KARAKTERISASI SEBARAN BINOMIAL NEGATIF

Ukuran: px
Mulai penontonan dengan halaman:

Download "KARAKTERISASI SEBARAN BINOMIAL NEGATIF"

Transkripsi

1 Jurnal Matematika UNAND Vol. 5 No. 2 Hal ISSN : c Jurusan Matematika FMIPA UNAND KARAKTERISASI SEBARAN BINOMIAL NEGATIF DEBY HANDAYANI Program Studi Magister Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Andalas, Kamus UNAND Limau Manis Padang, Indonesia, deb.handaani@mail.com Abstrak. Sebaran Binomial Negatif adalah salah satu eubah acak disktret ang terbentuk dari ercobaan Bernoulli. Pada aer ini akan ditentukan karakterisasi dari sebaran Binomial Negatif. Karakterisasi tersebut terdiri dari fungsi keadatan eluang, nilai haraan, variansi, skewness, kurtosis, fungsi embangkit momen dan fungsi karakteristik. Kata Kunci: Sebaran binomial negatif, nilai haraan, variansi, skewness, kurtosis, fungsi embangkit momen, fungsi karakteristik 1. Pendahuluan Distribusi Binomial Negatif meruakan distribusi ang memiliki banak cara dalam enurunanna, salah satuna adalah sebagai salah satu ercobaan Bernoulli ang dibutuhkan samai terjadi k buah sukses, dengan setia engulanganna saling bebas dimana robalitasna gagal aitu 1 dan robabilitas sukses. Jika eubah acak X menatakan jumlah ercobaan ang dibutuhkan samai terjadi k sukses, maka distribusi robabilitas eubah acak X disebut berdistribusi Binomial Negatif dengan fungsi robabilitas sebagai berikut P X 1 r 1 r 1 r, 1.1 dimana r, r + 1, r + 2, dan 0 1. Distribusi robabilitas dari eubah acak X daat dinotasikan menjadi bentuk lain, dengan menggunakan tranformasi Y X r, dimana Y menatakan jumlah kegagalan sebelum terjadi k sukses. Distribusi robabilitas dari eubah acak Y adalah r + 1 P Y r 1, 1.2 dimana 0, 1, 2, dan 0 1. Distribusi Binomial Negatif daat juga didefinisikan dengan menggunakan fungsi Gamma sebagai engganti kombinasi r + 1 aitu r r + 1r + 2 r Γr +!!Γr,

2 66 Deb Handaani dkk. sehingga r + 1 P Y Γr +!Γr r Distribusi Binomial Negatif juga dibangkitkan dari sebaran Poisson dengan arameter λ dan λ juga meruakan sebuah eubah acak ang menebar menurut distribusi Gamma r, /1 [7]. Hal ini daat dilihat ada enjabaran berikut fk 0 λ k 0 f P oissonλ kf Gammar, 1 λdλ, 1 r r k!γr 1 k! e λ λ r 1 e 0 λ1 r Γr dλ, λ r+k 1 e λ dλ, 1 r r r+k Γr + k, k!γr Γr + k k!γr 1 r k Karakterisasi Sebaran Binomial Negatif Jika X meruakan eubah acak ang berdistribusi Binomial Negatif ang memiliki fungsi keekatan eluang r + 1 P X r 1, 2.1 dimana 0, 1, 2, dan 0 1. Nilai haraan dari eubah acak X adalah EX Momen kedua dari eubah acak X adalah EX 2 sehingga nilai variansi dari eubah acak X dieroleh r r1 1 + r1 2, 2.3 V arx r1 2. Adaun fungsi embangkit momen dari eubah acak X, dieroleh dengan cara sebagai berikut r M X t 1 1 e t. 2.4

3 Karakterisasi Sebaran Binomial Negatif 67 Dengan menggunakan fungsi embangkit momen dieroleh nilai Skewness dari sebaran Binomial Negatif sebagai berikut. dimana Skew[X] E[X µ3 ] 2 qr 1 2 σ 3 [ qr1 + qr h q2 r 2 ] 2 h 1 r 1r 2 q2 + 2q2 + 3r 1q q + 4q + 6q 2. dan nilai Kurtosis dari eubah acak sebaran Binomial Negatif adalah dimana Kurt[X] 3 qr [h 2 4 qr h qr3 1 + qr qr3 ] h 2 r 1r 2r 3 q3 + 6r 1r 2q q, 3 +4r 1 q [1 + 6q + 4q q + 6q2 42q2 ] + + 8q + 12q q Fungsi Karakteristik Sebaran Binomial Negatif Fungsi Karakteristik meruakan fungsi ang selalu ada dimiliki oleh suatu eubah acak baik diskrit atau kontinu. Fungsi karakteristik daat digunakan untuk membuktikan teorema-teorema ang enting dalam statistika, salah satuna adalah untuk membuktikan keterbagian tak hingga suatu sebaran. Pada Lukacs [5] terdaat beberaa sifat-sifat dari fungsi karakteristik sebagai berikut. Proosisi 3.1. Misalkan ϕ X t meruakan fungsi karakteristik eubah acak X, maka ϕ X 0 1. Proosisi 3.2. Fungsi karakteristik ada untuk sebarang sebaran. Proosisi 3.3. Misalkan X suatu eubah acak dengan fungsi karakteristik ϕ X t, maka fungsi karakteristik dari X adalah sekawan dari fungsi karakteristik ϕ X t atau dituliskan dengan ϕ X t. Proosisi 3.4. Fungsi karakteristik ϕ X t adalah kontinu seragam. Proosisi 3.5. Misalkan X suatu eubah acak maka, fungsi karakteristik dari a + bx adalah e ita ϕ X bt. Fungsi karakteristik dari eubah acak X ang berdistribusi Binomial Negatif daat dirumuskan sebagai berikut ϕ X t Ee itx r + 1 e it r + 1 r r 1 1 e it.

4 68 Deb Handaani dkk. Misalkan 1 1 e it, maka r + 1 r 1 r r, r r + 1 r 1 r, r 11 e it r, 1 1 e it r. Akan ditunjukkan fungsi karakteristik ϕ X t memenuhi sifat-sifat fungsi karakteristik berikut. r Sifat 3.6. Misalkan ϕ X t 1 1 e maka it ϕx 0 1. Penjelasan. Perhatikan bahwa r ϕ X t 1 1 e it, r ϕ X e 0, r, 1. Sifat 3.7. Misalkan X suatu eubah acak dengan fungsi karakteristik ϕ X t, maka fungsi karakteristik dari X adalah sekawan dari fungsi karakteristik ϕ X t atau dituliskan dengan ϕ X t. Penjelasan. Fungsi karakteristik eubah acak X adalah ϕ X t Ee itx r + 1 e it r + 1 r r 1, 1 e it. Misalkan 1 1 e it, maka r + 1 r 1 r r, r r + 1 r 1 r, r 11 e it r, 1 1 e it r.

5 Karakterisasi Sebaran Binomial Negatif 69 r Sifat 3.8. Fungsi karakteristik ϕ X t 1 1 e adalah kontinu seragam. it r Penjelasan. Misalkan ϕ X t 1 1 e dan h s t dimana s > t, maka it akan ditunjukkan setia ɛ > 0 terdaat δ > 0 sedemikian sehingga ϕ X s ϕ X t < ɛ untuk s t < δ. Perhatikan bahwa r r ϕ X s ϕ X t e is 1 1 e ist, 1 e is mr 1 e it mr, m0 m0 1 e ih+t mr 1 e it mr. m0 Untuk h 0 maka ϕ X s ϕ X t 0 dimana s t 0. Hal ini menunjukkan δ bergantung ada ɛ dimana ϕ X s ϕ X t < ɛ untuk s t < δ. Sifat 3.9. Misalkan X suatu eubah acak, maka fungsi karakteristik dari a + bx adalah e ita ϕ X bt. Penjelasan. Perhatikan bahwa ϕ a+bx t Ee ita+bx r + 1 e ita e itb r + 1 e ita r m0 r 1, 1 e itb. Misalkan 1 1 e itb, maka r + 1 e ita r 1 r r, ita r r + 1 e r 1 r, e ita r 11 e itb r, r e ita 1 1 e itb, e ita ϕ X bt. Daftar Pustaka [1] Bain, L.J. dan M. Engelhardt Introduction to Probabilit and Mathematical Statistics Second Edition. Dubur Press, California. [2] Casella, G. dan R. L, Berger Statistical Inference. Ed. Ke-1, Pasific Grove, California.

6 70 Deb Handaani dkk. [3] Chung, K. L A Course In Probabilit Theor. 3 rd ed. San Diego: Academ Press. [4] Laha, R.G dan V.K, Rohagi Probabilit Theor. New York: John Wile Son. [5] Lukacs, E Characteristic Function. 2 nd ed. london: Griffin. [6] Panjer, H. H. dan G. E. Willot Finite Sum Evaluation of The Negative Binomial-Eksonensial Model. Astin Bulletin [7] Paul, D. I A Critical Review of Some Proerties and Alications of The Negative Binomial Distribution and Its Relation to Other Probabilit Distribution. International Buletin Journal of Engineering and Science 2 : [8] Tucker, H. G Probabilit and Mathematical Statistics. London: Academ Press. [9] Wang, Z One Mi Negative Binomial Distribution with Alication. Statistical Planning 141 :

KETERBAGIAN TAK HINGGA SEBARAN RIEMANN ZETA

KETERBAGIAN TAK HINGGA SEBARAN RIEMANN ZETA Jurnal Matematika UNAND Vol. 4 No. Hal. 6 67 ISSN : 2303 290 c Jurusan Matematika FMIPA UNAND KETERBAGIAN TAK HINGGA SEBARAN RIEMANN ZETA DONA ARIANI Program Studi Matematika, Fakultas Matematika dan Ilmu

Lebih terperinci

KONVOLUSI DARI PEUBAH ACAK BINOMIAL NEGATIF

KONVOLUSI DARI PEUBAH ACAK BINOMIAL NEGATIF Jurnal Matematika UNAND Vol. 2 No. 3 Hal. 22 27 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND KONVOLUSI DARI PEUBAH ACAK BINOMIAL NEGATIF NUR ADE YANI Program Studi Magister Matematika, Fakultas Matematika

Lebih terperinci

KONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA

KONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA Jurnal Matematika UNAND Vol. No. 4 Hal. 9 ISSN : 33 9 c Jurusan Matematika FMIPA UNAND KONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA MARNISYAH ANAS Program Studi Magister Matematika, Fakultas

Lebih terperinci

SIFAT-SIFAT DASAR FUNGSI KARAKTERISTIK DARI DISTRIBUSI CAUCHY

SIFAT-SIFAT DASAR FUNGSI KARAKTERISTIK DARI DISTRIBUSI CAUCHY Jurnal Matematika UNAND Vol. 5 No. 2 Hal. 94 11 ISSN : 233 291 c Jurusan Matematika FMIPA UNAND SIFAT-SIFAT DASAR FUNGSI KARAKTERISTIK DARI DISTRIBUSI CAUCHY NAZHMAL HUDA Program Studi Magister Matematika,

Lebih terperinci

SIFAT-SIFAT DASAR FUNGSI KARAKTERISTIK

SIFAT-SIFAT DASAR FUNGSI KARAKTERISTIK SIFAT-SIFAT DASAR FUNGSI KARAKTERISTIK MEDI PRASETIA Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Andalas Padang, Kampus Unand Limau Manis, Padang 25163 mediprasetia@gmail.com

Lebih terperinci

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS DISTRIBUSI ERLANG DAN PENERAPANNYA Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS nia.rini.purita2316@gmail.com, getut.uns@gmail.com ABSTRAK

Lebih terperinci

PENDUGAAN PARAMETER DISTRIBUSI BETA DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENDUGAAN PARAMETER DISTRIBUSI BETA DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 23 28 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENDUGAAN PARAMETER DISTRIBUSI BETA DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD FEBY RIDIANI Program

Lebih terperinci

PERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL

PERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 139 146 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL

Lebih terperinci

FPM PADA KELUARGA EKSPONENSIAL BENTUK KONONIK

FPM PADA KELUARGA EKSPONENSIAL BENTUK KONONIK FPM PADA KELUARGA EKSPONENSIAL BENTUK KONONIK Oleh : Entit Puspita Jurusan Pendidikan Matematika Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam Universitas Pendidikan Indonesia ABSTRACT We can

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

Distribusi Probabilitas Diskret Teoritis

Distribusi Probabilitas Diskret Teoritis Distribusi robabilitas Diskret Teoritis Distribusi robabilitas Teoritis Diskret Distribusi seragam diskret (discrete uniform distribution) Distribusi hipergeometris (hypergeometric distribution) Distribusi

Lebih terperinci

BAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi

BAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Matematika merupakan salah satu cabang ilmu pengetahuan yang melambangkan kemajuan zaman. Oleh karena itu matematika banyak digunakan oleh cabang ilmu lain

Lebih terperinci

digunakan untuk menyelesaikan persamaan yang nantinya akan diperoleh dalam

digunakan untuk menyelesaikan persamaan yang nantinya akan diperoleh dalam II. LANDASAN TEORI Pada bab ini akan diberikan konsep dasar yang akan digunakan dalam pembahasan hasil penelitian ini, antara lain : 2.1 Fungsi Gamma Fungsi gamma merupakan suatu fungsi khusus. Fungsi

Lebih terperinci

MODEL PARTISIPASI PEMILIH MASYARAKAT KABUPATEN DHAMASRAYA PADA PEMILU 2014 DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK BAYESIAN

MODEL PARTISIPASI PEMILIH MASYARAKAT KABUPATEN DHAMASRAYA PADA PEMILU 2014 DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK BAYESIAN Jurnal Matematika UNAND Vol. VI No. 1 Hal. 128 133 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL PARTISIPASI PEMILIH MASYARAKAT KABUPATEN DHAMASRAYA PADA PEMILU 2014 DENGAN MENGGUNAKAN METODE

Lebih terperinci

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS DISTRIBUSI DISKRIT KHUSUS UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON MULTINOMIAL HIPERGEOMETRIK GEOMETRIK BINOMIAL NEGATIF MA3181 Teori Peluang 27 Oktober 2014 Utriweni Mukhaiyar DISTRIBUSI UNIFORM (SERAGAM)

Lebih terperinci

Penentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson

Penentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson Vol. 6, No.1, 44-48, Juli 2009 Penentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson Georgina M. Tinungki Abstrak Terdapat beberapa metode untuk membangun uji statistik yang baik, diantaranya

Lebih 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

PERBANDINGAN METODE BLACK SCHOLES DAN SIMULASI MONTE CARLO DALAM PENENTUAN HARGA OPSI EROPA

PERBANDINGAN METODE BLACK SCHOLES DAN SIMULASI MONTE CARLO DALAM PENENTUAN HARGA OPSI EROPA Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 7 16 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN METODE BLACK SCHOLES DAN SIMULASI MONTE CARLO DALAM PENENTUAN HARGA OPSI EROPA TOMI DESRA YULIANDI,

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

Teorema Limit Pusat dan Limit Distribusi

Teorema Limit Pusat dan Limit Distribusi pendekatan dengan kasus Andi Kresna Jaya andikresna@yahoo.com Jurusan Matematika September 22, 2014 Outline 1 Review 2 Teorema Limit Pusat 3 Teorema Limit Distribusi Back Outline 1 Review 2 Teorema Limit

Lebih terperinci

PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA

PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 26 34 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA NADIA UTIKA PUTRI, MAIYASTRI, HAZMIRA

Lebih terperinci

PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA

PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 53 61 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA OLIVIA ATINRI,

Lebih terperinci

AUTOKORELASI PADA BAGAN KENDALI

AUTOKORELASI PADA BAGAN KENDALI Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 88 96 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND AUTOKORELASI PADA BAGAN KENDALI NILA CHOIROTUNNISA, MAIYASTRI, YUDIANTRI ASDI Program Studi Matematika,

Lebih terperinci

Penentuan Momen ke-5 dari Distribusi Gamma

Penentuan Momen ke-5 dari Distribusi Gamma Jurnal Penelitian Sains Volume 6 Nomor (A) April 0 Penentuan Momen ke-5 dari Distribusi Gamma Robinson Sitepu, Putra B.J. Bangun, dan Heriyanto Jurusan Matematika Fakultas MIPA Universitas Sriwijaya, Indonesia

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam 4 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam menentukan momen, kumulan, dan fungsi karakteristik dari distribusi log-logistik (α,β). 2.1 Distribusi Log-Logistik

Lebih terperinci

MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS

MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS Jurnal Matematika UNAND Vol. VI No. 1 Hal. 33 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS

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

KETERBAGIAN TAK HINGGA DISTRIBUSI LOG-GAMMA DAN APLIKASINYA DALAM PEMBUKTIAN RUMUS PERKALIAN GAUSS DAN RUMUS LEGENDRE

KETERBAGIAN TAK HINGGA DISTRIBUSI LOG-GAMMA DAN APLIKASINYA DALAM PEMBUKTIAN RUMUS PERKALIAN GAUSS DAN RUMUS LEGENDRE Jurnal Mateatika UNAND Vol. 2 No. 3 Hal. 28 33 ISSN : 2303 2910 c Jurusan Mateatika FMIPA UNAND KETERBAGIAN TAK HINGGA DISTRIBUSI LOG-GAMMA DAN APLIKASINYA DALAM PEMBUKTIAN RUMUS PERKALIAN GAUSS DAN RUMUS

Lebih terperinci

PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA BERDASARKAN FAKTOR SOSIODEMOGRAFI

PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA BERDASARKAN FAKTOR SOSIODEMOGRAFI Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 58 65 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA

Lebih terperinci

PEMODELAN KELAHIRAN MURNI DAN KEMATIAN MURNI DENGAN DUA JENIS KELAMIN DENGAN PROSES STOKASTIK

PEMODELAN KELAHIRAN MURNI DAN KEMATIAN MURNI DENGAN DUA JENIS KELAMIN DENGAN PROSES STOKASTIK Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 72 79 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN KELAHIRAN MURNI DAN KEMATIAN MURNI DENGAN DUA JENIS KELAMIN DENGAN PROSES STOKASTIK FEBI OKTORA

Lebih terperinci

SILABUS. 5. Evaluasi a. Kehadiran = 10% b. Tugas = 20% c. UTS = 30% d. UAS = 40%

SILABUS. 5. Evaluasi a. Kehadiran = 10% b. Tugas = 20% c. UTS = 30% d. UAS = 40% 0 SILABUS 1. Identitas Mata Kuliah Nama Mata Kuliah : Statistika Matematik 1 Kode Mata Kuliah : MT 404 Jumlah SKS : 3 Semester : 6 Kelompok Mata Kuliah : Mata Kuliah Keahlian (MKK) Program Studi Jurusan/Program

Lebih terperinci

ANALISIS REGRESI LOGISTIK DENGAN METODE PENDUGA BAYES UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN BAYI BERAT BADAN LAHIR RENDAH

ANALISIS REGRESI LOGISTIK DENGAN METODE PENDUGA BAYES UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN BAYI BERAT BADAN LAHIR RENDAH Jurnal Matematika UNAND Vol. 4 No. 1 Hal. 53 60 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI LOGISTIK DENGAN METODE PENDUGA BAYES UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI

Lebih terperinci

PENDUGAAN PARAMETER MODEL AUTOREGRESSIVE PADA DERET WAKTU

PENDUGAAN PARAMETER MODEL AUTOREGRESSIVE PADA DERET WAKTU Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 28 37 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENDUGAAN PARAMETER MODEL AUTOREGRESSIVE PADA DERET WAKTU NELFA SARI Program Studi Matematika, Fakultas

Lebih terperinci

Kata Kunci: Analisis Regresi Linier, Penduga OLS, Penduga GLS, Autokorelasi, Regresor Bersifat Stokastik

Kata Kunci: Analisis Regresi Linier, Penduga OLS, Penduga GLS, Autokorelasi, Regresor Bersifat Stokastik Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 168 176 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN PENDUGA ORDINARY LEAST SQUARES (OLS) DAN GENERALIZED LEAST SQUARES (GLS) PADA MODEL REGRESI

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI KOTA PADANG TAHUN 2013 DAN 2014 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF

PEMODELAN JUMLAH KEMATIAN BAYI DI KOTA PADANG TAHUN 2013 DAN 2014 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF Jurnal Matematika UNAND Vol. VI No. 1 Hal. 74 82 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN JUMLAH KEMATIAN BAYI DI KOTA PADANG TAHUN 2013 DAN 2014 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF

Lebih terperinci

LANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan

LANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan 4 II. LANDASAN TEORI Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan Schmeiser (1974), yang memiliki empat parameter dari pengembangan distribusi Lambda Tukey. Keluarga distribusi

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

Percobaan terdiri dari 1 usaha. Peluang sukses p Peluang gagal 1-p Misalkan. 1, jika terjadi sukses X jika terjadi tidak sukses (gagal)

Percobaan terdiri dari 1 usaha. Peluang sukses p Peluang gagal 1-p Misalkan. 1, jika terjadi sukses X jika terjadi tidak sukses (gagal) Percobaan Bernoulli 5 Percobaan terdiri dari 1 usaha Sukses Usaha Gagal Peluang sukses p Peluang gagal 1-p Misalkan 1, jika terjadi sukses X 0, jika terjadi tidak sukses (gagal) Distribusi Bernoulli 6

Lebih terperinci

BAB I PENDAHULUAN. ilmu statistika beberapa waktu belakangan ini. Konsep keterbagian tak hingga

BAB I PENDAHULUAN. ilmu statistika beberapa waktu belakangan ini. Konsep keterbagian tak hingga BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Keterbagian tak hingga merupakan salah satu topik yang menarik di bidang ilmu statistika beberapa waktu belakangan ini. Konsep keterbagian tak hingga adalah

Lebih terperinci

PROSES POISSON MAJEMUK. 1. Pendahuluan

PROSES POISSON MAJEMUK. 1. Pendahuluan PROSES POISSON MAJEMUK Chris Risen, Respatiwulan, Pangadi Program Studi Matematika FMIPA UNS Abstrak. Proses Poisson merupakan proses menghitung {; t 0} yang digunakan untuk menentukan jumlah kejadian

Lebih terperinci

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian penulis. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari generalized Weibull

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

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS DISTRIBUSI DISKRIT KHUSUS U N I F O R M ( S E R A G A M ) B E R N O U L L I B I N O M I A L P O I S S O N MA 4085 Pengantar Statistika 26 Februari 2013 Utriweni Mukhaiyar M U L T I N O M I A L H I P E

Lebih terperinci

KARAKTERISASI SEBARAN CAUCHY

KARAKTERISASI SEBARAN CAUCHY Jurnal Matematika UNAND Vol. No. 3 Hal. 3 ISSN : 33 9 c Jurusan Matematika FMIPA UNAND KARAKTERISASI SEBARAN CAUCHY SUSTI RAHMAH YULITA S Program Studi Magister Matematika, Fakultas Matematika dan Ilmu

Lebih terperinci

PORTOFOLIO ENVELOPE PADA ASET FINANSIAL

PORTOFOLIO ENVELOPE PADA ASET FINANSIAL Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 80 87 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PORTOFOLIO ENVELOPE PADA ASET FINANSIAL JATU VISITASARI, DODI DEVIANTO Program Studi Matematika, Fakultas

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

Kata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue

Kata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue Jurnal Matematika UNAND Vol. VI No. 1 Hal. 9 16 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN DBD (DEMAM BERDARAH DENGUE) MENGGUNAKAN REGRESI LOGISTIK

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

BAB 2 TINJAUAN TEORITIS. Menurut Open Darnius (2006, hal: 53) simulasi dapat diartikan sebagai suatu

BAB 2 TINJAUAN TEORITIS. Menurut Open Darnius (2006, hal: 53) simulasi dapat diartikan sebagai suatu xiv BAB 2 TINJAUAN TEORITIS 2.1 Pendahuluan Menurut Open Darnius (2006, hal: 53) simulasi dapat diartikan sebagai suatu rekayasa dari suatu model secara logika ilmiah merupakan suatu metode alternatif

Lebih terperinci

PENAKSIR MAKSIMUM LIKELIHOOD DENGAN METODE ITERASI NEWTON - RAPHSON

PENAKSIR MAKSIMUM LIKELIHOOD DENGAN METODE ITERASI NEWTON - RAPHSON PENAKSIR MAKSIMUM LIKELIHOOD DENGAN METODE ITERASI NEWTON - RAPHSON Haposan Sirait 1 dan Rustam Efendi 2 1,2 Dosen Program Studi Matematika FMIPA Universitas Riau. Abstrak: Makalah ini menyajikan tentang

Lebih terperinci

RUANG TOPOLOGI LEMBUT KABUR

RUANG TOPOLOGI LEMBUT KABUR Jurnal Matematika UNAND Vol. 5 No. 2 Hal. 122 128 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND RUANG TOPOLOGI LEMBUT KABUR SRI NOVITA SARI Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI

BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI 3.1 Pendahuluan Pada bab sebelumnya telah dibahas mengenai pertidaksamaan Chernoff dengan terlebih dahulu diberi pemaparan mengenai dua pertidaksamaan

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

BAB I PENDAHULUAN. 1.1 Latar belakang masalah

BAB I PENDAHULUAN. 1.1 Latar belakang masalah BAB I PENDAHULUAN 1.1 Latar belakang masalah Dalam pertandingan sepakbola, terutama dalam babak final, dukungan terhadap tim-tim yang diprediksi akan menang dalam suatu pertandingan seringkali dijadikan

Lebih terperinci

INDEKS KEMAMPUAN PROSES BERDASARKAN PROPORSI PERSESUAIAN UNTUK DISTRIBUSI NON NORMAL

INDEKS KEMAMPUAN PROSES BERDASARKAN PROPORSI PERSESUAIAN UNTUK DISTRIBUSI NON NORMAL J. Math. and Its Appl. ISSN: 1829-605X Vol. 7, No. 2, November 2010, 47 55 INDEKS KEMAMPUAN PROSES BERDASARKAN PROPORSI PERSESUAIAN UNTUK DISTRIBUSI NON NORMAL Laksmi P Wardhani 1, Resty Z Fahrida, Nur

Lebih terperinci

BAB 7 DISTRIBUSI-COMPOUND DAN GENERALIZED SPASIAL MUHAMMAD NUR AIDI

BAB 7 DISTRIBUSI-COMPOUND DAN GENERALIZED SPASIAL MUHAMMAD NUR AIDI 7.1. Pendahuluan BAB 7 DISTRIBUSI-COMPOUND DAN GENERALIZED SPASIAL MUHAMMAD NUR AIDI Pada bab sebelumnya, penyebaran spatial (konfigurasi spasial) dimana ditunjukan sebagai ragam sampel quadran. Bab ini

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

PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM

PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM BIAStatistics (2015) Vol. 9, 2, hal. 28-32 PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM Munawar Jurusan Matematika FMIPA Universitas Syiah

Lebih terperinci

ANALISIS REGRESI KUANTIL

ANALISIS REGRESI KUANTIL Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 103 107 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI KUANTIL SAIDAH, FERRA YANUAR, DODI DEVIANTO Program Studi Magister Matematika, Fakultas

Lebih terperinci

STATISTIKA UNIPA SURABAYA

STATISTIKA UNIPA SURABAYA MATEMATIKA STATISTIKA (MATHEMATICAL STATISTICS) GANGGA ANURAGA Materi : Distribusi variabel random Teori Himpunan Fungsi Himpunan Fungsi Himpunan Peluang Variabel Random Fungsi Kepadatan Peluang Fungsi

Lebih 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

UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, MA 2081 Statistika Dasar.

UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, MA 2081 Statistika Dasar. DISTRIBUSI DISKRIT UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, GEOMETRIK, BINOMIAL NEGATIF MA 2081 Statistika Dasar Utriweni Mukhaiyar 7 Maret

Lebih terperinci

HIMPUNAN KUBIK ASIKLIK DAN KUBUS DASAR

HIMPUNAN KUBIK ASIKLIK DAN KUBUS DASAR Jurnal Matematika UNAND Vol. 2 No. 4 Hal. 43 49 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND HIMPUNAN KUBIK ASIKLIK DAN KUBUS DASAR WIWI ULMAYANI Program Studi Matematika, Fakultas Matematika dan

Lebih terperinci

GRAF RAMSEY (K 1,2, C 4 )-MINIMAL DENGAN DIAMETER 2

GRAF RAMSEY (K 1,2, C 4 )-MINIMAL DENGAN DIAMETER 2 Jurnal Matematika UNAND Vol. 2 No. 4 Hal. 67 72 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND GRAF RAMSEY (K 1,2, C 4 )-MINIMAL DENGAN DIAMETER 2 DEBBY YOLA CRISTY Program Studi Matematika, Fakultas

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

KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY

KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY Joko Sungkono* Abstrak : Tujuan yang ingin dicapai pada tulisan ini adalah mengetahui kekuatan konvergensi dalam probabilitas dan konvergensi

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi Binomial adalah distribusi probabilitas diskrit jumlah keberhasilan dalam n percobaan ya/tidak(berhasil/gagal)

Lebih terperinci

MODEL ASURANSI KENDARAAN BERMOTOR MENGGUNAKAN DISTRIBUSI MIXED POISSON ABSTRACT

MODEL ASURANSI KENDARAAN BERMOTOR MENGGUNAKAN DISTRIBUSI MIXED POISSON ABSTRACT JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 229-240 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MODEL ASURANSI KENDARAAN BERMOTOR MENGGUNAKAN DISTRIBUSI MIXED POISSON Tina

Lebih terperinci

PENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON

PENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON E-Jurnal Matematika Vol., No., Mei 013, 49-53 ISSN: 303-1751 PENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON I PUTU YUDANTA EKA PUTRA 1, I PUTU EKA

Lebih terperinci

BAB 5 FUNDAMENTAL DISTRIBUSI PELUANG MUHAMMAD NUR AIDI

BAB 5 FUNDAMENTAL DISTRIBUSI PELUANG MUHAMMAD NUR AIDI BAB 5 FUNDAMENTAL DISTRIBUSI PELUANG MUHAMMAD NUR AIDI 5.1. Pendahuluan Untuk mendeteksi bagaimana konfigurasi titik dalam ruang apakah bersifat acak atau random, regular, ataupun cluster (kelompok); pertama-tama

Lebih terperinci

II. TINJAUAN PUSTAKA. kontinu. Bentuk kurva distribusi logistik adalah simetri dan uni-modal. Bentuk

II. TINJAUAN PUSTAKA. kontinu. Bentuk kurva distribusi logistik adalah simetri dan uni-modal. Bentuk 5 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan beberapa tinjauan pustaka yang digunakan penulis pada penelitian ini, antara lain : 2.1 Distribusi Logistik Distribusi logistik merupakan distribusi

Lebih terperinci

Ekspektasi Satu Peubah Acak Diskrit

Ekspektasi Satu Peubah Acak Diskrit Chandra Novtiar 085794801125 chandramathitb07@gmail.com PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP) SILIWANGI BANDUNG Garis Besar Pembahasan Sub Pokok Pembahasan

Lebih terperinci

KEKONVERGENAN BARISAN DI RUANG HILBERT PADA PEMETAAN TIPE-NONSPREADING DAN NONEXPANSIVE

KEKONVERGENAN BARISAN DI RUANG HILBERT PADA PEMETAAN TIPE-NONSPREADING DAN NONEXPANSIVE Jurnal Matematika UNAND Vol. 2 No. 1 Hal. 42 51 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND KEKONVERGENAN BARISAN DI RUANG HILBERT PADA PEMETAAN TIPE-NONSPREADING DAN NONEXPANSIVE DEBI OKTIA HARYENI

Lebih terperinci

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS DISTRIBUSI DISKRIT KHUSUS Uniform Bernoulli Binomial Poisson Distribusi Lainnya: Multinomial Hipergeometrik Geometrik Binomial Negatif BI5106 Analisis Biostatistika 27 September 2012 Distribusi uniform

Lebih terperinci

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS DISTRIBUSI DISKRIT KHUSUS Uniform U (seragam) MultinomialM l i i l Bernoulli Hipergeometrik Binomial Geometrik Poisson Binomial Negatif MA 2081 Statistika Dasar Utriweni Mukhaiyar 27 September 2012 2 Distribusi

Lebih terperinci

Kata Kunci: Bagan kendali nonparametrik, estimasi fungsi kepekatan kernel

Kata Kunci: Bagan kendali nonparametrik, estimasi fungsi kepekatan kernel Jurnal Matematika UNAND Vol. 5 No. 2 Hal. 1 10 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND BAGAN KENDALI NONPARAMETRIK DENGAN ESTIMASI FUNGSI KEPEKATAN KERNEL (STUDI KASUS: INDEKS PRESTASI MAHASISWA

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

Ekspektasi Satu Peubah Acak Kontinu

Ekspektasi Satu Peubah Acak Kontinu Chandra Novtiar 0857948015 chandramathitb07@gmail.com PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP) SILIWANGI BANDUNG Garis Besar Pembahasan Sub Pokok Pembahasan

Lebih terperinci

STATISTIK PERTEMUAN VI

STATISTIK PERTEMUAN VI STATISTIK PERTEMUAN VI 1. TEORI PENDUKUNG 1.1 Pendahuluan 1. Variabel acak 1.3 Distribusi variabel acak diskrit 1.4 Distribusi variabel acak kontinu 1.5 Distribusi multivariat 1.1 Pendahuluan Definisi

Lebih terperinci

KAJIAN SIFAT DISTRIBUSI NORMAL BIVARIAT

KAJIAN SIFAT DISTRIBUSI NORMAL BIVARIAT Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 127 132. KAJIAN SIFAT DISTRIBUSI NORMAL BIVARIAT Turyadi, Muhlasah Novitasari Mara, Dadan Kusnandar INTISARI Distribusi

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

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

Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X

Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik

Lebih 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

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

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan berjalannya waktu, ilmu pengetahuan dan teknologi (sains dan teknologi) telah berkembang dengan cepat. Salah satunya adalah ilmu matematika yang

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

SOLUSI POSITIF DARI PERSAMAAN LEONTIEF DISKRIT

SOLUSI POSITIF DARI PERSAMAAN LEONTIEF DISKRIT Jurnal Matematika UNAND Vol. 2 No. 3 Hal. 103 108 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND SOLUSI POSITIF DARI PERSAMAAN LEONTIEF DISKRIT RASITA ANAS Program Studi Matematika, Fakultas Matematika

Lebih terperinci

DASAR-DASAR ANALISIS MATEMATIKA

DASAR-DASAR ANALISIS MATEMATIKA (Bekal untuk Para Sarjana dan Magister Matematika) Dosen FMIPA - ITB E-mail: hgunawan@math.itb.ac.id. December 11, 2007 Misalkan f terdefinisi pada suatu himpunan H. Kita katakan bahwa f naik pada H apabila

Lebih terperinci

ESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK

ESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK ESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK Adri Arisena 1, Anna Chadidjah 2, Achmad Zanbar Soleh 3 Departemen Statistika Universitas Padjadjaran 1 Departemen Statistika

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

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

PEMBUKTIAN RUMUS BENTUK TUTUP BEDA MUNDUR BERDASARKAN DERET TAYLOR

PEMBUKTIAN RUMUS BENTUK TUTUP BEDA MUNDUR BERDASARKAN DERET TAYLOR Jurnal Matematika UNAND Vol. VI No. Hal. 68 76 ISSN : 233 29 c Jurusan Matematika FMIPA UNAND PEMBUKTIAN RUMUS BENTUK TUTUP BEDA MUNDUR BERDASARKAN DERET TAYLOR WIDIA ASTUTI Program Studi Matematika, Fakultas

Lebih terperinci

BAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer

BAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer BAB I PENDAHULUAN A. Latar Belakang Statistika merupakan salah satu ilmu matematika yang terus berkembang dari waktu ke waktu. Di dalamnya mencakup berbagai sub pokok-sub pokok materi yang sangat bermanfaat

Lebih terperinci

MA3081 STATISTIKA MATEMATIKA We love Statistics

MA3081 STATISTIKA MATEMATIKA We love Statistics Catatan Kuliah MA3081 STATISTIKA MATEMATIKA We love Statistics disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Daftar Isi 1 Peubah Acak

Lebih terperinci

POISSON PROSES NON-HOMOGEN. Abdurrahman Valid Fuady, Hasih Pratiwi, dan Supriyadi Wibowo Program Studi Matematika FMIPA UNS

POISSON PROSES NON-HOMOGEN. Abdurrahman Valid Fuady, Hasih Pratiwi, dan Supriyadi Wibowo Program Studi Matematika FMIPA UNS POISSON PROSES NON-HOMOGEN Abdurrahman Valid Fuady, Hasih Pratiwi, dan Supriyadi Wibowo Program Studi Matematika FMIPA UNS ABSTRAK. Proses Poisson merupakan proses stokastik sederhana dan dapat digunakan

Lebih terperinci

Teorema Newman Pearson

Teorema Newman Pearson pengujian terbaik Andi Kresna Jaya andikresna@yahoo.com Jurusan Matematika October 6, 2014 Outline 1 Review 2 Uji dua sisi untuk mean 3 Teorema Neyman-Pearson Back Outline 1 Review 2 Uji dua sisi untuk

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA. B. TUJUAN PEMBELAJARAN Setelah menempuh mata kuliah ini mahasiswa diharapkan mampu:

RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA. B. TUJUAN PEMBELAJARAN Setelah menempuh mata kuliah ini mahasiswa diharapkan mampu: RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah Statistika Maa I Kode/sks : MAS 4111/ 3 Semester : III Status (Wajib/Pilihan) : Wajib (W) Prasyarat : MAS 4218

Lebih terperinci

Peubah Acak dan Distribusi Kontinu

Peubah Acak dan Distribusi Kontinu BAB 1 Peubah Acak dan Distribusi Kontinu 1.1 Fungsi distribusi Definisi: Misalkan X peubah acak. Fungsi distribusi (kumulatif) dari X adalah F X (x) = P (X x) Contoh: 1. Misalkan X Bin(3, 0.5), maka fungsi

Lebih terperinci

Catatan Kuliah MA3081 STATISTIKA MATEMATIKA Statistika Mengalahkan Matematika. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah MA3081 STATISTIKA MATEMATIKA Statistika Mengalahkan Matematika. disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Catatan Kuliah MA3081 STATISTIKA MATEMATIKA Statistika Mengalahkan Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Daftar Isi

Lebih terperinci