dan Sampel. Materi 1 Distribusi Sampling
Materi 1 Distribusi Sampling UNIVERSITAS GUNADARMA 2013 Populasi dan Sampel Populasi : keseluruhan objek yang menjadi pusat perhatian dalam statistika Parameter besaran yang menggambarkan karakteristik
Lebih terperinciPENGUJIAN HIPOTESIS (3)
PENGUJIAN HIPOTESIS (3) 3 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Uji Hipotesis untuk Proporsi 3 Uji Hipotesis
Lebih terperinciSTATISTIK NON PARAMETRIK (2) Debrina Puspita Andriani /
STATISTIK NON PARAMETRIK (2) 13 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Uji Korelasi Urutan Spearman Statistik Non Parametrik 3 Uji Korelasi Urutan Spearman
Lebih terperinciPengukuran Deskriptif
Pengukuran Deskriptif 2.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi
Lebih terperinciPENGUJIAN HIPOTESIS (2)
PENGUJIAN HIPOTESIS (2) 2 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Uji Hipotesis untuk Rata-rata Sampel
Lebih terperinciPengukuran Deskriptif. Debrina Puspita Andriani /
Pengukuran Deskriptif 3 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi Pengukuran
Lebih terperinciPENGUJIAN HIPOTESIS (1) Debrina Puspita Andriani /
PENGUJIAN HIPOTESIS (1) 1 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pengertian Pengujian Hipotesis (1) 3 BAHASA YUNANI HUPO Lemah, kurang, di bawah THESIS Teori,
Lebih terperinciKumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X
Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik
Lebih terperinciSampling, Estimasi dan Uji Hipotesis
Sampling, Estimasi dan Uji Hipotesis Tujuan Pembelajaran Memahami perlunya suatu sampling (pengambilan sampel) serta keuntungan- keuntungan melakukannya Menjelaskan pengertian sampel acak untuk sampling
Lebih terperinciKONSEP PROBABILITAS & DISTRIBUSI PROBABILITAS
KONSEP PROBABILITAS & DISTRIBUSI PROBABILITAS 5 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hbp://debrina.lecture.ub.ac.id/ 2
Lebih terperinciFORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING
FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN (kata pengantar) 1.1 Latar Belakang 1.2 Tujuan Penulisan
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 terperinciDistribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif
Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi
Lebih terperinciMODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU
DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan
Lebih terperinciBIOSTATISTIK HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA ( ) NURTASMIA ( ) SOBRI ( )
BIOSTATISTIK UJI HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA (20611003) NURTASMIA (20611022) SOBRI (20611027) : Tahapan-tahapan dalam uji hipotesis 1.Membuat hipotesis nol (H o ) dan hipotesis alternatif (H
Lebih terperinciSTATISTICS WEEK 7. By: Hanung N. Prasetyo POLTECH TELKOM/HANUNG NP
STATISTICS WEEK 7 By: Hanung N. Prasetyo Ada macam, sampel probabilitas dan non probabilitas. Sampel probabilitas ada empat teknik yang semuanya dapat dilakukan dengan pengembalian atau tanpa pengembalian,
Lebih terperinciSTATISTIKA. Distribusi Binomial. Ingat contoh pemilihan 1 kegiatan (Kegiatan A) dari 4 kegiatan untuk didanai. Distribusi Normal
STATISTIKA Distribusi Normal Distribusi Binomial Ingat contoh pemilihan 1 kegiatan (Kegiatan A) dari 4 kegiatan untuk didanai Distribusi Binomial Histogram Distribusi Probabilitas Sukses Statistika Distribusi
Lebih terperinciPENARIKAN SAMPEL & PENDUGAAN PARAMETER
PENARIKAN SAMPEL & PENDUGAAN PARAMETER Arti Penarikan Sampel Populasi ( Universe) adalah totalitas dari semua objek atau individu yang memiliki karakteristik tertentu, jelas dan lengkap yang akan diteliti
Lebih terperinci1. PENGERTIAN. Manfaat Sampling :
1. PENGERTIAN Sampel adalah sebagian dari anggota populasi yang dipilih dengan cara tertentu yang akan diteliti sifat-sifatnya dalam penelitian. Nilai-nilai yang berasal dari data sampel dinamakan dengan
Lebih terperinciDISTRIBUSI SAMPLING besar
DISTRIBUSI SAMPLING besar Distribusi Sampling Sampling = pendataan sebagian anggota populasi = penarikan contoh / pengambilan sampel Sampel yang baik Sampel yang representatif, yaitu diperoleh dengan memperhatikan
Lebih terperinciDistribusi dari Sampling
Distribusi dari Sampling Sampling Acak Pengenalan ke Uji Hipotesis dan Estimasi Selang Hal yang harus diingat Populasi- adalah apa yang dibicarakan Sampel- adalah apa yang didapat dari data Distribusi
Lebih terperinciSEBARAN PENARIKAN CONTOH
STATISTIK (MAM 4137) SEBARAN PENARIKAN CONTOH Ledhyane Ika Harlyan 2 Outline Sebaran Penarikan Contoh Sebaran Penarikan Contoh Bagi Nilai Tengah Sebaran t Sebaran Penarikan contoh bagi beda dua mean Parameter
Lebih terperinciDISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2. Distribusi Hipergeometrik
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2 TI2131 TEORI PROBABILITAS MINGGU KE-10 Distribusi Hipergeometrik Eksperimen hipergeometrik memiliki karakteristik sebagai berikut: 1. sebuah sampel random berukuran
Lebih terperinciPembahsan Tugas 9 Probabilitas dan Statistika Distribusi Peluang Diskrit dan Distribusi Peluang Kontinyu
Pembahsan Tugas 9 Probabilitas dan Statistika Distribusi Peluang Diskrit dan Distribusi Peluang Kontinyu Distribusi Peluang Diskrit 1. Hitunglah P( < 10) dengan distribusi binomial untuk n = 15, p = 0,4!
Lebih terperinciKONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.
KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT. EKSPERIMEN suatu percobaan yang dapat diulang-ulang dengan kondisi yang sama CONTOH : Eksperimen : melempar dadu 1 kali Hasilnya
Lebih terperinciThe Central Limit Theorem
Kesumawati Prodi Statistika FMIPA-UII March 30, 2015 Sifat-Sifat Distribusi Sampel Sifat-sifat dari distribusi sampel tersebut dikenal dengan Central Limit Theorem 1. Bentuk distribusi dari rata-rata sampel
Lebih terperinciSTATISTIK NON PARAMETRIK (2)
STATISTIK NON PARAMETRIK (2) 12 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Uji Korelasi Urutan Spearman Statistik
Lebih terperinciSTATISTIKA II IT
STATISTIKA II IT-011227 Ummu Kalsum UNIVERSITAS GUNADARMA 2017 Keterlambatan : KONTRAK KULIAH MOHON KETERLAMBATAN TIDAK LEBIH 15 MENIT Sanksi atau hukuman, sebagai contoh: Menguraikan pengetahuan tentang
Lebih terperinciSTATISTIK PERTEMUAN IV
STATISTIK PERTEMUAN IV PRINSIP DAN DISTRIBUSI PROBABILITAS A. PERANAN PROBABILITAS Pembuatan model, analisis matematis, simulasi komputer dan sebagainya, banyak didasarkan atas asumsi-asumsi yang diidealisir,
Lebih terperinciUmmu Kalsum UNIVERSITAS GUNADARMA
Ummu Kalsum UNIVERSITAS GUNADARMA 2016 Inferensia Statistika : Mencakup semua metode yang digunakan untuk penarikan kesimpulan atau generalisasi mengenai populasi dengan melakukan pengambilan sampel (sampling)
Lebih terperinciJurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA. Distribusi Normal. 1-Sep-14
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA Distribusi Normal 1-Sep-14 http://istiarto.staff.ugm.ac.id 1 Distribusi Binomial Ingat contoh pemilihan 1 kegiatan (Kegiatan A) dari
Lebih terperinciDISTRIBUSI PROBABILITAS
BAB 7 DISTRIBUSI PROBABILITAS Kompetensi Menjelaskan distribusi probabilitas Indikator 1. Menjelaskan distribusi hipergeometris 2. Menjelaskan distribusi binomial 3. Menjelaskan distribusi multinomial
Lebih terperinciSEBARAN PENARIKAN CONTOH (SAMPLING DISTRIBUTION)
SEBARAN PENARIKAN CONTOH (SAMPLING DISTRIBUTION) Andaikan ada suatu populasi dengan jumlah anggotanya sebanyak N diambil contoh sebanyak n. Apabila dari setiap kemungkinan contoh tersebut dihitung suatu
Lebih terperinciProbabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata
Probabilitas dan Statistika Distribusi Peluang Kontinyu 1 Adam Hendra Brata Variabel Acak Kontinyu - Variabel Acak Kontinyu Suatu variabel yang memiliki nilai pecahan didalam range tertentu Distribusi
Lebih terperinciSEBARAN PENARIKAN SAMPEL LOGO
SEBARAN PENARIKAN SAMPEL LOGO KOMPETENSI menentukan sebaran penarikan sampel bagi suatu statistik A menentukan sebaran penarikan sampel bagi nilai tengah menentukan sebaran penarikan sampel bagi selisih
Lebih terperinciDistribusi Probabilitas Diskrit: Binomial & Multinomial
Distribusi Probabilitas Diskrit: Binomial & Multinomial 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi Binomial Distribusi
Lebih 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 terperinciSTATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling
STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling Rengganis Banitya Rachmat rengganis.rachmat@gmail.com 4. Distribusi Probabilitas Normal dan Binomial
Lebih terperinciPenduga : x p s r b. Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER
Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER 5.1 Pengertian Pendugaan Parameter. Pendugaan merupakan suatu bagian dari statistik inferensia yaitu suatu pernyataan mengenai parameter populasi yang tidak diketahui
Lebih terperinciPENGUJIAN HIPOTESIS 1
PENGUJIAN HIPOTESIS 1 Pengertian Pengujian Hipotesis From: BAHASA YUNANI HUPO THESIS Lemah, kurang, di bawah Teori, proposisi, atau pernyataan yang disajikan sebagai bukti Hipotesis suatu pernyataan yang
Lebih terperinciBagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas
Probabilitas Bagian Probabilitas A) = peluang (probabilitas) bahwa kejadian A terjadi 0 < A) < 1 A) = 0 artinya A pasti terjadi A) = 1 artinya A tidak mungkin terjadi Penentuan nilai probabilitas: Metode
Lebih terperinciStatistik Non Parametrik
Statistik Non Parametrik UJI FRIEDMAN (UJI X ) r X r UJI Friedman (uji ) Untuk k sampel berpasangan (k>) dengan data setidaknya data skala ordinal Sebagai alternatif dari analisis variansi dua arah bila
Lebih terperinciREGRESI LINIER BERGANDA. Debrina Puspita Andriani /
REGRESI LINIER BERGANDA 9 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline 03//04 Regresi Berganda : PENGERTIAN 3 Menguji hubungan linier antara variabel dependen (y) dan
Lebih terperinciDISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30
DISTRIBUSI TEORITIS Distribusi teoritis merupakan alat bagi kita untuk menentukan apa yang dapat kita harapkan, apabila asumsi-asumsi yang kita buat benar. Distribusi teoritis memungkinkan para pembuat
Lebih terperinciMetode Sampling 6.1. Debrina Puspita Andriani /
Metode Sampling 6.1 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Populasi dan Sampel Metode Sampling Teknik Penentuan Jumlah Sampel Populasi dan Sampel 3 Populasi
Lebih terperinciKontrak Kuliah Metode Statistika 2
Kontrak Kuliah Metode Statistika 2 Ayundyah K., M.Si. PROGRAM STUDI STATISTIKA UNIVERSITAS ISLAM INDONESIA 2015 Deskripsi Mata Kuliah Nama Mata Kuliah : Metode Statistika 2 Semester/SKS : I / 3 SKS Kompetensi
Lebih terperinciKORELASI LINIER BERGANDA. Debrina Puspita Andriani /
KORELASI LINIER BERGANDA 10 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline 3 Korelasi Linear Berganda Alat ukur mengenai hubungan yang terjadi antara variabel terikat
Lebih terperinciAyundyah Kesumawati. April 27, 2015
Kesumawati Prodi Statistika FMIPA-UII April 27, 2015 Estimasi interval Jika diperhatikan, terdapat kesamaan rumus-rumus yang dipakai pada saat pengujian hipotesis dan pendugaan selang kepercayaan. Untuk
Lebih terperinciDISTRIBUSI TEORITIS. Variabel Acak Distribusi Teoritis Binomial Normal
DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat
Lebih terperinciDISTRIBUSI PROBABILITAS (PELUANG)
DISTRIBUSI PROBABILITAS (PELUANG) Distribusi Probabilitas (Peluang) Distribusi? Probabilitas? Distribusi Probabilitas? JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Distribusi = sebaran,
Lebih terperinci4.1.1 Distribusi Binomial
4.1.1 Distribusi Binomial Perhatikan sebuah percobaan dengan ciri-ciri sebagai berikut : Hanya menghasilkan (diperhatikan) dua peristiwa atau kategori, misal S (sukses) dan G (gagal) Dilakukan sebanyak
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 2 Outline: Uji Hipotesis: Langkah-langkah Uji Hipotesis Jenis Uji Hipotesis satu populasi Uji Z Referensi: Walpole, R.E., Myers, R.H., Myers, S.L., Ye, K., Probability
Lebih terperinciAnalysis of Variance (ANOVA) Debrina Puspita Andriani /
Analysis of Variance (ANOVA) 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline Kegunaan ANOVA 3 Kontrol investigator 1 atau lebih variabel independen Disebut dgn faktor
Lebih terperinciPEMODELAN KUALITAS PROSES
TOPIK 6 PEMODELAN KUALITAS PROSES LD/SEM II-03/04 1 1. KERANGKA DASAR Sampling Penerimaan Proses Produksi Pengendalian Proses MATERIAL PRODUK PRODUK BAIK SUPPLIER Manufacturing Manufacturing KONSUMEN PRODUK
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 terperinciPada prakteknya hanya sebuah sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel
DISTRIBUSI SAMPLING Pada prakteknya hanya sebuah sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel tersebut nilai-nilai statistiknya dihitung
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Distribusi Normal 1 Distribusi Binomial Ingat contoh pemilihan 1 kegiatan
Lebih terperinciPENS. Probability and Random Process. Topik 8. Estimasi Parameter. Prima Kristalina Juni 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 8. Estimasi Parameter Prima Kristalina Juni 2015 1 2 Outline 1. Terminologi Estimasi Parameter
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 5 Statistika Inferensia (1)
STK511 Analisis Statistika Pertemuan 5 Statistika Inferensia (1) Pendugaan Parameter mengacu pada suatu proses yang menggunakan data contoh untuk menduga nilai suatu parameter (populasi). 5. Statistika
Lebih terperinciMETODE DAN DISTRIBUSI SAMPLING. Oleh : Riandy Syarif
METODE DAN DISTRIBUSI SAMPLING Oleh : Riandy Syarif HUBUNGAN SAMPEL DAN POPULASI Populasi Sampel DEFINISI Populasi kumpulan dari semua kemungkinan orang-orang, benda-benda, dan ukuran lain yang menjadi
Lebih terperinciBAB IV. DISTRIBUSI PROBABILITAS DISKRIT
BAB IV. DISTRIBUSI PROBABILITAS DISKRIT A. Variabel random diskrit. Variabel random diskrit X adalah : Cara memberi nilai angka pada setiap elemen ruang sampel X(a) : Ukuran karakteristik tertentu dari
Lebih terperinciNilai harapan suatu variabel acak x ditulis E (x) didefinisikan E (x) = Σ x. f (x) Var (x) = σ x 2 = E [ x E (x) ] 2 = E (x 2 ) { E (x) } 2
Pertemuan ke- 4 BAB III POPULASI, SAMPEL & DISTRIBUSI TEORITIS VARIABEL DISKRIT DAN FUNGSI PROBABILITAS 3.1 Variabel Random atau Variabel Acak Variabel yang nilainya merupakan suatu bilangan yang ditentukan
Lebih terperinciStatistika (MMS-1403)
Statistika (MMS-1403) Dr. Danardono, MPH danardono@ugm.ac.id Program Studi Statistika Jurusan Matematika FMIPA UGM MMS-1403 p.1/93 Distribusi Sampling Statistik Populasi: himpunan keseluruhan obyek yang
Lebih terperinciDistribusi Teoritis Probabilitas
Distribusi Teoritis Probabilitas Topik Distribusi teoritis Binomial Distribusi teoritis Poisson Distribusi teoiritis Normal 2 Distribusi Teoritis Probabilitas Distr. Teoritis Probabilitas Diskrit Kontinyu
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 4 Sebaran Penarikan Contoh
STK511 Analisis Statistika Pertemuan 4 Sebaran Penarikan Contoh Konsep Dasar Suatu statistik, misalnya, adalah fungsi dari peubah acak sering kita tulis. Idea dasaranya : Karena adalah peubah acak, maka
Lebih terperinciHaryoso Wicaksono, S.Si., M.M., M.Kom. Haryoso Wicaksono, S.Si., M.M., M.Kom. 1
Haryoso Wicaksono, S.Si., M.M., M.Kom. Haryoso Wicaksono, S.Si., M.M., M.Kom. 1 Menarik suatu kesimpulan adalah tujuan mengumpulkan data kuantitatif Umumnya parameter populasi [rata-rata populasi & varians
Lebih terperinciESTIMASI. Arna Fariza PENDAHULUAN
ESTIMASI Arna Fariza PENDAHULUAN MATERI LALU Karena adanya berbagai alasan seperti banyaknya individu dalam populasi amatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik
Lebih terperinciDISTRIBUSI TEORITIS DISTRIBUSI TEORITIS
DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal 1 Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat
Lebih terperinciBAB II DISTRIBUSI PROBABILITAS
BAB II DISTRIBUSI PROBABILITAS.1. VARIABEL RANDOM Definisi 1: Variabel random adalah suatu fungsi yang memetakan ruang sampel (S) ke himpunan bilangan Real (R), dan ditulis X : S R Contoh (Variabel random)
Lebih terperinciDISTRIBUSI 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 terperinciSTK 511 Analisis statistika. Materi 4 Sebaran Penarikan Contoh
STK 511 Analisis statistika Materi 4 Sebaran Penarikan Contoh 1 Pengantar Pada dasarnya data contoh diperoleh dengan dua cara: Data telah ada Teknik Penarikan Contoh Data belum tersedia Perancangan Percobaan
Lebih terperinciBI5106 ANALISIS BIOSTATISTIK Bab 5 Uji Hipotesis
BI5106 ANALISIS BIOSTATISTIK Bab 5 Uji Hipotesis Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep uji hipotesis, kesalahan tipe 1 dan 2, uji hipotesis untuk mean (1 dan 2 sampel),
Lebih terperinciSebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran nor
Sebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran normal menjadi syarat untuk dilakukan Analisis varian,
Lebih terperinciStatistika Farmasi
Bab 3: Distribusi Data Statistika FMIPA Universitas Islam Indonesia Distribusi Data Teori dalam statistika berkaitan dengan peluang Konsep dasar peluang tersebut berkaitan dengan peluang distribusi, yaitu
Lebih terperinciESTIMASI. Widya Setiafindari
ESTIMASI Widya Setiafindari Tujuan Pembelajaran Menjelaskan konsep-konsep dasar yang mendukung pendugaan rata-rata populasi, persentase dan varians Menghitung dugaan-dugaan (estimates) rata-rata populasi
Lebih terperinciPengujian Hipotesis. 1. Pendahuluan. Topik Bahasan:
Topik Bahasan: Pengujian Hipotesis. Pendahuluan Hipotesis pernyataan yang merupakan pendugaan berkaitan dengan nilai suatu parameter populasi (satu atau lebih populasi) Kebenaran suatu hipotesis diuji
Lebih terperinciSTATISTIK NON PARAMETRIK (1)
11 STATISTIK NON PARAMETRIK (1) Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Metode Statistik : Parametrik
Lebih terperinci(ESTIMASI/ PENAKSIRAN)
ESTIMASI PENDAHULUAN Karena adanya berbagai alasan seperti banyaknya individu dalam populasi amatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik tenaga, waktu, maupun
Lebih terperinciMakalah Statistika Distribusi Normal
Makalah Statistika Distribusi Normal Disusun Oleh: Dwi Kartika Sari 23214297 2EB16 Fakultas Ekonomi Jurusan Akuntansi Universitas Gunadarma 2015 Kata Pengantar Puji syukur kehadirat Tuhan Yang Maha Esa
Lebih terperinciPENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 5. Beberapa jenis Distribusi Variabel Acak Prima Kristalina April 215 1 Outline 1. Beberapa macam
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 3 Outline: Uji Hipotesis: Uji t Uji Proportional Referensi: Johnson, R. A., Statistics Principle and Methods, 4 th Ed. John Wiley & Sons, Inc., 2001. Walpole, R.E.,
Lebih terperinciJenis Distribusi. 1. Distribusi Probabilitas 2. Distribusi Binomial (Bernaulli) 3. Distribusi Multinomial 4. Distribusi Normal (Gauss)
Ir Tito Adi Dewanto Jenis Distribusi 1. Distribusi Probabilitas 2. Distribusi Binomial (Bernaulli) 3. Distribusi Multinomial 4. Distribusi Normal (Gauss) Pengantar Kunci aplikasi probabilitas dalam statistik
Lebih terperinciPr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.
6.. Proses Kelahiran Murni Dalam bab ini, akan dibahas beberapa contoh penting dari waktu kontinu, state diskrit, proses Markov. Khususnya, dengan kumpulan dari variabel acak {;0 } di mana nilai yang mungkin
Lebih terperinciRencana Penerimaan Sampel (Acceptance Sampling) untuk Data Atribut
Rencana Penerimaan Sampel (Acceptance Sampling) untuk Data Atribut 13 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hdp://debrina.lecture.ub.ac.id/
Lebih terperinciDISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1
DISTRIBUSI NORMAL Pertemuan 3 1 Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal yang menjadi dasar dalam banyak teori
Lebih terperinciDistribusi Sampling. Ayundyah K., M.Si. PROGRAM STUDI STATISTIKA UNIVERSITAS ISLAM INDONESIA 2015
Distribusi Sampling Ayundyah K., M.Si. PROGRAM STUDI STATISTIKA UNIVERSITAS ISLAM INDONESIA 2015 Populasi dan Sampel Unit adalah entitas (wujud) tunggal, biasanya orang atau suatu obyek, yang diinginkan
Lebih terperinciMODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR
TEORI ESTIMASI ATAU MENAKSIR MODUL 9 TEORI ESTIMASI ATAU MENAKSIR. Pendahuluan Untuk menginginkan mengumpulkan populasi kita lakukan dengan statistik berdasarkan data yang diambil secara sampling yang
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal)
Lebih terperinciBAB 8 DISTRIBUSI PELUANG DISKRIT
BAB 8 DISTRIBUSI PELUANG DISKRIT A. Peluang Peluang atau yang sering disebut sebagai probabilitas dapat dipandang sebagai cara untuk mengungkapkan ukuran ketidakpastian/ ketidakyakinan/ kemungkinan suatu
Lebih terperinciBab 2 DISTRIBUSI PELUANG
Bab 2 DISTRIBUSI PELUANG PENDAHULUAN Setiap peristiwa akan mempunyai peluangnya masingmasing, dan peluang terjadinya peristiwa itu akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di sebut
Lebih terperinci