Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan PROBABILITAS. Statistika dan Probabilitas
|
|
- Sucianty Tan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan PROBABILITAS Statistika dan Probabilitas
2 2 Peluang (Probabilitas) Peluang/Probabilitas/Risiko Peluang Risiko Probabilitas
3 Probabilitas 3 Probabilitas Peluang Kemungkinan Mengapa probabilitas? Orang tidak dapat memastikan nilai suatu proses (misal erupsi gunung berapi) berdasarkan data erupsi selama waktu yang lalu sampai saat ini. Sifat stokastik ataupun ketidak-pastian merupakan sifat yang melekat pada proses (yang melibatkan) alam.
4 4 Keterlambatan kedatangan bus Keterlambatan (menit) Frekuensi Frekuensi relatif Persentase % % % % % % % % % % Jumlah = % Dapatkah Sdr memperkirakan berapa menit keterlambatan kedatangan bus pada jadwal berikutnya?
5 5 Probabilitas Definisi 1 Andaikata suatu peristiwa random dapat terjadi dalam n cara yang masing-masing memiliki kemungkinan yang sama, dan apabila sejumlah n a cara memberikan hasil A, maka probabilitas terjadinya peristiwa dengan hasil A adalah n a /n prob ( A) n = n a Dalam definisi di atas, n adalah himpunan semua yang mungkin terjadi. Definisi di atas berasumsi bahwa n diketahui, padahal himpunan semua cara yang mungkin pada kenyataannya tidak selalu diketahui atau tidak terjadi atau tidak diamati atau tidak dihitung.
6 6 Probabilitas Definisi 2 Andaikata suatu peristiwa random terjadi berkali-kali dalam jumlah yang sangat besar, n kali, dan sejumlah n a kali memiliki hasil A, maka probabilitas peristiwa dengan hasil A adalah prob ( A) = lim n na n Definisi di atas berbeda dengan definisi #1 dalam hal-hal berikut: n n n Probabilitas suatu kejadian diperkirakan (can be estimated) berdasarkan observasi sejumlah n kali. n di sini tidak/bukan merupakan himpunan semua kejadian yang mungkin; dalam hal ini, tidak diperlukan untuk mengetahui atau melakukan observasi terhadap semua kemungkinan Setiap cara yang mungkin terjadi (dalam n tersebut) tidak harus memiliki kemungkinan yang sama untuk terjadi.
7 Probabilitas 7 Definisi 2: butuh berapa n? Contoh n Pada 2 set pengamatan (sampel) yang tidak saling terkait/tergantung, perkiraan probabilitas kejadian A dapat ditetapkan berdasarkan masing-masing sampel tersebut. n Kedua nilai probabilitas tidak selalu sama satu dengan yang lain. n Kedua nilai probabilitas tidak selalu sama dengan perkiraan probabilitas A yang ditetapkan dengan pengamatan sejumlah tak-berhingga kali. Problem: berapa jumlah pengamatan, n, yang diperlukan untuk mendapatkan estimasi probabilitas A yang dapat diterima?
8 Probabilitas 8 Kisaran (range) probabilitas Dari kedua definisi, kisaran probabilitas adalah 0 s.d. 1. prob(a) = 0 hampir tidak mungkin terjadi (nearly impossible) prob(a) = 1 hampir pasti terjadi (almost certain)
9 Probabilitas 9 Misal suatu experimen (proses) menghasilkan sejumlah output yang berupa variabel random Himpunan semua hasil yang mungkin didapat disebut sample space. Setiap elemen di dalam sample space disebut sample points (elemen) Setiap elemen di dalam sample space memiliki faktor/bobot/weight (positif) sedemikian hingga jumlah weight seluruh elemen bernilai 1. Nilai bobot berbanding lurus dengan kemungkinan experimen akan memberikan hasil elemen tersebut. Bobot tidak lain adalah probabilitas.
10 10 Probabilitas Tabel Frekuensi Nomor Keterlambatan (menit) Frekuensi Frekuensi Relatif Jumlah =
11 Probabilitas - Histogram 11 Keterlambatan Kedatangan Bus di Suatu Perhentian Selama 30 Jadwal Kedatangan Frekuensi Keterlambatan (menit)
12 12 Probabilitas Sample Space Sample Elements
13 13 Sample Space & Sample Elements Contoh #1: Suatu DAS memiliki 3 stasiun: Sta-1, Sta-2, Sta-3. Experimen: meneliti setiap stasiun perlu/tidak untuk dilakukan penggantian alat Output: (y,n,y) Sta-1 perlu penggantian alat (y = yes) Sta-2 tak perlu penggantian alat (n = no) Sta-3 perlu penggantian alat (y = yes)
14 14 Sample Space & Sample Elements Sample space: Alternatif 1 n S 1 ={(y,y,y),(y,y,n),(y,n,y),(n,y,y), (y,n,n),(n,y,n),(n,n,y),(n,n,n)} n S 1 adalah discrete sample space: jumlah elemen di dalam S1 dapat dihitung. n Apabila experimen dilakukan satu kali saja, maka salah satu elemen S1 pasti terjadi. Sample space: Alternatif 2 n S 2 ={0,1,2,3} n S 2 adalah discrete sample space. n Hanya ingin diketahui jumlah stasiun yang perlu dikalibrasi. n Tidak diperlukan untuk mengetahui stasiun mana yang perlu dikalibrasi. n Informasi yang diperoleh lebih sedikit daripada S 1.
15 15 Sample Space & Sample Elements Contoh #2: Pengukuran angin: kecepatan (km/jam) dan arah ( ). Output: (x,y) x = kecepatan (km/jam) y = arah ( )
16 16 Sample Space & Sample Elements Sample space: Alternatif 1 Ω 1 {( x, y) : x 0, 0 360} = y y ( o ) continuous sample space Sample space: Alternatif 2 Ω 2 = { +, } dicrete sample space n + = kecepatan > 60 (km/jam) n = kecepatan < 60 (km/jam) x (km/jam)
17 17 Events Event adalah suatu himpunan bagian (subset) dari sample space Suatu event terjadi jika dan hanya jika hasil dari experimen adalah anggota event tersebut Contoh: Penggantian alat di Sta-1, Sta-2, Sta-3 Event A: paling sedikit 2 stasiun perlu penggantian alat A={(y,y,y),(y,y,n),(y,n,y),(n,y,y)} Event B: tak ada stasiun yang perlu penggantian alat B={(n,n,n)} Event C: 2 stasiun perlu penggantian alat C={(y,y,n),(y,n,y),(n,y,y)}
18 18 Diagram Venn Notasi: S = sample space E i = elemen di dalam S A,B = events di dalam S prob(e i ) = probabilitas elemen E i! A B 0 prob S = prob i E ( E ) i i 1 ( S) = prob( E ) = 1 i S E 1 E 2 E 3 S E 1 E 2 E 3 A A B B A B E 4 E i E n E 4 E i E n
19 19 Probabilitas suatu Event Event A A = n i = m 0 prob E Event A dan B prob A B i n ( A) = prob( E ) 1 i= m i ( ) = prob( A) + prob( B) prob( A B) Apabila A dan B tak bergantung satu dengan yang lainnya (independent), maka ( ) = prob( A) + prob( B) prob A B
20 20 Probabilitas suatu Event Event A c (= komplemen event A) prob prob prob c ( A A ) = 0 c c ( A A ) = A) + prob( A ) c ( A) = 1 prob( A ) = 1 S E 1 E 2 E 3 A E 4 E i E n
21 21 Probabilitas Bersyarat (Conditional Probability) Probabilitas suatu event (event B) bergantung pada terjadinya event lain (event A). S E 1 E 2 E 3 A A B B E 4 E i E n prob(b A) = prob(b) dengan syarat event A terjadi» sample space berubah dari S menjadi A,» event diwakili oleh A B prob( B A) = ( ) prob( A) prob A B prob( A B) = prob A, prob( A) 0 ( ) ( ) prob B A
22 22 Probabilitas Bersyarat (Conditional Probability) Apabila event B tak bergantung pada event A (keduanya merupakan independent events), maka prob(b A) = prob(b), dan prob(a B) = prob(a) prob(b)
23 23 Probabilitas Bersyarat (Conditional Probability) Contoh Data pengamatan hari hujan di suatu wilayah menunjukkan probabilitas hari hujan sbb. hari hujan setelah hari hujan = hari tak hujan setelah hari hujan = hari tak hujan setelah hari tak hujan = hari hujan setelah hari tak hujan = Apabila dijumpai bahwa suatu hari terjadi hujan, berapakah probabilitas bahwa 2 hari berikutnya juga hujan?
24 Probabilitas Bersyarat (Conditional Probability) 24 Cara penyelesaian yang lain Probabilitas hujan pada suatu hari adalah p = Suatu hari (hari ke-0) terjadi hujan Probabilitas hujan saat itu adalah p = hari ke-i hari ke-(i+1) hari ke-(i+2) h h h p = p = p = th p = th
25 25 Probabilitas Total (Total Probability) Apabila B 1, B 2,, B n adalah serangkaian events yang tidak saling berkaitan (mutually exclusive events) dan masing-masing memiliki probabilitas tidak sama dengan nol, prob(b i ) 0, i, maka B 1 B 2 B n = S B i B j = 0, i,j (i j) prob(b i ) > 0, i
26 26 Probabilitas Total (Total Probability) Probabilitas suatu event A dapat dituliskan sbb. S B 2 B 3 B 1 A B 4 prob B 5 B i B n B n 1 ( A) = prob[ ( A B1 ) ( A B2 )... ( A Bn )] = prob( A B ) + prob( A B ) prob( A B ) 1 2 n
27 27 Probabilitas Total (Total Probability) Dari probabilitas bersyarat (conditional probability) prob prob ( A B1 ) = prob( A) prob( B1 A) ( B A) = prob( B ) prob( A B ) prob( A B ) = prob( B A) prob 1 ( A) prob( B A) = prob( B ) prob( AB ) S B 2 B 3 B 1 A B 5 B i B n B n 1 B 4 prob ( A) = prob( A B ) + prob( A B ) prob( A B ) = prob 1 n = prob i= 1 ( B ) prob( A B ) prob( B ) prob( A B ) ( B ) prob( A B ) i 1 1 i 2 n n n
28 Probabilitas Total (Total Probability) 28 Contoh Data genangan di suatu wilayah permukiman menunjukkan bahwa probabilitas terjadinya genangan adalah 0.80 saat hari hujan dan 0.25 saat tak hujan. Diketahui bahwa probabilitas hari hujan adalah Berapakah probabilitas terjadinya genangan di wilayah tersebut?
29 29 Probabilitas Total (Total Probability) Penyelesaian event G = terjadi genangan event H = hari hujan event H c = hari tak hujan prob c c ( G) = prob( H) prob( GH) + prob( H ) prob( GH ) = = ( ) 0.25
30 30 Teorema Bayes Dari conditional probability prob( A B) = prob( A) prob B A ( ) ( ) ( ) = prob( B) prob A B prob B A Karena prob(a B) = prob(b A), maka prob( A) prob B A ( ) = prob B ( ) ( ) prob A B... (1)... (2)... (3) Untuk event A dan event B j, persamaan di atas menjadi prob( A) prob B j A ( ) = prob B j ( ) prob( A B j )... (4)
31 31 Teorema Bayes Dari total probability prob A ( ) = prob( B i ) prob A B i i=1 Dengan (5) à (4) n ( ) = prob B j n prob B j A i=1 ( ) ( ) prob( A B j ) ( ) prob( A B i ) prob B i... (5)... (6)
32 32 Teorema Bayes Pemakaian Untuk mencari probabilitas event B j apabila diketahui event A telah terjadi. Untuk mencari (memperkirakan) probabilitas suatu event (B j ) dengan mengamati event kedua (A).
33 Teorema Bayes 33 Contoh Informasi ramalan cuaca biasa dikirimkan melalui 4 saluran: R i (i = 1,2,3,4) adalah event dimana informasi tsb dikirimkan melalui saluran i. Probabilitas masing-masing event R i adalah: 0.1, 0.2, 0.3, dan 0.4. Diketahui juga bahwa probabilitas terjadinya kesalahan pengiriman (event E) melalui masing-masing saluran adalah: 0.10, 0.15, 0.20, dan Suatu saat diketahui bahwa suatu kesalahan pengiriman telah terjadi. Berapakah probabilitas bahwa kesalahan tersebut terjadi melalui saluran ke-2?
34 34 Teorema Bayes Penyelesaian Diketahui prob(r 1 ) = 0.1 prob(e R 1 ) = 0.10 prob(r 2 ) = 0.2 prob(e R 2 ) = 0.15 prob(r 3 ) = 0.3 prob(e R 3 ) = 0.20 prob(r 4 ) = 0.4 prob(e R 4 ) = 0.25 Probabilitas bahwa pengiriman dilakukan melalui saluran ke-2 dengan melihat kenyataan bahwa telah terjadi kesalahan ( ) = prob R 2 n prob R 2 E i=1 ( ) ( ) ( ) prob E R 2 prob R i ( ) prob E R i = = 0.15
35 35 Teorema Bayes i prob(r i ) prob(e R i ) prob(r i ) prob(e R i ) prob(r i E) prob(e)
36 Probabilitas Permutasi Kombinasi 36
37 37 Permutasi dan Kombinasi Cara mendapatkan sampel yang terdiri dari r elemen dari suatu sample space yang memiliki n elemen (n r) dipilih/diambil satu elemen pada setiap pemilihan/pengambilan urutan elemen diperhatikan dan setelah tiap pengambilan, elemen dikembalikan ke dalam sample space (ordered with replacement) urutan elemen diperhatikan dan tidak dilakukan pengembalian elemen setelah tiap pengambilan (ordered without replacement) urutan elemen tidak diperhatikan dan tidak dilakukan pengembalian elemen setelah tiap pengambilan (unordered without replacement) urutan elemen tidak diperhatikan dan dlakukan pengembalian elemen setelah tiap pengambilan (unordered with replacement)
38 Permutasi dan Kombinasi 38 Contoh ilustrasi Dilakukan pemilihan 2 stasiun AWLR dari 4 stasiun yang ada (A, B, C, D) untuk diberi dana. Berapa jumlah pasang stasiun yang mungkin mendapatkan dana?
39 Permutasi dan Kombinasi #1 39 Dipilih 2 stasiun dari 4 stasiun (r = 2, n = 4) dengan urutan diperhatikan memberikan dana kepada Stasiun A kemudian B berbeda dengan memberikan dana kepada Stasiun B kemudian A dengan pengembalian suatu stasiun dapat memperoleh dana 2 Pasangan 2 stasiun yang mendapatkan dana (A,A) (A,B) (A,C) (A,D) (B,A) (B,B) (B,C) (B,D) (C,A) (C,B) (C,C) (C,D) (D,A) (D,B) (D,C) (D,D) 16 r n = 4 2 = 16
40 Permutasi dan Kombinasi #2 40 Dipilih 2 stasiun dari 4 stasiun (r = 2, n = 4) dengan urutan diperhatikan memberikan dana kepada Stasiun A kemudian B berbeda dengan memberikan dana kepada Stasiun B kemudian A tanpa pengembalian suatu stasiun hanya dapat memperoleh dana 1 Kemungkinan stasiun yang mendapatkan dana --- (A,B) (A,C) (A,D) (B,A) --- (B,C) (B,D) (C,A) (C,B) --- (C,D) (D,A) (D,B) (D,C) --- ( n) r = n! ( n r)! = 4! ( 4 2)! = 12 permutasi
41 41 Permutasi dan Kombinasi #3 Dipilih 2 stasiun dari 4 stasiun (r = 2, n = 4) dengan urutan tidak diperhatikan memberikan dana kepada Stasiun A kemudian B sama dengan memberikan dana kepada Stasiun B kemudian A tanpa pengembalian suatu stasiun hanya dapat memperoleh dana 1 Kemungkinan stasiun yang mendapatkan dana (A,B) (A,C) (A,D) (B,C) (B,D) (C,D) n = r n! = ( n r)! r! ( 4 2) kombinasi koefisien binomial 4! = 6!2!
42 42 Permutasi dan Kombinasi #4 Dipilih 2 stasiun dari 4 stasiun (r = 2, n = 4) dengan urutan tidak diperhatikan memberikan dana kepada Stasiun A kemudian B sama dengan memberikan dana kepada Stasiun B kemudian A dengan pengembalian suatu stasiun dapat memperoleh dana 2 Kemungkinan stasiun yang mendapatkan dana (A,A) (A,B) (A,C) (A,D) (B,B) (B,C) (B,D) (C,C) (C,D) (D,D) n + r 1 = r ( n + r 1) ( n r)! r!! = ( ) ( 4 2)!2!! = 10
43 43 Resume Dengan pengembalian Tanpa pengembalian Urutan diperhatikan r n ( n) r = n! ( n r)! Urutan tidak diperhatikan n + r r 1 = ( n + r 1) ( n r)! r!! n = r n! ( n r)! r! Persamaan Sterling : n! 2π e n n n+ 11 2
44 44 Perintah (Fungsi) MSExcel FACT(n) menghitung faktorial, n! n bilangan positif (bilangan cacah) PERMUT(n,r) menghitung permutasi, n dan r integer, n r COMBIN(n,r) menghitung kombinasi, n dan r integer, n r ( ) n r n = r n! = ( n r)! n! ( n r)! r!
45 45
Statistika. Probabilitas. Universitas Gadjah Mada Fakultas Teknik Jurusan Teknik Sipil dan Lingkungan Prodi S2 Teknik Sipil.
Universitas Gadjah Mada Fakultas Teknik Jurusan Teknik Sipil dan Lingkungan Prodi S2 Teknik Sipil Statistika Probabilitas 1 Probabilitas Probabilitas Peluang Kemungkinan Mengapa probabilitas? Orang 7dak
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Probabilitas 1 Probabilitas Probabilitas Peluang Kemungkinan Mengapa probabilitas?
Lebih terperinciMagister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada. 18-Aug-17. Statistika Teknik PROBABILITAS
Magister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada Statistika Teknik PROBABILITAS 1 Probabilitas Peluang Kemungkinan Mengapa probabilitas? Orang tidak dapat memastikan nilai suatu proses (misal
Lebih terperinciProbabilitas Peluang Kemungkinan Mengapa probabilitas?
STATISTIKA PROBABILITAS Probabilitas Probabilitas Peluang Kemungkinan Mengapa probabilitas? Orang tidak dapat memastikan nilai suatu proses (misal erupsi gunung berapi) berdasarkan data erupsi selama waktu
Lebih terperinciMagister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada. 27-Aug-17. Statistika Teknik DISTRIBUSI BINOMIAL
Magister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada Statistika Teknik DISTRIBUSI BINOMIAL 1 Contoh Ilustrasi Investigasi thd suatu populasi karakteristik populasi variabel nilai variabel nilai
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data DISTRIBUSI BINOMIAL 1 Contoh Ilustrasi Inves;gasi thd suatu populasi karakteris;k
Lebih terperinciDISTRIBUSI BINOMIAL. Investigasi thd suatu populasi. karakteristik populasi variabel nilai variabel
STATISTIKA DISTRIBUSI BINOMIAL Contoh Ilustrasi () Investigasi thd suatu populasi karakteristik populasi variabel nilai variabel nilai ujian: 0 s.d. 00 status perkawinan: tidak kawin, kawin, cerai, duda/janda
Lebih terperinciHidup penuh dengan ketidakpastian
BAB 2 Probabilitas Hidup penuh dengan ketidakpastian Tidak mungkin bagi kita untuk dapat mengatakan dengan pasti apa yang akan terjadi dalam 1 menit ke depan tapi Probabilitas akan memprediksikan masa
Lebih terperinciALJABAR SET & AKSIOMA PROBABILITAS
ALJABAR SET & AKSIOMA PROBABILITAS Pokok Bahasan Sample Space Event Aljabar Set Prinsip dan Aksioma Probabilitas Equally Likely Event Conditional Probability Independent Event Sample Space dan Event Eksperimen
Lebih terperinciGugus dan Kombinatorika
Bab 1 Gugus dan Kombinatorika 1.1 Gugus Gugus, atau juga disebut himpunan adalah kumpulan objek. Objek dalam sebuah himpunan disebut anggota atau unsur. Penulisan himpunan dapat dilakukan dengan dua cara,
Lebih terperinciLearning Outcomes Pencacahan Permutasi Kombinasi Sebaran Bola dalam Keranjang Kesimpulan. Kombinatorika. Julio Adisantoso.
11 Pebruari 2014 Learning Outcome Mahasiswa dapat memahami pentingnya teknik counting problem dalam Ilmu Hitung Peluang Mahasiswa mengetahui dan memahami teknik kombinatorika Mahasiswa dapat melakukan
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 terperinciJURUSAN PENDIDIKAN FISIKA FPMIPA UPI 2009
JURUSAN PENDIDIKAN FISIKA FPMIPA UPI 2009 Statistika dibagi atas dua fase: 1. Statistika deskriptif Fase pertama dikerjakan unntuk fase kedua 2. Statistika induktif Dilakukan untuk menyimpulkan karakteristik
Lebih terperinciBAB II PROBABILITAS Ruang sampel (sample space)
BAB II ROBABILITAS 2.1. Ruang sampel (sample space) Data diperoleh baik dari pengamatan kejadian yang tak dapat dikendalikan atau dari percobaan yang dikendalikan dalam laboratorium. Untuk penyederhanaan
Lebih terperinciAndri Helmi M, SE., MM.
Andri Helmi M, SE., MM. 1. Untuk menentukan kepentingan relatif dari suatu risiko yang dihadapi, 2. Untuk mendapatkan informasi yang sangat diperlukan oleh manajer risiko dalam upaya menentukan cara dan
Lebih terperinciThe image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted.
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still
Lebih terperinciKombinatorika Muhammad Saiful Jumat, 27 Januari 2017 ComLabs C, SMA Negeri 2 Bandung
Kombinatorika Muhammad Saiful Islam muhammad@saiful.web.id @saifulwebid Jumat, 27 Januari 2017 ComLabs C, SMA Negeri 2 Bandung Referensi Lecture slide by Julio Adisantoso, http://julio.staff.ipb.ac.id/files/2014/02/slide-02-
Lebih terperinciMINGGU KE VIII & IX DISTRIBUSI DESCRETE
MINGGU KE VIII & IX DISTRIBUSI DESCRETE Tujuan Instruksional Umum : 1. Mahasiswa mampu memahami dengan apa yang dimaksud dengan distribusi diskrit 2. Mahasiswa memahami manfaat dan kegunaan dari distrubusi
Lebih terperinciJurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada. 1http://istiarto.staff.ugm.ac.id STATISTIKA. Discrete Probability Distributions
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA Discrete Probability Distributions 1http://istiarto.staff.ugm.ac.id Discrete Probability Distributions Distribusi Hipergeometrik Bernoulli
Lebih terperinciPENGANTAR MODEL PROBABILITAS
PENGANTAR MODEL PROBABILITAS (PMP, Minggu 1-7) Sri Haryatmi Kartiko Universitas Gadjah Mada Juni 2014 Outline 1 Minggu 1:HIMPUNAN Operasi Himpunan Sifat-Sifat Operasi Himpunan 2 Minggu 2:COUNTING TECHNIQUE
Lebih terperinci28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω
SAMPLE SPACE, SAMPLE POINTS, EVENTS Sample space,ω, Ω adalah sekumpulan semua sample points,ω, ω yang mungkin; dimana ω Ω Contoh 1. Melemparkan satu buah koin:ω={gambar,angka} Contoh 2. Menggelindingkan
Lebih terperinciKonsep Peluang. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015
Konsep Peluang Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 1 THE ROLE OF PROBABILITY IN STATISTICS Probability and statistics are related in an important way. Probability is used as a tool; it allows
Lebih terperinci25/09/2013. Semua kemungkinan nilai yang muncul S={123456} S={1,2,3,4,5,6} Semua kemungkinan nilai yang muncul S={G, A}
Pendahuluan Metode Statistika (STK211) Konsep Peluang (Probability Concept) Suatu fenomena dikatakan acak jika hasil dari suatu percobaan bersifat tidak pasti Fenomena acak sering mengikuti suatu pola
Lebih terperinciPertemuan 3. Prinsip Dasar Menghitung
Pertemuan 3 Prinsip Dasar Menghitung Kaidah Pencacahan Definisi: Kaidah pencacahan adalah suatu ilmu yang berkaitan dengan menentukan banyaknya cara suatu percobaan dapat terjadi. Menentukan banyakya cara
Lebih terperinciTujuan Pembelajaran. mutually exclusive
Tujuan embelajaran Memahami dan menggunakan analisis kombinatorial untuk kejadian kompleks: permutasi dan kombinasi Mendefinisikan terminologi-terminologi penting dalam probabilitas dan menjelaskan bagaimana
Lebih terperinciApril 20, Tujuan Pembelajaran
pril 20, 2011 1 Tujuan embelajaran Memahami dan menggunakan analisis kombinatorial untuk kejadian kompleks: permutasi dan kombinasi Mendefinisikan terminologi-terminologi penting dalam probabilitas dan
Lebih terperinciSTATISTIK INDUSTRI 1. Agustina Eunike, ST., MT., MBA
STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Probabilitas PELUANG Eksperimen Aktivitas / pengukuran / observasi suatu fenomena yang bervariasi outputnya Ruang Sampel / Sample Space Semua output
Lebih terperinciPENGUKURAN RISIKO MANFAAT PENGUKURAN RISIKO DIMENSI YANG DIUKUR
PENGUKURAN RISIKO MANFAAT PENGUKURAN RISIKO 1. Untuk menentukan kepentingan relatif dari suatu risiko yang dihadapi. 2. Untuk mendapatkan informasi yang sangat diperlukan oleh Manajer Risiko dalam upaya
Lebih terperinciPENGUKURAN RISIKO MANFAAT PENGUKURAN RISIKO DIMENSI YANG DIUKUR
PENGUKURAN RISIKO MANFAAT PENGUKURAN RISIKO 1. Untuk menentukan kepentingan relatif dari suatu risiko yang dihadapi. 2. Untuk mendapatkan informasi yang sangat diperlukan oleh Manajer Risiko dalam upaya
Lebih terperinciKonsep Dasar Probabilitas
Konsep Dasar Probabilitas Random Events Sample space : collection of all possible events arising from a conceptual experiment or from an operation that involves chance. Reservoir storage: amount of water
Lebih terperinciBAB 3 Teori Probabilitas
BAB 3 Teori Probabilitas A. HIMPUNAN a. Penulisan Hipunan Cara Pendaftaran Cara Pencirian 1) A = {a,i,u,e,o} 1) A = {X: x huruf vokal } 2) B = {1,2,3,4,5} menghasilkan data diskrit 2) B = {X: 1 x 2} menghasilkan
Lebih 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 terperinciStatistika. Random Variables Discrete Random Variables Continuous Random Variables. Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada Statistika Random Variables Discrete Random Variables Continuous Random Variables 1 Pengertian Random variable (variabel acak) Jenis suatu fungsi
Lebih terperinciDAFTAR ISI Nida Uddini Amatulloh,2014
DAFTAR ISI Halaman PERNYATAAN... i ABSTRAK... ii KATA PENGANTAR... iii UCAPAN TERIMA KASIH... iv DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... ix DAFTAR LAMPIRAN... x BAB I PENDAHULUAN A. Latar
Lebih terperinci1. Konsep Peluang. EL2002-Probabilitas dan Statistik Dosen: Andriyan
1. Konsep Peluang EL2002-Probabilitas dan Statistik Dosen: Andriyan Isi 1. Ruang Cuplikan (Sample Space) 2. Kejadian (Events) 3. Operasi Terhadap Kejadian 4. Pencacahan Titik Cuplikan 5. Peluang Kejadian
Lebih terperinciPELUANG. Jika seluruhnya ada banyak kegiatan, dan masing-masing berturut-turut dapat dilakukan dalam
PELUANG Prinsip Perkalian Bila suatu kegiatan dapat dilakukan dalam n 1 cara yang berbeda, dan kegiatan yang lain dapat dilakukan dalam n 2 cara yang berbeda, maka seluruh peristiwa tersebut dapat dikerjakan
Lebih terperinci2-1 Probabilitas adalah:
2 Teori Probabilitas Pengertian probabilitas Kejadian, ruang sample dan probabilitas Aturan dasar probabilitas Probabilitas bersyarat Independensi Konsepsi kombinatorial Probabilitas total dan teorema
Lebih terperinciProbabilitas metode ilmiah yang dikembangkan untuk menyelesaikan persoalan yang berhubungan dengan ketidakpastian (uncertaint).
PROBSTAT (MUG2D3) III. PROBABILITAS (PROBABILITY) 3.1 Probabilitas dan Statistika 3.2 Konsep Probabilitas a. Pengertian: Eksperimen, Ruang Contoh, Titik Contoh, Event. b. Operasi dalam Himpunan - Komplemen
Lebih terperinciPENS. Probability and Random Process. Topik 3. Dasar Probabilitas. Prima Kristalina Maret 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 3. Dasar Probabilitas Prima Kristalina Maret 2015 Outline 1. Review Statistika Inferensial 2. Konsep
Lebih terperinciBab 3 Pengantar teori Peluang
Bab 3 Pengantar teori Peluang Istilah peluang atau kemungkinan, sering kali diucapkan atau didengar. Sebagai contoh ketika manajer dari sebuah klub sepak bola ditanya wartawan tentang hasil pertandingan
Lebih terperinciB. Aturan Permutasi ATURAN PENCACAHAN 7/8/2015. B. Aturan Permutasi
Jurnal Materi W22b B. Aturan Permutasi Daftar Hadir Materi B SoalLKS SoalLatihan ATURAN PENCACAHAN Kelas XI, Semester 4 B. Aturan Permutasi Notasi faktorial : n! = n (n - 1) (n - 2) (n - 3) 3. 2. 1 dimana
Lebih terperinciPENGANTAR PROBABILITAS STATISTIKA UNIPA SBY
PENGANTAR PROBABILITAS GANGGA ANURAGA POKOK BAHASAN Konsep dasar probabilitas Teori himpunan Permutasi Kombinasi Koefisien binomial Koefisien multinomial Probabilitas Aksioma probabilitas Probabilitas
Lebih terperinciSekoin uang logam mempunyai dua permukaan H dan T dilemparkan berkali kali. Hasil yg diperoleh pada setiap pelemparan apakah H atau T di catat Hasil
Pertemuan 13 &14 Sekoin uang logam mempunyai dua permukaan H dan T dilemparkan berkali kali. Hasil yg diperoleh pada setiap pelemparan apakah H atau T di catat Hasil dari keseluruhan event yang didapat
Lebih terperinciBy : Refqi Kemal Habib
BAB I PENDAHULUAN A. Dasar Teori Peluang atau kebolehjadian atau dikenal juga sebagai probabilitas adalah cara untuk mengungkapkan pengetahuan atau kepercayaan bahwa suatu kejadian akan berlaku atau telah
Lebih terperinciKONSEP PELUANG Materi 3 - STK211 Metode Statistika
KONSEP PELUANG Materi 3 - STK211 Metode Statistika 9/24/17 Sep, 2017 1 Pendahuluan Kejadian di dunia: pasti (deterministik) atau tidak pasti (probabilistik) Contoh kejadian di dunia ini yang tidak pasti
Lebih terperinciPROBABILITAS 02/10/2013. Dr. Vita Ratnasari, M.Si
PROBABILITAS Dr. Vita Ratnasari, M.Si Dalam menghadapi persoalan-persoalan yang TIDAK PASTI diperlukan suatu ukuran untuk menyatakan tingkat KEPASTIAN atau KETIDAKPASTIAN kejadian tsb. Definisi / pengertian
Lebih terperinciBab IV. Pengantar Peluang. Pengantar Peluang. Eksperimen. Aturan Menghitung Kombinasi Permutasi. Keluaran Eksperimen
Pengantar Peluang Eksperimen Pengantar Peluang Bab IV Aturan Menghitung Kombinasi Permutasi Peluang Eksperimen Peluang adalah pengukuran numerik kemungkinan suatu kejadian terjadi Eksperimen Keluaran Eksperimen
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2. Probabilitas Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya tidak pasti (uncertain
Lebih 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 terperinciSTK 211 Metode statistika. Materi 3 Konsep Dasar Peluang
STK 211 Metode statistika Materi 3 Konsep Dasar Peluang 1 Pendahuluan Banyak kejadian-kejadian di dunia ini yang tidak pasti Misal: Akankah hujan sore hari ini? Akankah PSSI menang? dll Nilai Kejadian
Lebih terperinciFERRY FERDIANTO, S.T., M.Pd. PRODI PENDIDIKAN MATEMATIKA UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011
FERRY FERDIANTO, S.T., M.Pd. PRODI PENDIDIKAN MATEMATIKA UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011 Operasi Himpunan Operasi Himpunan Operasi Himpunan Operasi Himpunan Operasi Himpunan 4. Beda Setangkup
Lebih terperinciPROBABILITAS (KEMUNGKINAN/PELUANG) PENDAHULUAN PENGERTIAN PROBABILITAS HUKUM PROBABILITAS
PROBABILITAS (KEMUNGKINAN/PELUANG) PENDAHULUAN PENGERTIAN PROBABILITAS HUKUM PROBABILITAS PENDAHULUAN Semua kejadian di alam selalu dikatakan ada ketidakpastian Adanya statistik karena adanya ketidakpastian
Lebih terperinciRELASI. Cece Kustiawan, FPMIPA, UPI
RELASI 1. Pasangan Berurutan 2. Fungsi Proposisi dan Kalimat Terbuka 3. Himpunan Jawaban dan Grafik Relasi 4. Jenis-jenis Relasi 5. Domain dan Range suatu Relasi Pasangan Berurutan (cartesian Product)
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan IV Konsep Peluang Septian Rahardiantoro - STK IPB 1 Populasi Pengambilan contoh dari populasi untuk pendugaan parameter Contoh1 Parameter μ Statistik x Setara
Lebih terperinciBAB V PENGANTAR PROBABILITAS
BAB V PENGANTAR PROBABILITAS Istilah probabilitas atau peluang merupakan ukuran untuk terjadi atau tidak terjadinya sesuatu peristiwa. Ukuran ini merupakan acuan dasar dalam teori statistika. 1. Beberapa
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 terperinciI. PENDAHULUAN II. TINJAUAN PUSTAKA
I. PENDAHULUAN 1.1 Latar Belakang Semakin berkembangnya dunia industri di masa sekarang, semakin kompleks pula permasalahan yang ada pada dunia industri. Salah satu permasalahan yang sering ditemui dalam
Lebih terperinciLAMPIRAN B. B.3 Hasil Pengisian Lembar Penilaian LKS oleh Guru. B.4 Hasil Pengisian Lembar Penilaian RPP
LAMPIRAN B B.1 Hasil Pengisian Lembar Penilaian LKS oleh Ahli Materi B.2 Hasil Pengisian Lembar Penilaian LKS oleh Ahli Media B.3 Hasil Pengisian Lembar Penilaian LKS oleh Guru B.4 Hasil Pengisian Lembar
Lebih terperinciPS-02 HUKUM-HUKUM PROBABILITAS. Nur Hayati, S.ST, MT Yogyakarta, Februari 2016
PS-02 HUKUM-HUKUM PROBABILITAS Nur Hayati, S.ST, MT Yogyakarta, Februari 2016 Ruang Sampel Kejadian Hukum Probabilitas Pokok Bahasan Ruang Sampel Pengertian Ruang Sampel dan Titik Sampel Ruang Sampel adalah
Lebih terperinci1.1 Konsep Probabilitas
TEORI DASAR PROBABILITAS 1.1 Konsep Probabilitas Probabilitas/peluang secara umum dapat diartikan sebagai ukuran matematis terhadap kecenderungan akan munculnya sebuah kejadian. Secara matematis peluang
Lebih terperinciRuang Contoh dan Kejadian
2 N i 1 x i N 2 Ruang Contoh dan Kejadian Suatu fenomena dikatakan acak jika hasil dari suatu percobaan bersifat tidak pasti Fenomena acak sering mengikuti suatu pola tertentu Keteraturan acak dalam jangka
Lebih terperinciMATEMATIKA EBTANAS TAHUN 1992
MATEMATIKA EBTANAS TAHUN 99 EBT-SMP-9-0 Diketahui: A = {m, a, d, i, u, n} dan B = {m, a, n, a, d, o} Diagram Venn dari kedua himpunan di atas A. m a d o a m o i e e I d u a a u n e m i d o m i d a u n
Lebih terperinciEksperimen. Ruang Sampel Diskrit. Ruang Sampel. Ruang sampel S, yaitu himpunan dari semua kemungkinan hasil dari suatu percobaan acak (statistik).
Eksperimen MA 2081 Statistika Dasar Dosen : Udjianna S. Pasaribu Utriweni Mukhaiyar Kamis, 12 Februari 2009 Ciri ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang
Lebih terperinciTeori Himpunan Ole l h h : H anu n n u g n N. P r P asetyo
Teori Himpunan Oleh : Hanung N. Prasetyo Meski sekilas berbeda, akan kita lihat bahwa logika matematika dan teori himpunan berhubungan sangat erat. Matematika Diskrit Kuliah-2 2 Definisi: himpunan (set)
Lebih terperinciMateri Ke_2 (dua) Himpunan
Materi Ke_2 (dua) Himpunan 12-10-2013 OPERASI HIMPUNAN Gabungan (union), notasi U : Gabungan dari himpunan A dan himpunan B merupakan suatu himpunan yang anggota-anggotanya adalah anggota himpunan A atau
Lebih terperinciMateri #2 TIN315 Pemeliharaan dan Rekayasa Keandalan Genap 2015/2016
#2 PROBABILITAS 2.1. Pendahuluan Kata probabiliitas sering dipakai jika kehilangan sentuhan dalam mengimplikasikan bahwa suatu kejadian yang mempunyai peluang yang bagus akan terjadi. Dalam hal ini penilaian
Lebih terperinciRuang Sampel /Sample Space (S)
Ruang Sampel /Sample Space (S) Gugus semua hasil yang mungkin dari suatu percobaan statistika. Tiap hasil dalam ruang sampel disebut unsur (elemen) atau anggota ruang sampel tersebut atau dengan singkat
Lebih terperinciMATERI BAB I RUANG SAMPEL DAN KEJADIAN. A. Pendahuluan Dari jaman dulu sampai sekarang orang sering berhadapan dengan peluang.
MATERI BAB I RUANG SAMPEL DAN KEJADIAN Pendahuluan Ruang Sampel Kejadian Dua Kejadian Yang Saling Lepas Operasi Kejadian BAB II MENGHITUNG TITIK SAMPEL Prinsip Perkalian/ Aturan Dasar Notasi Faktorial
Lebih terperinciPELUANG & ATURAN BAYES BI5106 ANALISIS BIOSTATISTIK
1 PELUANG & ATURAN BAYES BI5106 ANALISIS BIOSTATISTIK UTRIWENI MUKHAIYAR Eksperimen 2 Ciri-ciri i ii eksperimen acak (Statistik): ti tik) Dapat dulangi baik oleh si pengamat sendiri maupun orang lain.
Lebih terperinciDAFTAR ISI ABSTRAK... KATA PENGANTAR... UCAPAN TERIMA KASIH. DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR. DAFTAR LAMPIRAN. BAB I PENDAHULUAN 1
DAFTAR ISI ABSTRAK... KATA PENGANTAR... UCAPAN TERIMA KASIH. DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR. DAFTAR LAMPIRAN. i ii iii vi viii x xi BAB I PENDAHULUAN 1 A. Latar Belakang Masalah... 1 B. Rumusan
Lebih terperinciLOGO STATISTIKA MATEMATIKA I TEORI PELUANG HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND
LOGO STATISTIKA MATEMATIKA I TEORI PELUANG HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND Tujuan Instruksional Khusus 1 Menentukan ruang contoh sebuah percobaan dan kejadiankejadian 2 Mencacah
Lebih terperinciProbabilitas. Oleh Azimmatul Ihwah
Probabilitas Oleh Azimmatul Ihwah Teori Probabilitas Life is full of uncertainty Dimana terkadang kita tidak tahu apa yang akan terjadi semenit kemudian. Namun suatu kejadian dapat diperkirakan lebih sering
Lebih terperinciDasar-dasar Statistika Pemodelan Sistem
Dasar-dasar Statistika Pemodelan Sistem Kuliah Pemodelan Sistem Semester Genap 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Januari 2016 MZI (FIF Tel-U) Statistika Pemodelan Januari 2016
Lebih terperinciProbabilitas. Oleh Azimmatul Ihwah
Probabilitas Oleh Azimmatul Ihwah Teori Probabilitas Life is full of uncertainty Dimana terkadang kita tidak tahu apa yang akan terjadi semenit kemudian. Namun suatu kejadian dapat diperkirakan lebih sering
Lebih terperinciPert 3 PROBABILITAS. Rekyan Regasari MP
Pert 3 PROBABILITAS Rekyan Regasari MP Berapakah kemungkinan sebuah koin yang dilempar akan menghasilkan gambar angka Berapakah kemungkinan gedung ini akan runtuh Berapakah kemungkinan seorang kreditur
Lebih terperinciStatistika & Probabilitas
Statistika & Probabilitas Peubah Acak Peubah = variabel Dalam suatu eksperimen, seringkali kita lebih tertarik bukan pada titik sampelnya, tetapi gambaran numerik dari hasil. Misalkan pada pelemparan sebuah
Lebih terperinciBAB III ANALISIS SISTEM
BAB III ANALISIS SISTEM Analisis merupakan kegiatan berfikir untuk menguraikan suatu pokok menjadi bagian-bagian atau komponen sehingga dapat diketahui cirri atau tanda tiap bagian, kemudian hubungan satu
Lebih terperinciLearning Outcomes Ilustrasi Lingkup Kuliah Gugus. Pendahuluan. Julio Adisantoso. 10 Pebruari 2014
10 Pebruari 2014 Learning Outcome Mahasiswa dapat mengetahui alasan mempelajari Ilmu Peluang di bidang Ilmu Komputer Mahasiswa dapat memahami makna peluang dalam kehidupan sehari-hari Mahasiswa mengetahui
Lebih terperinciMatematika Teknik Dasar-2 4 Aljabar Vektor-1. Sebrian Mirdeklis Beselly Putra Teknik Pengairan Universitas Brawijaya
Matematika Teknik Dasar-2 4 Aljabar Vektor-1 Sebrian Mirdeklis Beselly Putra Teknik Pengairan Universitas Brawijaya Kuantitas Skalar dan Vektor Kuantitas Fisis dibagi menjadi dua, yaitu: 1. Kuantitas skalar:
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 2
Relasi Relasi antara himpunan A dan himpunan B didefinisikan sebagai cara pengawanan anggota himpunan A dengan anggota himpunan B. ilustrasi grafis dapat dilihat sebagai berikut: - Relasi Biner Relasi
Lebih terperinciRUANG SAMPEL DAN KEJADIAN TI2131 TEORI PROBABILITAS MINGGU KE-2
RUANG SAMPEL DAN KEJADIAN TI2131 TEORI PROBABILITAS MINGGU KE-2 1 Definisi-definisi Himpunan (set) adalah kumpulan objek. Himpunan semua outcome yang mungkin muncul dalam suatu percobaan/pengamatan disebut
Lebih terperincipeluang Contoh 6.1 Ali mempunyai 2 celana dan 3 baju yang berbeda. Berapa stelan celana dan baju berbeda yang dipunyai Ali? Matematika Dasar Page 46
peluang 6.1 Kaidah Pencacahan A. Aturan Perkalian Misal suatu plat nomor sepeda motor terdiri atas dua huruf berbeda yang diikuti tiga angka dengan angka pertama bukan 0. Berapa banyak plat nomor berbeda
Lebih terperinciPeluang & Aturan Bayes. MA 2081 STATISTIKA DASAR, 6 FEBRUARI 2012 Utriweni Mukhaiyar
Peluang & Aturan Bayes MA 2081 STATISTIKA DASAR, 6 FEBRUARI 2012 Utriweni Mukhaiyar 1 Eksperimen Ciri-ciri i i i eksperimen acak (Statistik): ti tik) Dapat dulangi baik oleh si pengamat sendiri maupun
Lebih terperinciB. Aturan Permutasi ATURAN PENCACAHAN 11/20/2015. B. Aturan Permutasi
Jurnal Materi Umum B. Aturan Permutasi Daftar Hadir Materi B SoalLatihan ATURAN PENCACAHAN Kelas XI, Semester 4 B. Aturan Permutasi Notasi faktorial : n! = n (n - 1) (n - 2) (n - 3) 3. 2. 1 dimana n bilangan
Lebih terperinciKATA PENGANTAR. Salatiga, Juni Penulis. iii
KATA PENGANTAR Teori Probabilitas sangatlah penting dalam memberikan dasar pada Statistika dan Statistika Matematika. Di samping itu, teori probabilitas juga memberikan dasar-dasar dalam pembelajaran tentang
Lebih terperinciHIMPUNAN Adri Priadana ilkomadri.com
HIMPUNAN Adri Priadana ilkomadri.com Definisi Set atau Himpunan adalah bentuk dasar matematika yang paling banyak digunakan di teknik informatika Salah satu topik yang diturunkan dari Himpunan adalah Class
Lebih terperinciPROBABILITAS (PELUANG) PENGERTIAN PROBABILITAS
PROBABILITAS (PELUANG) PENGERTIAN PROBABILITAS Dalam kehidupan sehari-hari kita sering mendengar dan menggunakan kata probabilitas (peluang). Kata ini mengisyaratkan bahwa kita berhadapan dengan sesuatu
Lebih terperinciPeluang & Aturan Bayes. MA 2081 STATISTIKA DASAR 5 Februari 2014 Utriweni Mukhaiyar
1 Peluang & Aturan Bayes MA 2081 STATISTIKA DASAR 5 Februari 2014 Utriweni Mukhaiyar 2 Eksperimen Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi
Lebih terperinciKata Pengantar. Puji syukur kehadirat Yang Maha Kuasa yang telah memberikan pertolongan hingga modul ajar ini dapat terselesaikan.
i Kata Pengantar Puji syukur kehadirat Yang Maha Kuasa yang telah memberikan pertolongan hingga modul ajar ini dapat terselesaikan. Modul ajar ini dimaksudkan untuk membantu penyelenggaraan kuliah jarak
Lebih terperinciPELUANG & ATURAN BAYES MA 2181 ANALISIS DATA, 15 AGUSTUS 2011 UTRIWENI MUKHAIYAR
1 PELUANG & ATURAN BAYES MA 2181 ANALISIS DATA, 15 AGUSTUS 2011 UTRIWENI MUKHAIYAR Eksperimen 2 Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi
Lebih terperinciSTATISTIKA MATEMATIKA
STATISTIKA MATEMATIKA Muhammad Subianto STATISTIKA MATEMATIKA Muhammad Subianto The work in this book/modul was partially supported by Jurusan Matematika FMIPA Universitas Syiah Kuala. Printed by... ISBN-10:
Lebih terperinciSoal-Soal dan Pembahasan Matematika IPA SNMPTN 2012 Tanggal Ujian: 13 Juni 2012
Soal-Soal dan Pembahasan Matematika IPA SNMPTN 01 Tanggal Ujian: 13 Juni 01 1. Lingkaran (x + 6) + (y + 1) 5 menyinggung garis y 4 di titik... A. ( -6, 4 ). ( -1, 4 ) E. ( 5, 4 ) B. ( 6, 4) D. ( 1, 4 )
Lebih terperinciHimpunan dan Sistem Bilangan Real
Modul 1 Himpunan dan Sistem Bilangan Real Drs. Sardjono, S.U. PENDAHULUAN M odul himpunan ini berisi pembahasan tentang himpunan dan himpunan bagian, operasi-operasi dasar himpunan dan sistem bilangan
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Probabilitas (Peluang) Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya
Lebih terperinciMATEMATIKA EKONOMI DAN BISNIS. Nuryanto.ST.,MT
MATEMATIKA EKONOMI DAN BISNIS Pengertian HIMPUNAN Himpunan adalah suatu kumpulan dari sejumlah obyek. Sedangkan obyek yang ada didalamnya disebut anggota/elemen/unsur. Benda-benda yang berada di sekitar
Lebih terperinciSTATISTIKA PENDAHULUAN. Jurusan Teknik Sipil dan Lingkungan. 1-Sep-14
STATISTIKA PENDAHULUAN 1 Jurusan Teknik Sipil dan Lingkungan Statistika Statistika/metode statistik adalah metode pengolahan data yang didapat dari suatu operasi berulang-ulang. Operasi dilakukan melalui
Lebih terperinciSilabus. Proses Stokastik (MMM 5403) Proses Stokastik. Contoh
Silabus Proses Stokastik (MMM 5403) Status: Wajib Minat Statistika Rantai Markov, klasifikasi rantai Markov. Limit rantai Markov dan aplikasinya. Rantai Markov kontinu, contoh-contoh klasik. Proses renewal,
Lebih terperinciPEMBERIAN ALASAN DI BAWAH KETIDAKPASTIAN
PEMBERIAN ALASAN DI BAWAH KETIDAKPASTIAN KETIDAKPASTIAN Disebut juga dg kekurangan informasi yg memadai untuk mengambil keputusan Probability klasik, bayesian prob, Hartley teory, Shannon teory, Dempster-Shafer
Lebih terperinciPENGERTIAN RING. A. Pendahuluan
Pertemuan 13 PENGERTIAN RING A. Pendahuluan Target yang diharapkan dalam pertemuan ke 13 ini (pertemuan pertama tentang teori ring) adalah mahasiswa dapat : a. membedakan suatu struktur aljabar merupakan
Lebih terperinci