4. Misalkan peubah acak X memiliki fungsi distribusi:

Ukuran: px
Mulai penontonan dengan halaman:

Download "4. Misalkan peubah acak X memiliki fungsi distribusi:"

Transkripsi

1 Diskusi 1 Tanggal 19 Februari 2014, Waktu: suka-suka menit 1. Enam laki-laki dan 5 perempuan melamar suatu pekerjaan di PT KhrshFin. Empat dari mereka terpilih secara acak untuk diwawancarai. Misalkan X menyatakan banyak perempuan yang terpilih. Tentukan fungsi peluang f(x). Tentukan peluang bahwa satu atau dua perempuan terpilih. Berapa banyak perempuan yang diharapkan terpilih? 2. Misalkan peubah acak X memiliki fungsi distribusi: 0, x < 2 0.1, 2 x < 1.1 F X (x) = 0.3, 1.1 x < 2 0.6, 2 x < 3 1, x 3 Tentukan f(x). Hitung P (2 < X < 3). Hitung P (X 3). Hitung P (X 3 X 0). Tentukan fungsi distribusi dari Y = X 2. Hitung E(X). 3. Diketahui fungsi peluang peubah acak X p, x = , x = , x = 20p P (X = x) = p, x = 3 4p, x = 4 0, x yang lain Tentukan p. Hitung P (1.9 X 3). Hitung F (0), F (2), F (F (3.1)). Gambarkan F X (x). Hitung P (2X 3 4 X 2). Hitung E(X) dan E(F (X)). 4. Misalkan peubah acak X memiliki fungsi distribusi: 0, x < 4 3/10, 4 x < 1 F X (x) = 7/10, 1 x < 4 1, x 4 Tentukan variansi X dan Y = X 2. Tentukan fungsi distribusi dari W = X

2 5. Misalkan peubah acak X menyatakan masa hidup (dalam jam) lampu. Asumsikan fungsi peluang X adalah f X (x) = { 2 x, 0 x < 1/2 3/4, 2 < x < 3 Tentukan proporsi lampu yang memiliki masa hidup lebih dari 15 menit. Hitung E(X). 2

3 Diskusi 2 Tanggal 26 Februari 2014, Waktu: suka-suka menit 1. Seorang pemain futsal bermain selama waktu (dalam menit) yang dinyatakan dalam fungsi peluang sbb: Hitung peluang pemain tersebut bermain (i) lebih dari 15 menit (ii) antara 20 dan 35 menit (iii) kurang dari 20 menit 2. Seorang penjual (baca: sales) memiliki dua agenda pertemuan dengan calon klien untuk menjual suatu produk. Pertemuan pertama berpotensi untuk terjualnya produk dengan peluang 0.3; pertemuan kedua mungkin akan menghasilkan penjualan dengan peluang 0.6. Penjualan yang terjadi boleh jadi (dengan peluang sama) produk kelas 1 dengan harga 1000 ribu atau produk standar dengan harga 500 ribu. Tentukang fungsi peluang dari peubah acak X yang menyatakan nilai penjualan (dalam ribu). 3. Misalkan X memiliki fungsi peluang f(x) = x/2, 0 < x < 2. Misalkan Y = 1/(4 X + 2). Tentukan fungsi distribusi dan fungsi peluang dari Y. Hitung V ar(y ) dan V ar(y 2 ). 4. Peubah acak X memiliki fungsi peluang f(x) = a x + b x 2, 0 < x < 1. Jika E(X) = 0.6, tentukan (i) P (X < 0.5) (ii) V ar(x) 5. Misalkan X peubah acak yang bernilai diantara 0 dan c; P (0 X c) = 1. Tunjukkan bahwa V ar(x) c 2 /4 3

4 Diskusi 3-4 Tanggal 5, 13 Maret 2014, Waktu: suka-suka menit 1. Dalam suatu persidangan versi AS, diketahui bahwa untuk menentukan hukuman/keputusan terhadap terdakwa diperlukan 9 votes dari 12 anggota juri. Peluang seorang juri mengatakan tidak bersalah pada orang yang bersalah adalah 0.2. Sedangkan peluang juri memutuskan bersalah pada orang yang tidak bersalah adalah 0.1. Jika setiap juri saling bebas dan jika 65% terdakwa adalah bersalah, tentukan peluang bahwa juri membuat keputusan yang benar. 2. Suatu jasa pengetikan skripsi memperkerjakan A, B, C. Rata-rata banyaknya kesalahan ketik per halaman adalah 3 saat pengetinya A, 4.2 jika diketik B dan 2.1 apabila C yang mengetik. Jika pada tulisan dengan 7 halaman mungkin diketik oleh A, B, C dengan peluang sama, berapa peluang tidak ada kesalahan ketik? Berapa peluang ada paling banyak 3 kesalahan ketik? 3. Misalkan X memiliki distribusi peluang f(1) = 0.3; f(2) = 0.2; f(0) = 3 f(3). Hitung E(X) 4. Misalkan X memiliki nilai yang mungkin {0, 1, 2}. Untuk suatu c, f(i) = c f(i 1), i = 1, 2. Hitung E(X) 5. Diketahui f(0) = 1 f(1). Jika E(X) = 3 V ar(x), hitung f(0). 6. Misalkan X p.a, f(1) = p = 1 f( 1). Tentukan c sdh E(c X ) = 1 7. Sebuah koin memiliki peluang θ untuk muncul MUKA saat dilantunkan. Koin dilantunkan hingga muncul MUKA atau BELAKANG dua kali. Tentukan banyaknya lantunan yang diharapkan. 8. Tim A dan Tim B bermain serangkaian pertandingan. Tim pertama yang memenangkan 3 pertandingan dinyatakan sebagai pemenang. Misalkan Tim A akan memenangkan pertandingan secara saling bebas dengan peluang α. Tentukan peluang bersyarat bahwa (i) Tim A adalah pemenang diberikan bahwa Tim A memenangkan pertandingan pertama (i) Tim A memenangkan pertandingan pertama diberikan bahwa Tim A adalah pemenang 9. Jika X peubah acak geometrik dengan parameter k, hitung E(1/X) 4

5 Diskusi 5-6 Tanggal 20, 27 Maret 2014, Waktu: suka-suka menit 1. Misalkan peubah acak X memiliki fungsi peluang f(x) = θ e θ/x x 2, x > 0, θ > 0, Tentukan fungsi distribusi dan fungsi kesintasan dari X. dan modus dari X. Tentukan median 2. Diketahui: f(x) = 3 x (20 x), 0 < x < Tentukan fungsi kesintasan dari X. Hitung mean dan variansi dari X. 3. Jika fungsi peluang dari X adalah f(x) = 2 x e x2, untuk x > 0, tentukan fungsi peluang Y = X Kerugian acak X memiliki peluang 0.2 saat X bernilai nol. Kerugian terjadi dengan fungsi peluang proporsional terhadap 1 x/20, untuk 0 < x 20. Tentukan fungsi distribusi dari X. Tentukan mean dari X. 5. Jelaskan sifat tanpa memory pada distribusi eksponensial 6. Misalkan X i, i = 1, 2 peubah acak-peubah acak dengan fungsi peluang f(x i ) = θ e θx i, x i > 0. Hitung P (X 1 < X 2 ) 7. Misalkan masa hidup (lifetime) sebuah lampu, sebelum akhirnya mati/terbakar, adalah p.a eksponensial dengan mean 10 (jam). Misalkan Ani memasuki ruangan dan mendapatkan lampu mati/terbakar. Jika Ani ingin bekerja di ruangan itu selama 5 jam, berapa peluang bahwa Ani dapat menyelesaikan pekerjaannya sebelum lampu mati/terbakar/padam? 8. Misalkan X peubah acak eksponensial. Manakah pernyataan berikut yang BENAR? E(X 2 X > 1) = E((X + 1) 2 ) E(X 2 X > 1) = E(X 2 ) + 1 E(X 2 X > 1) = (E(X) + 1) 2 ) 5

6 9. Disebuah toko ada 2 petugas jaga. Tiga orang: Fer, Fir dan Fur datang ke toko bersamaan. Fer dan Fir langsung mendatangi petugas toko, sedangkan Fur menunggu (baca: antri). Berapa peluang bahwa Fer masih berada di toko setelah Fir dan Fur pergi apabila waktu layanan untuk setiap petugas adalah tepat (tidak acak) 10 menit? Berapa peluang bahwa Fer masih berada di toko setelah Fir dan Fur pergi apabila waktu layanan adalah i dengan peluang 1/3, i = 1, 2, 3? Berapa peluang bahwa Fer masih berada di toko setelah Fir dan Fur pergi apabila waktu layanan berdistribusi eksponensial dengan mean 1/µ? 10. Jika X 1 dan X 2 peubah acak-peubah acak kontinu non negatif yang saling bebas, tunjukkan P (X 1 < X 2 min(x 1, X 2 ) = t) = dimana r i (t) fungsi laju kegagalan untuk X i. r 1 (t) r 1 (t) + r 2 (t), 11. Misalkan X i berdistribusi eksponensial dengan parameter θ i, dimana i = 1, 2, 3. Hitung P (X 1 < X 2 < X 3 ) 12. Seorang nasabah yang datang ke suatu kantor administrasi akan dilayani oleh petugas K1, lalu petugas K2, lalu pulang. Waktu layanan petugas Ki adalah peubah acak eksponensial dengan parameter β i, i = 1, 2. Ketika Rose datang, terlihat K1 sedang kosong (tidak sedang melayani nasabah). Sedangkan 2 nasabah ada di K2 (seorang nasabah A dilayani dan seorang lain B antre). Hitung peluang nasabah A masih dilayani ketika Rose pindah ke K2? Hitung peluang nasabah B masih dilayani ketika Rose pindah ke K2? 6

P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3)

P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3) Kuis Selamat Datang Tanggal 22 Januari 2014, Waktu: suka-suka menit 1. Catatan dalam perusahaan asuransi otomotif memberikan informasi bahwa (i) setiap pelanggan mengasuransikan setidaknya satu mobil (ii)

Lebih terperinci

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB)

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB) Diskusi 1 Tanggal 29 Januari 2014, Waktu: suka-suka menit Peluang suatu kejadian; sifat-sifat peluang (termasuk kejadian-kejadian saling asing dan saling bebas); peluang bersyarat; peluang total; 1. Buktikan

Lebih terperinci

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB)

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB) Diskusi 1 Tanggal 29 Januari 2014, Waktu: suka-suka menit Peluang suatu kejadian; sifat-sifat peluang (termasuk kejadian-kejadian saling asing dan saling bebas); peluang bersyarat; peluang total; 1. Buktikan

Lebih terperinci

P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3)

P (Sp) = P (Sp LS)P (LS) + P (Sp LS c )P (LS c ) 0.2 = (0.15)(0.7) + P (Sp LS c )(0.3) Kuis Selamat Datang Tanggal 22 Januari 2014, Waktu: suka-suka menit 1. Catatan dalam perusahaan asuransi otomotif memberikan informasi bahwa (i) setiap pelanggan mengasuransikan setidaknya satu mobil (ii)

Lebih terperinci

MA4081 PENGANTAR PROSES STOKASTIK Bab 3 Distribusi Eksponensial dan Aplikasinya

MA4081 PENGANTAR PROSES STOKASTIK Bab 3 Distribusi Eksponensial dan Aplikasinya MA4081 PENGANTAR PROSES STOKASTIK Bab 3 Distribusi Eksponensial dan Aplikasinya Orang Pintar Belajar Stokastik Kuliah ProsStok, untuk apa? Fakultas Ekonomi ITB? Math is the language of economics. If you

Lebih terperinci

Kuis 1 MA5181 Proses Stokastik Precise. Prospective. Tanggal 24 Agustus 2016, Waktu: suka-suka menit Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Kuis 1 MA5181 Proses Stokastik Precise. Prospective. Tanggal 24 Agustus 2016, Waktu: suka-suka menit Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kuis Selamat Datang MA5181 Proses Stokastik Precise. Prospective. Tanggal 23 Agustus 2016, Waktu: suka-suka menit 1. Mahasiswa yang datang ke ruang kuliah mengikuti suatu proses dengan laju kedatangan

Lebih terperinci

Catatan Kuliah. MA5181 Proses Stokastik

Catatan Kuliah. MA5181 Proses Stokastik Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik

Lebih terperinci

Catatan Kuliah. MA5181 Proses Stokastik

Catatan Kuliah. MA5181 Proses Stokastik Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik

Lebih terperinci

MA5181 PROSES STOKASTIK

MA5181 PROSES STOKASTIK Catatan Kuliah MA5181 PROSES STOKASTIK We do love uncertainty disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik

Lebih terperinci

/ /16 =

/ /16 = Kuis Selamat Datang MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective Tanggal 22 Agustus 2017, Waktu: suka-suka menit Dosen: Khreshna I.A. Syuhada, MSc. PhD. 1. Widya (akan) memenangkan

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 4: Distribusi Eksponensial Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Distribusi Eksponensial Pendahuluan Distribusi eksponensial dapat dipandang sebagai

Lebih terperinci

Misalkan X peubah acak dengan fungsi distribusi berikut: + x, 0 x < 1. , 1 x < 2. , 2 x < 3. 1, x 3

Misalkan X peubah acak dengan fungsi distribusi berikut: + x, 0 x < 1. , 1 x < 2. , 2 x < 3. 1, x 3 Kuis Selamat Datang MA4183 Model Risiko Tanggal 22 Agustus 2015, Waktu: suka-suka menit Misalkan X peubah acak dengan fungsi distribusi berikut: 0, x < 0 1 + x, 0 x < 1 3 5 F (x = 3, 1 x < 2 5 9, 2 x

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 4: Distribusi Eksponensial Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Distribusi Eksponensial Pendahuluan Distribusi eksponensial dapat dipandang sebagai

Lebih terperinci

Catatan Kuliah. MA5181 Proses Stokastik

Catatan Kuliah. MA5181 Proses Stokastik Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik

Lebih terperinci

MA4081 PENGANTAR PROSES STOKASTIK

MA4081 PENGANTAR PROSES STOKASTIK Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Orang Pintar Belajar Stokastik disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2012 Tentang

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.

Lebih terperinci

MA5181 PROSES STOKASTIK

MA5181 PROSES STOKASTIK Catatan Kuliah MA5181 PROSES STOKASTIK We do love uncertainty disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik

Lebih terperinci

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB)

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB) Diskusi 1 Tanggal 29 Januari 2014, Waktu: suka-suka menit 1. Buktikan bahwa: P (A c B c ) 1 P (A) P (B) + P (AB) P (A c B c ) P [(A B) c ] 1 P (A B) 1 P (A) P (B) + P (AB) 2. Diketahui P (A B) P (A B c

Lebih terperinci

MA5181 PROSES STOKASTIK

MA5181 PROSES STOKASTIK Catatan Kuliah MA5181 PROSES STOKASTIK We do love uncertainty disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik

Lebih terperinci

MA5181 PROSES STOKASTIK

MA5181 PROSES STOKASTIK Catatan Kuliah MA5181 PROSES STOKASTIK We do love uncertainty disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik

Lebih terperinci

Distribusi Probabilitas : Gamma & Eksponensial

Distribusi 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 terperinci

MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Po

MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Po MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Poisson: Suatu Pengantar Orang Pintar Belajar Stokastik Tentang Kuliah Proses Stokastik Bab 1 : Tentang Peluang Bab 2 : Peluang dan Ekspektasi Bersyarat*

Lebih terperinci

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang

Lebih terperinci

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep peubah acak, fungsi peluang (probability density function), fungsi distribusi

Lebih terperinci

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183

Lebih terperinci

Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah

Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah BAB 1 Peluang dan Ekspektasi Bersyarat 1.1 EKSPEKTASI Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah E(X) x x p X (x) dan E(X)

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Percobaan adalah kegiatan

Lebih terperinci

Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat

Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat MA38 Teori Peluang - Khreshna Syuhada Bab 9 Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat Ilustrasi 9. Misalkan banyaknya kecelakaan kerja rata-rata per minggu di suatu pabrik adalah empat.

Lebih terperinci

MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson

MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson SMART AND STOCHASTIC MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson SMART AND STOCHASTIC Pengantar Seperti sudah disampaikan sebelumnya, analog

Lebih terperinci

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.

Lebih terperinci

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)

Lebih terperinci

Bab 7 Ekspektasi dan Fungsi Pembangkit Momen: Cintailah Mean

Bab 7 Ekspektasi dan Fungsi Pembangkit Momen: Cintailah Mean MA38 Teori Peluang - Khreshna Syuhada Bab 7 Bab 7 Ekspektasi dan Fungsi Pembangkit Momen: Cintailah Mean Ilustrasi 7. Seorang peserta kuis diberi dua buah pertanyaan (P-, P-2), yang harus dijawab dengan

Lebih terperinci

STATISTICS. WEEK 5 Hanung N. Prasetyo TELKOM POLTECH/HANUNG NP

STATISTICS. WEEK 5 Hanung N. Prasetyo TELKOM POLTECH/HANUNG NP STATISTICS WEEK 5 Hanung N. Prasetyo Kompetensi 1. Mahasiswa memahamikonsep dasar distribusi peluang kontinu khusus seperti uniform dan eksponensial 2. Mahasiswamampumelakukanoperasi hitungyang berkaitan

Lebih terperinci

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2014 1 Tentang AK5161 Matematika

Lebih terperinci

Peubah Acak dan Distribusi

Peubah Acak dan Distribusi BAB 1 Peubah Acak dan Distribusi 1.1 ILUSTRASI (Ilustrasi 1) B dan G secara bersamaan menembak sasaran tertentu. Peluang tembakan B mengenai sasaran adalah 0.7 sedangkan peluang tembakan G (bebas dari

Lebih terperinci

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Distribusi Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep peubah acak, fungsi peluang (probability density function), fungsi distribusi

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia 2015 Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu. Ruang

Lebih terperinci

MA5181 PROSES STOKASTIK

MA5181 PROSES STOKASTIK Catatan Kuliah MA5181 PROSES STOKASTIK (not just) Always Listening, Always Understanding disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2012

Lebih terperinci

Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga. ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X

Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga. ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X = 0. Perlu diketahui bahwa luas kurva normal adalah satu (sebagaimana

Lebih terperinci

DISTRIBUSI PROBABILITAS

DISTRIBUSI 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 terperinci

MA5181 PROSES STOKASTIK Bab 3 Proses Renewal

MA5181 PROSES STOKASTIK Bab 3 Proses Renewal MA5181 PROSES STOKASTIK Bab 3 (not just) Always Listening, Always Understanding MA5181 PROSES STOKASTIK Bab 3 Soal Solusi Ujian Toko kue KP-Khusus Pria (ini toko apaan sih?) buka pukul 8 pagi. Pelanggan

Lebih terperinci

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4181 (Pengantar)

Lebih terperinci

Catatan Kuliah. MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2018

Lebih terperinci

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2014 1 Tentang AK5161 Matematika

Lebih terperinci

MA4181 MODEL RISIKO Risk is managed, not avoided

MA4181 MODEL RISIKO Risk is managed, not avoided Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko

Lebih terperinci

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang

Lebih terperinci

7/28/2005 created by Hotniar Siringoringo 1

7/28/2005 created by Hotniar Siringoringo 1 Tujuan analisis output adalah menjawab pertanyaan yang diajukan di awal pembentukan model dengan benar. Bentuk pertanyaan mengindikasikan pengujian hipotesis, selang kepercayaan atau pendugaan parameter.

Lebih terperinci

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26 Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random

Lebih terperinci

BI5106 ANALISIS BIOSTATISTIK Bab 5 Uji Hipotesis

BI5106 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 terperinci

BAB III DARI MODEL ANTRIAN M/M/1 DENGAN POLA KEDATANGAN BERKELOMPOK KONSTAN. 3.1 Model Antrian M/M/1 Dengan Pola Kedatangan Berkelompok Acak

BAB III DARI MODEL ANTRIAN M/M/1 DENGAN POLA KEDATANGAN BERKELOMPOK KONSTAN. 3.1 Model Antrian M/M/1 Dengan Pola Kedatangan Berkelompok Acak BAB III PERUMUSAN PROBABILITAS DAN EKSPEKTASI DARI MODEL ANTRIAN M/M/1 DENGAN POLA KEDATANGAN BERKELOMPOK KONSTAN 3.1 Model Antrian M/M/1 Dengan Pola Kedatangan Berkelompok Acak Model antrian ini para

Lebih terperinci

Dengan demikian, untuk sembarang B = [a, b], maka persamaan (5.1) menjadi

Dengan demikian, untuk sembarang B = [a, b], maka persamaan (5.1) menjadi Bab 5 Peubah Acak Kontinu 5.1 Pendahuluan Definisi 5.1. Peubah acak adalah suatu fungsi dari ruang contoh S ke R (himpunan bilangan nyata) Peubah acak X bersifat diskret jika F (x) adalah fungsi tangga.

Lebih terperinci

Teller 1. Teller 2. Teller 7. Gambar 3.1 Proses antrian pada sistem antrian teller BRI Cik Ditiro

Teller 1. Teller 2. Teller 7. Gambar 3.1 Proses antrian pada sistem antrian teller BRI Cik Ditiro Berikut ini adalah pembahasan mengenai sistem antrian teller BRI Cik Ditiro dan optimasinya berdasarkan model tingkat aspirasi. Deskripsi mengenai sistem antrian teller BRI Cik Ditiro dapat diuraikan sebagai

Lebih terperinci

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183

Lebih terperinci

Catatan Kuliah. MA4183 Model Risiko

Catatan Kuliah. MA4183 Model Risiko Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko

Lebih terperinci

MA5181 PROSES STOKASTIK

MA5181 PROSES STOKASTIK Catatan Kuliah MA5181 PROSES STOKASTIK (not just) Always Listening, Always Understanding disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2012

Lebih terperinci

Catatan Kuliah. MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2018

Lebih terperinci

4.1.1 Distribusi Binomial

4.1.1 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 terperinci

Catatan Kuliah. MA4183 Model Risiko Risk: Quantify and Control. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4183 Model Risiko Risk: Quantify and Control. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4183 Model Risiko Risk: Quantify and Control Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang MA4183 Model Risiko

Lebih terperinci

MAKALAH DISTRIBUSI GAMMA DI SUSUN OLEH AWAN ARGA SAPUTRA DESSY ROFICA WULANDARI SUHENDRA PRADESA

MAKALAH DISTRIBUSI GAMMA DI SUSUN OLEH AWAN ARGA SAPUTRA DESSY ROFICA WULANDARI SUHENDRA PRADESA MAKALAH DISTRIBUSI GAMMA DI SUSUN OLEH AWAN ARGA SAPUTRA 12611006 DESSY ROFICA WULANDARI 12611018 SUHENDRA PRADESA - 12611089 SRI SISKA WIRDANIYATI 12611125 UNIB SEDYA PAMUJI - 12611150 JURUSAN STATISTIKA

Lebih terperinci

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 Tentang MA4181 (Pengantar)

Lebih terperinci

Pengantar Statistika Matematika II

Pengantar Statistika Matematika II Pengantar a Matematika II Atina Ahdika, S.Si., M.Si. Prodi a FMIPA Universitas Islam Indonesia March 20, 2017 atinaahdika.com t F Parameter adalah karakteristik dari populasi (misal θ) adalah karakteristik

Lebih terperinci

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4181 (Pengantar)

Lebih terperinci

KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:

KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output: KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output: 1. Terminating simulation 2. Nonterminating simulation: a. Steady-state parameters b. Steady-state cycle parameters

Lebih terperinci

Catatan Kuliah. MA4183 Model Risiko

Catatan Kuliah. MA4183 Model Risiko Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko

Lebih terperinci

Statistik Dasar. 1. Pendahuluan Persamaan Statistika Dalam Penelitian. 2. Penyusunan Data Dan Penyajian Data

Statistik Dasar. 1. Pendahuluan Persamaan Statistika Dalam Penelitian. 2. Penyusunan Data Dan Penyajian Data Statistik Dasar 1. Pendahuluan Persamaan Statistika Dalam Penelitian 2. Penyusunan Data Dan Penyajian Data 3. Ukuran Tendensi Sentral, Ukuran Penyimpangan 4. Momen Kemiringan 5. Distribusi Normal t Dan

Lebih terperinci

Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA. Insure and Invest! Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA. Insure and Invest! Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA Insure and Invest! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang AK5161 MatKeu

Lebih terperinci

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI

STATISTIKA. 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 terperinci

MA5181 PROSES STOKASTIK

MA5181 PROSES STOKASTIK Catatan Kuliah MA5181 PROSES STOKASTIK disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA5181 Proses Stokastik A. Jadwal kuliah:

Lebih terperinci

MA4183 MODEL RISIKO Control your Risk!

MA4183 MODEL RISIKO Control your Risk! Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal

Lebih terperinci

UJI HIPOTESIS SATU-SAMPEL

UJI HIPOTESIS SATU-SAMPEL UJI HIPOTESIS SATU-SAMPEL Pengantar 1. Tulisan ini terkait dengan artikel berjudul KETIKA ILMU HUKUM SEIRING STATISTIKA pada laman www.edscyclopedia.com. Pada website tersebut, mengenai uji hipotesis secara

Lebih terperinci

MA4181 MODEL RISIKO Risk is managed, not avoided

MA4181 MODEL RISIKO Risk is managed, not avoided Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko

Lebih terperinci

Catatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang AK5161 Matematika

Lebih terperinci

Peluang Bersyarat dan Kejadian Bebas

Peluang Bersyarat dan Kejadian Bebas Bab 3 Peluang Bersyarat dan Kejadian Bebas 3.1 Peluang Bersyarat Misalkan ruang contoh berpeluang sama dari percobaan melempar sebuah dadu bersisi 6, maka S = {1, 2, 3, 4, 5, 6}. Dan terdapat dua kejadian,

Lebih terperinci

Model dan Simulasi Universitas Indo Global Mandiri

Model dan Simulasi Universitas Indo Global Mandiri Model dan Simulasi Universitas Indo Global Mandiri Nomor random >> angka muncul secara acak (random/tidak terurut) dengan probabilitas untuk muncul yang sama. Probabilitas/Peluang merupakan ukuran kecenderungan

Lebih terperinci

MA4183 MODEL RISIKO Control your Risk!

MA4183 MODEL RISIKO Control your Risk! Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal

Lebih terperinci

Uji Hipotesis dan Aturan Keputusan

Uji Hipotesis dan Aturan Keputusan Uji Hipotesis dan Aturan Keputusan oleh: Khreshna Syuhada, PhD. 1. Pendahuluan Pada perkuliahan tingkat 2, telah dikenalkan masalah uji hipotesis sebagai berikut: Seorang peneliti memberikan klaim bahwa

Lebih terperinci

PENGUJIAN HIPOTESIS 2

PENGUJIAN HIPOTESIS 2 PENGUJIAN HIPOTESIS. Menguji Kesamaan Dua Rata-rata a. Uji Dua Pihak Misalkan ada dua populasi berdistribusi normal dengan masing-masing rata-rata dan simpangan baku secara berturut-turut μ dan μ dan σ

Lebih terperinci

Catatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang AK5161 Matematika

Lebih terperinci

28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω

28/09/2012 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 terperinci

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Peubah acak kontinu, distribusi dan Tabel normal, penaksiran titik dan selang, uji hipotesis untuk

Lebih terperinci

Pengantar Statistika Matematika II

Pengantar Statistika Matematika II Bab 2: Sifat-Sifat Estimator Statistika FMIPA Universitas Islam Indonesia Statistik Cukup Dalam kondisi real, kita tidak mengetahui parameter dari populasi data yang akan kita teliti Informasi dalam sampel

Lebih terperinci

Catatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2017 1 Tentang AK5161 Matematika

Lebih terperinci

MA4081 PENGANTAR PROSES STOKASTIK

MA4081 PENGANTAR PROSES STOKASTIK Catatan Kuliah MA4081 PENGANTAR PROSES STOKASTIK Orang Pintar Belajar Stokastik disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2012 Tentang

Lebih terperinci

AK5161 Matematika Keuangan Aktuaria

AK5161 Matematika Keuangan Aktuaria Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang AK5161 Matematika

Lebih terperinci

Konsep Dasar Statistik dan Probabilitas

Konsep Dasar Statistik dan Probabilitas Konsep Dasar Statistik dan Probabilitas Pengendalian Kualitas Statistika Ayundyah Kesumawati Prodi Statistika FMIPA-UII September 30, 2015 Ayundyah (UII) Konsep Dasar Statistik dan Probabilitas September

Lebih terperinci

DISTRIBUSI KONTINU. Uniform Normal Gamma & Eksponensial. MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar

DISTRIBUSI KONTINU. Uniform Normal Gamma & Eksponensial. MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar DISTRIBUSI KONTINU Uniform Normal Gamma & Eksponensial MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar Distribusi Uniform 2 Distribusi kontinu yang paling sederhana Notasi: X ~ U (a,b) f.k.p: f(x)

Lebih terperinci

MA4181 MODEL RISIKO Risk is managed, not avoided

MA4181 MODEL RISIKO Risk is managed, not avoided Catatan Kuliah MA4181 MODEL RISIKO Risk is managed, not avoided disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang MA4181 Model Risiko

Lebih terperinci

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya Dosen: Aniq A Rohmawati, M.Si TELKOM UNIVERSITY JALAN TELEKOMUNIKASI 1, BANDUNG, INDONESIA Ruang Sampel dan Kejadian PEUBAH ACAK (P.A) Fungsi yang memetakan

Lebih terperinci

MA4183 MODEL RISIKO Control your Risk!

MA4183 MODEL RISIKO Control your Risk! Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal

Lebih terperinci

Pengantar Statistika Matematik(a)

Pengantar Statistika Matematik(a) Catatan Kuliah Pengantar Statistika Matematik(a) Statistika Lebih Dari Sekadar Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014

Lebih terperinci

Pengantar Statistika Matematika II

Pengantar Statistika Matematika II Pengantar a Matematika II - Estimator Atina Ahdika, S.Si., M.Si. Prodi a FMIPA Universitas Islam Indonesia April 17, 2017 atinaahdika.com Dalam kondisi real, kita tidak mengetahui parameter dari populasi

Lebih terperinci

Learning Outcomes Sebaran Kontinu Nilai Harapan dan Ragam Beberapa Sebaran Kontinu. Peubah Acak Kontinu. Julio Adisantoso.

Learning Outcomes Sebaran Kontinu Nilai Harapan dan Ragam Beberapa Sebaran Kontinu. Peubah Acak Kontinu. Julio Adisantoso. Beberapa 27 April 2014 Beberapa Learning Outcome Outline Mahasiswa dapat mengerti dan menentukan peubah acak diskret Mahasiswa dapat memahami dan menghitung nilai harapan Mahasiswa dapat memahami dan menghitung

Lebih terperinci

BAB II LANDASAN TEORI. landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di

BAB II LANDASAN TEORI. landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di 5 BAB II LANDASAN TEORI Bab ini membahas pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di bahas adalah sebagai berikut: A.

Lebih terperinci

MA4181 MODEL RISIKO Enjoy the Risks

MA4181 MODEL RISIKO Enjoy the Risks Catatan Kuliah MA48 MODEL RISIKO Enjoy the Risks disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2 Tentang MA48 Model Risiko A. Jadwal kuliah:

Lebih terperinci

Catatan Kuliah. MA4183 Model Risiko

Catatan Kuliah. MA4183 Model Risiko Catatan Kuliah MA4183 Model Risiko Forecast and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA4183 Model Risiko

Lebih terperinci

Distribusi Probabilitas Diskrit: Geometrik Hipergeometrik

Distribusi 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 terperinci

MA4183 MODEL RISIKO Bab 5 Teori Kebangkrutan

MA4183 MODEL RISIKO Bab 5 Teori Kebangkrutan MA4183 MODEL RISIKO Bab 5 Teori Kebangkrutan Control your risk! Konsep Surplus 1 Perusahaan asuransi memiliki modal awal atau initial surplus 2 Perusahaan menerima premi dan membayarkan klaim 3 Premi bersifat

Lebih terperinci

Pertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu

Pertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu Pertemuan ke 5 4.1 Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu Fungsi Probabilitas dengan variabel kontinu terdiri dari : 1. Distribusi Normal 2. Distribusi T 3. Distribusi Chi Kuadrat

Lebih terperinci

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 17/12/2014

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 17/12/2014 STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh: Suatu

Lebih terperinci