Teknik Pengolahan Data
|
|
- Hendri Agusalim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Probabilitas 1
2 Probabilitas Probabilitas Peluang Kemungkinan Mengapa probabilitas? Orang 7dak dapat memas7kan nilai suatu proses (misal erupsi gunung berapi) berdasarkan data erupsi selama waktu yang lalu sampai saat ini. Sifat stokas7k ataupun ke7dak- pas7an merupakan sifat yang melekat pada proses (yang melibatkan) alam. 2
3 Probabilitas, Peluang Kejadian No urut Jumlah hari terjadinya kemacetan pasokan air per bulan Frekuensi Jumlah 30 Jumlah hari saat terjadi kemacetan pasokan air PDAM selama 30 bulan terakhir. Dapatkah Saudara memas7kan jumlah hari akan terjadi kemacetan pasokan air PDAM pada bulan depan? 3
4 Probabilitas, Peluang Kejadian, Risiko Debit puncak suatu sungai selama 66 tahun Tahun ke- Debit (m 3 /s) Tahun ke- Debit (m 3 /s) Tahun ke- Debit (m 3 /s) Dapatkah Saudara memas7kan debit maksimum pada tahun ke- 67? 4
5 Probabilitas Definisi #1 Andaikata suatu peris7wa 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 peris7wa dengan hasil A adalah n a /n prob( A) = n a n 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 7dak selalu diketahui atau 7dak terjadi atau 7dak diama7 atau 7dak dihitung. 5
6 Probabilitas Definisi #2 Andaikata suatu peris7wa random terjadi berkali- kali dalam jumlah yang sangat besar, n kali, dan sejumlah n a kali memiliki hasil A, maka probabilitas peris7wa dengan hasil A adalah prob( A) = lim n a n n Definisi di atas berbeda dengan definisi #1 dalam hal- hal berikut: Probabilitas suatu kejadian diperkirakan (can be es)mated) berdasarkan observasi sejumlah n kali. n di sini 7dak/bukan merupakan himpunan semua kejadian yang mungkin; dalam hal ini, 7dak diperlukan untuk mengetahui atau melakukan observasi terhadap semua kemungkinan Se7ap cara yang mungkin terjadi (dalam n tersebut) 7dak harus memiliki kemungkinan yang sama untuk terjadi. 6
7 Probabilitas Definisi 2: butuh berapa n? Contoh Pada 2 set pengamatan (sampel) yang 7dak saling terkait/ tergantung, perkiraan probabilitas kejadian A dapat ditetapkan berdasarkan masing- masing sampel tersebut. Kedua nilai probabilitas 7dak selalu sama satu dengan yang lain. Kedua nilai probabilitas 7dak selalu sama dengan perkiraan probabilitas A yang ditetapkan dengan pengamatan sejumlah tak- berhingga kali. Problem: berapa jumlah pengamatan n yang diperlukan untuk mendapatkan es7masi probabilitas A yang dapat diterima? 7
8 Probabilitas Kisaran (range) probabilitas Dari kedua definisi, kisaran probabilitas adalah 0 s.d. 1. prob(a) = 0 hampir 7dak mungkin terjadi (nearly impossible) prob(a) = 1 hampir pas7 terjadi (almost certain) 8
9 Probabilitas Misal suatu eksperimen (proses) menghasilkan sejumlah output yang berupa variable random Himpunan semua hasil yang mungkin didapat disebut sample space. Se7ap elemen di dalam sample space disebut sample points (element) Se7ap elemen di dalam sample space memiliki faktor/bobot/ weight (posi7f) sedemikian hingga jumlah weight seluruh elemen bernilai 1. Nilai bobot berbanding lurus dengan kemungkinan eksperimen akan memberikan hasil elemen tersebut. Bobot 7dak lain adalah probabilitas. 9
10 Sample Space Sample Elements PROBABILITAS 10
11 Sample Space & Sample Elements Contoh #1: Suatu DAS memiliki 3 stasiun: Sta- 1, Sta- 2, Sta- 3. Eksperimen: meneli7 se7ap stasiun perlu/7dak kalibrasi Output: (y,n,y) Sta- 1 perlu kalibrasi (y = yes) Sta- 2 tak perlu kalibrasi (n = no) Sta- 3 perlu kalibrasi (y = yes) 11
12 Sample Space & Sample Elements Sample space: Alterna7f 1 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)} S 1 adalah discrete sample space: jumlah elemen di dalam S 1 dapat dihitung. Apabila eksperimen dilakukan satu kali saja, maka salah satu elemen S 1 pas7 terjadi. Sample space: Alterna7f 2 S 2 ={0,1,2,3} S 2 adalah discrete sample space. Hanya ingin diketahui jumlah stasiun yang perlu dikalibrasi. Tidak diperlukan untuk mengetahui stasiun mana yang perlu dikalibrasi. Informasi yang diperoleh lebih sedikit daripada S 1. 12
13 Sample Space & Sample Elements Contoh #2: Pengukuran angin: kecepatan (km/jam) dan arah ( o ). Output: (x,y) x = kecepatan (km/jam) y = arah ( o ) 13
14 Sample Space & Sample Elements Sample space: Alterna7f 1 Ω 1 = ( x, y) : x 0, 0 y 360 y ( o ) { } continuous sample space x (km/jam) Sample space: Alterna7f 2 Ω 2 = { +, } discrete sample space + = kecepatan > 60 (km/jam) = kecepatan < 60 (km/jam) 14
15 Events Event adalah suatu himpunan bagian (subset) dari sample space Suatu event terjadi jika dan hanya jika hasil dari eksperimen adalah anggota event tersebut Contoh: Kalibrasi Sta- 1, Sta- 2, Sta- 3 Event A: paling sedikit 2 stasiun perlu dikalibrasi A={(y,y,y),(y,y,n),(y,n,y),(n,y,y)} Event B: tak ada stasiun yang perlu dikalibrasi B={(n,n,n)} Event C: 2 stasiun perlu dikalibrasi C={(y,y,n),(y,n,y),(n,y,y)} 15
16 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 S o E 1 o E 2 A 0 prob( E i ) 1 S = i E i prob S ( ) = prob( E i ) =1 S o E 1 o E 2 A B B A B o E 3 o E n o E 3 o E n 16
17 Probabilitas suatu Event Event A A = n E i=m i 0 prob A Event A dan B n ( ) = prob( E i ) i=m 1 prob( A B) = 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 17
18 Probabilitas suatu Event Event A c (= komplemen event A) A A c = S prob( A A c ) = prob( A) + prob( A c ) =1 prob( A) =1 prob( A c ) 18
19 Probabilitas Bersyarat (Conditional Probability) Probabilitas suatu event (event B) bergantung pada terjadinya event lain (event A). S A A B prob( B A) = B ( ) prob( A) prob A B prob( A B) = prob A prob(b A) = prob(b) dengan syarat event A terjadi» sample space berubah dari S menjadi A,» event diwakili oleh A B, prob( A) 0 ( )prob B A ( ) 19
20 Probabilitas Bersyarat (Conditional Probability) Apabila event B tak bergantung pada event A (keduanya merupakan independent events), maka prob( B A) = prob( B) prob( A B) = prob( A) prob( B) 20
21 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? 21
22 Probabilitas Bersyarat (Conditional Probability) Penyelesaian Misal hari hujan (h) terjadi sbb. hari ke- 0 hari ke- 1 hari ke- 2 h h h event A event B Event A = hari ke- 1 hujan setelah hari ke- 0 hujan Event B = hari ke- 2 hujan setelah hari ke- 0 hujan Yang dicari adalah 3 hari hujan berturut- turut: ( ) = prob( A) prob B A prob A B ( ) Diketahui prob(a) = (hari hujan setelah hari hujan) prob B A ( ) = ( ) = = prob A B 22
23 Probabilitas Bersyarat (Conditional Probability) Cara penyelesaian yang lain Probabilitas hari hujan setelah hari hujan adalah p = Suatu hari (hari ke- 0) terjadi hujan hari ke- 0 hari ke- 1 hari ke- 2 h h h p = p = p = th p = th 23
24 Probabilitas Total (Total Probability) Apabila B 1, B 2,, B n adalah serangkaian events yang 7dak saling berkaitan (mutually exclusive events) dan masing- masing memiliki probabilitas 7dak sama dengan nol, prob(b i ) 0, untuk semua i: B 1 B 2 B n = S B i B j = 0, i, j ( i j) prob B i ( ) > 0, i 24
25 Probabilitas Total (Total Probability) Probabilitas suatu event A dapat dituliskan sbb. S B 2 B 1 A prob A B 3 B n ( ) = prob# $ ( A B 1 ) ( A B 2 )... ( A B n )% & = prob( A B 1 ) +prob( A B 2 ) prob( A B n ) 25
26 Probabilitas Total (Total Probability) Dari condi)onal probability: prob( A) = prob( B 1 ) prob( A B ) prob( B n ) prob( A B ) n prob A ( ) = prob( A) prob B 1 A ( ) = prob( B 1 ) prob A B 1 prob A B 1 prob B 1 A S B 2 B 1 A n ( ) = " prob( B i ) prob A B i i=1 # B 3 B n ( ) ( ) ( ) $ % 26
27 Probabilitas Total (Total Probability) 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? 27
28 Probabilitas Total (Total Probability) Penyelesaian Jika event A = terjadi genangan event B 1 = hari hujan event B 2 = hari tak hujan ( ) +prob B 2 ( ) prob( A) = prob( B 1 ) prob A B 1 ( ) prob A B 2 = ( ) 0.25 =
29 Teorema Bayes Dari condi)onal probability ( ) = prob( A) prob B A ( ) = prob( B) prob A 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) Untuk events A dan B j, persamaan diatas menjadi prob( A) prob( B j A) = prob( B ) j prob( A B ) j (1) (2) (3) (4) 29
30 Teorema Bayes Dari total probability prob A n ( ) = " prob( B i ) prob A B i i=1 # ( ) $ % (5) Dengan (5) à (4) prob( B j A) = prob( B ) j prob( A B ) j n i=1 prob B i ( ) prob A B i ( ) (6) 30
31 Teorema Bayes Pemakaian Untuk mencari probabilitas event B j apabila diketahui event A telah terjadi. Untuk mencari (memperkirakan) probabilitas suatu event (B j ) dengan mengama7 event kedua (A). 31
32 Teorema Bayes 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? 32
33 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 adalah: ( ) = prob R 2 4 prob R 2 E 1 ( ) ( ) ( ) prob E R 2 ( ) prob E R i prob R i = =
34 Teorema Bayes i prob(r i ) prob(e R i ) prob(r i ).prob(e R i ) prob(r i E) Σ prob(e) 34
35 35
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 terperinciUniversitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan PROBABILITAS. Statistika dan Probabilitas
Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan PROBABILITAS Statistika dan Probabilitas 2 Peluang (Probabilitas) Peluang/Probabilitas/Risiko Peluang Risiko 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 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 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 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 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 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 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 terperinciStatistika. Analisis Data Time Series. 13-Sep-16. h2p://is5arto.staff.ugm.ac.id
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Pascasarjana Teknik Sipil Statistika Analisis Data Time Series 1 Analisis Data Time Series Acuan Haan, C.T., 1982, Sta+s+cal Methods in
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Tabel dan Grafik Organisasi Data Koleksi data sta;s;k perlu disusun (diorganisir)
Lebih terperinciKorelasi. Acuan. Haan, C.T., 1982, Sta$s$cal Methods in Hydrology, 1 st Ed., 3 rd Prin4ng, The Iowa State Univ. Press, Ames, Iowa, USA
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Progam Studi Pascasarjana Teknik Sipil Statistika Korelasi 1 Korelasi Acuan Haan, C.T., 1982, Sta$s$cal Methods in Hydrology, 1 st Ed., 3 rd
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 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 terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Analisis Data Time Series 1 Analisis Data Time Series Acuan Haan, C.T.,
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 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 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 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 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 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 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 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 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 terperinciStatistika. Rentang Keyakinan. 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 S Teknik Sipil Statistika Rentang Keyakinan hp://is7arto.staff.ugm.ac.id 1 Rentang Keyakinan Es7masi Parameter Distribusi
Lebih terperinciBAB 2 LANDASAN TEORI. Dalam penulisan skripsi ini, dijabarkan beberapa aksioma dan teorema yakni sebagai berikut :
BAB 2 LANDASAN TEORI 2.1 Aksioma dan Teorema Dalam penulisan skripsi ini, dijabarkan beberapa aksioma dan teorema yakni sebagai berikut : Aksioma 1 Untuk setiap kejadian, non-negatif.. Yakni bahwa probabilitas
Lebih terperinciMagister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada. 18-Aug-17. Statistika Teknik.
Magister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada Statistika Teknik Tabel dan Grafik Organisasi Data Koleksi data statistik perlu disusun (diorganisir) sedemikian hingga dapat dibaca dengan
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 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 terperinciPendekatan Terhadap Probabilitas
Probabilitas Probabilitas PROBABILITAS adalah suatu ukuran tentang kemungkinan bahwa suatu peris=wa (event) dimasa mendatang akan terjadi. Probabilitas hanya mempunyai nilai antara 0 dan 1 Eksperiment
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 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 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 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 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 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 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 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 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 terperinciSTATISTIKA MATEMATIKA Probabilitas, Distribusi, dan Asimtosis dalam Statistika
STATISTIKA MATEMATIKA Probabilitas, Distribusi, dan Asimtosis dalam Statistika Penulis: Prof. Drs. Subanar, Ph.D Edisi Pertama Cetakan Pertama, 2013 Hak Cipta 2013 pada penulis, Hak Cipta dilindungi undang-undang.
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 terperinciProbabilitas pendahuluan
Probabilitas pendahuluan Statistika deskriptif : menggambarkan data TEORI PROBABILITAS Statistik inferensi kesimpulan valid dan perkiraan akurat ttg populasi dengan mengobservasi sampel Teori probabilitas
Lebih terperinciU JIAN TENGAH SEMESTER S TATISTIKA
U JIAN TENGAH SEMESTER S TATISTIKA DR. IR. ISTIARTO, M.ENG. JUMAT, 1 NOVEMBER 1 15 MENIT OPEN BOOK TANPA KOMPUTER S OAL A Produksi listrik tahunan PLTMH Terangjaya menunjukkan angka yang sangat bervariasi,
Lebih terperinciProbabilitas dan Proses Stokastik
Probabilitas dan Proses Stokastik Tim ProStok Jurusan Teknik Elektro - FTI Institut Teknologi Sepuluh Nopember Surabaya, 2014 O U T L I N E 1. Capaian Pembelajaran 2. Pengantar dan 3. Contoh 4. Ringkasan
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 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 terperinciReview Teori Probabilitas
Rekayasa Trafik 1 Review Teori Probabilitas Rekayasa Trafik Outline Arti Probabilitas Counting Method Random Variable Discrete RV Continuous RV Multiple RVs Rekayasa Trafik 2 Arti Probabilitas Rekayasa
Lebih terperinciBAB 2 LANDASAN TEORI. Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S.
BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S. Tiap hasil dalam ruang sampel disebut
Lebih terperinciUniversitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan ANALISIS FREKUENSI. Statistika dan Probabilitas
Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan ANALISIS FREKUENSI Statistika dan Probabilitas 2 Regresi Linear Tabel data x i y i = f(x i ) 1 0.5 2 2.5 3 2 4 4 5 3.5 6 6
Lebih terperinciPROBABILITAS. Disajikan oleh: Bernardus Budi Hartono. pakhartono at gmail dot com budihartono at acm dot org
PROBABILITAS Disajikan oleh: Bernardus Budi Hartono Web E-mail : pakhartono at gmail dot com budihartono at acm dot org : http://pakhartono.wordpress.com Teknik Informatika [Gasal 2009 2010] FTI - Universitas
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 terperinciPENALARAN DENGAN KETIDAKPASTIAN (UNCERTAINITY)
(UNCERTAINITY) KETIDAKPASTIAN (UNCERTAINTY) Ketidakpastian dapat dianggap sebagai suatu kekurangan informasi yang memadai untuk membuat suatu keputusan. Ketidakpastian merupakan suatu permasalahan karena
Lebih terperinciMA 4085 Pengantar Statistika 5 Februari 2013 Utriweni Mukhaiyar
MA 4085 Pengantar Statistika 5 Februari 2013 Utriweni Mukhaiyar 1 Ciri-ciri eksperimen acak (Statistik): *Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. *Proporsi keberhasilan dapat diketahui
Lebih terperinciProbabilitas & Teorema Bayes
1 Probabilitas & Teorema Bayes Nurwahyu Alamsyah, S.Kom wahyualamsyah.wordpress.com wahyu@plat-m.com Statistika D3 Manajemen Informatika Universitas Trunojoyo Madura 2 Terminologi Teori Probabilitas didasarkan
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 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 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 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 terperinciUncertainty Management
Chapter 6 Tujuan Instruksional Khusus Mahasiswa memahami pendekatan Bayesian sebagai dasar interpretasi fakta yang memiliki derajad ketidakpastian tertentu. Mahasiswa mampu membuat interpretasi fakta dengan
Lebih terperinciCiri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi keberhasilan dapat diketahui dari
(C) by UM, last edited Feb 2011 1 Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi keberhasilan dapat diketahui dari hasil-hasil sebelumnya.
Lebih terperinciPELUANG 8/18/2010 EKSPERIMEN RUANG SAMPEL. Ruang sampel S, yaitu himpunan dari semua kemungkinanki hasil dari suatu percobaan acak (statistik).
PELUANG 1 MA 2181 ANALISIS DATA, 18 AGUSTUS 2010 UTRIWENI MUKHAIYAR EKSPERIMEN Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi keberhasilan
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 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 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 terperinciStatistik Bisnis 1. Week 8 Basic Probability
Statistik Bisnis 1 Week 8 Basic Probability Objectives By the end of this class student should be able to: Understand different types of probabilities Compute probabilities Revise probabilities in light
Lebih terperinciEKSPERIMEN ACAK & PELUANG. MA3181 Teori Peluang Utriweni Mukhaiyar 1 September 2014
EKSPERIMEN ACAK & PELUANG MA3181 Teori Peluang Utriweni Mukhaiyar 1 September 2014 2012 by UM Jenis-jenis Observasi OBSERVASI / DATA KUALITATIF KUANTITATIF Nominal Ordinal/Rank Diskrit Kontinu Tidak mengenal
Lebih terperinciPENALARAN DENGAN KETIDAKPASTIAN (UNCERTAINITY)
PENALARAN DENGAN KETIDAKPASTIAN (UNCERTAINITY) KETIDAKPASTIAN - Ketidakpastian dapat dianggap sebagai suatu kekurangan informasi yang memadai untuk membuat suatu keputusan. - Ketidakpastian merupakan suatu
Lebih terperinciStudi Optimasi Operasional Waduk Sengguruh untuk Pembangkit Listrik Tenaga Air
Tugas Akhir Studi Optimasi Operasional Waduk Sengguruh untuk Pembangkit Listrik Tenaga Air Oleh : Sezar Yudo Pratama 3106 100 095 JURUSAN TEKNIK SIPIL Fakultas Teknik Sipil dan Perencanaan Institut Teknologi
Lebih terperinciProbabilitas. Tujuan Pembelajaran
Probabilitas 1 Tujuan Pembelajaran 1.Menjelaskan Eksperimen, Hasil,, Ruang Sampel, & Peluang 2. Menjelaskan bagaimana menetapkan peluang 3. Menggunakan Tabel Kontingensi, Diagram Venn, atau Diagram Tree
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 terperinciMagister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada. 18-Aug-17. 1http://istiarto.staff.ugm.ac.id. Statistika Teknik.
Magister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada Statistika Teknik Rentang Keyakinan 1 Rentang Keyakinan Estimasi Parameter Distribusi probabilitas memiliki sejumlah parameter. Parameter-parameter
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 terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Uji Hipotesis (Hypothesis Tes/ng) 1 Uji Hipotesis Model Matema/ka vs Pengukuran
Lebih terperinciSTATISTIKA. Statistika PENDAHULUAN. Statistika/metode statistik. Operasi dilakukan melalui
STATISTIKA PENDAHULUAN Istiarto /metode statistik adalah metode pengolahan data yang didapat dari suatu operasi berulang-ulang. Operasi dilakukan melalui observasi pengukuran experimen 2 1 Pemakaian Descriptive
Lebih terperinciStatistika & Probabilitas. Sumber: Materi Kuliah Statistika Dr. Ir. Rinaldi Munir, M.T
Statistika & Probabilitas Sumber: Materi Kuliah Statistika Dr. Ir. Rinaldi Munir, M.T Kejadian Kejadian adalah himpunan bagian (subset) dari ruang sampel S. Dapat dipahami, kejadian adalah himpunan dari
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 terperinciPertemuan Ke-1 BAB I PROBABILITAS
Pertemuan Ke-1 BAB I PROBABILITAS 1.1 Arti dan Pentingnya Probabilitas Probabilitas merupakan suatu nilai untuk mengukur besarnya tingkat kemungkinan terjadinya suatu kejadian yang acak. Kejadian Acak
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 terperinciTEORI PROBABILITAS. a. Ruang Contoh. Definisi : Ruang contoh adalah himpunan semua kemungkinan hasil suatu percobaan, dan dilambangkan dengan S.
TEORI PROBABILITAS ISTILAH YANG SERING DIGUNAKAN a. Ruang Contoh Definisi : Ruang contoh adalah himpunan semua kemungkinan hasil suatu percobaan, dan dilambangkan dengan S. Bayangkan percobaan melempar
Lebih terperinciSTATISTIKA. Tabel dan Grafik
STATISTIKA Organisasi Data Koleksi data statistik perlu disusun (diorganisir) sedemikian hingga dapat dibaca dengan jelas. Salah satu pengorganisasian data statistik adalah dengan: tabel grafik Organisasi
Lebih terperinciTTG3B3 - Sistem Komunikasi 2 MAP & ML Detection
TTG3B3 - Sistem Komunikasi 2 MAP & ML Detection S1 Teknik Telekomunikasi Fakultas Teknik Elektro Universitas Telkom Oleh: Linda Meylani Agus D. Prasetyo Tujuan Pembelajaran Memahami dan menjelaskan konsep
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 terperinciMateri 1: Teori Himpunan
Materi 1: Teori Himpunan I Nyoman Kusuma Wardana STMIK STIKOM Bali Himpunan (set) kumpulan objek-objek yang berbeda. Objek di dalam himpunan disebut elemen, unsur, atau anggota. Terdapat beberapa cara
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 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 terperinciJurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA. Continuous Probability Distributions.
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA Continuous Probability Distributions 1 Continuous Probability Distributions Normal Distribution Uniform Distribution Exponential Distribution
Lebih terperinciBAB II TINJAUAN PUSTAKA
5 BAB II TINJAUAN PUSTAKA Dalam bab ini dijelaskan beberapa definisi dan teorema yang digunakan dalam pembahasan berikutnya. 2.1 Teori Peluang Definisi 2.1.1 (Percobaan Acak) (Ross 2000) Suatu percobaan
Lebih 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 terperinciMateri 2: Operasi Terhadap Himpunan
Materi 2: Operasi Terhadap Himpunan I Nyoman Kusuma Wardana STMIK STIKOM Bali Operasi pada Himpunan: 1. Gabungan 2. Irisan 3. Komplemen 4. Selisih 5. Beda setangkup 6. Perkalian kartesian Hukum-hukum Himpunan
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 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 terperinciDISTRIBUSI SATU PEUBAH ACAK
0 DISTRIBUSI SATU PEUBAH ACAK Dalam hal ini akan dibahas macam-macam peubah acak, distribusi peluang, fungsi densitas, dan fungsi distribusi. Pada pembahasan selanjutnya, fungsi peluang untuk peubah acak
Lebih terperinci04-Ruang Vektor dan Subruang
04-Ruang Vektor dan Subruang Vektor (1) Dosen: Anny Yuniarti, M.Comp.Sc Gasal 2011-2012 Anny2011 1 Agenda Bagian 1: Ruang Vektor Bagian 2: Nullspace of A: Solusi Ax = 0 Bagian 3: Rank dan Row-reduced-form
Lebih terperinciMAKALAH PELUANG OLEH :
MAKALAH PELUANG OLEH : Nama Kelompok 1. Asri Sihotang NIM.41031110 2. Astika Laras Hutagaol NIM.4103111012 3. Bethesda Butarbutar NIM.4103111013 4. Sefta A P Hutauruk NIM.4103111072 JURUSAN MATEMATIKA
Lebih terperinciKompetens n i s : Mahasiswa mam a pu p menjel enj a el s a ka k n gejala ekonomi dengan meng guna k n a konsep probabil i i l t i as
Kompetensi: Mahasiswa mampu menjelaskan gejala ekonomi dengan menggunakan konsep probabilitas Hal. 9- Penelitian itu Penuh Kemungkinan (tdk pasti) Mengubah Saya tidak yakin Menjadi Saya yakin akan sukses
Lebih terperinciDISTRIBUSI PROBABILITAS VARIABEL RANDOM
Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan DISTRIBUSI PROBABILITAS VARIABEL RANDOM Statistika dan Probabilitas 2 Distribusi probabilitas variabel random diskrit Distribusi
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 terperinciTeori Probabilitas. Debrina Puspita Andriani /
Teori Probabilitas 5 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Konsep Probabilitas Ruang Sampel Komplemen Kejadian Probabilitas Bersyarat Teorema Bayes Berapa
Lebih terperinci