MINGGU KE-6 VARIABEL RANDOM DAN DISTRIBUSINYA
|
|
- Sukarno Tanuwidjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 MINGGU KE-6 VARIABEL RANDOM DAN DISTRIBUSINYA VARIABEL RANDOM Misalkan (Ω, A, P) ruang probabilitas dan R = {x < x < } dan B : Borel field pada R. Andaikan X : Ω R dan untuk setiap A R, kita definisikan X 1 (A) = {w Ω X (w) A}. Untuk C keluarga himpunan bagian dari R X 1 (C) = {X 1 (A) A C}. Mengingat sifat-sifat fungsi invers X 1 ( n=1 X 1 ( n=1 A n ) = A n ) = n=1 n=1 f 1 (A n ) f 1 (A n ) X 1 (A B) = f 1 (A) f 1 (B) X 1 (A c ) = (f 1 (A)) c
2 untuk C σ fields maka f 1 (C) juga merupakan σ fields. Definisi Misalkan (Ω, A, P) ruang probabilitas, R himpunan semua bilangan real, dan B Borel field maka X : Ω R disebut variabel random bila X 1 (B) A. Terdapat korespondensi 1-1 antara semua ukuran probabilitas P pada (R, B) dan fungsi titik pada F (x) yang didefinisikan sebagai F (x) = P((, x]), x R (1) Fungsi distribusi kumulatif (1) mempunyai sifat-sifat sebagai berikut. 1 F ( ) = lim F (x) = 0. x 2 F ( ) = lim F (x) = 1. x 3 F (x) tidak turun dalam arti bila x 1 x 2, maka F (x 1 ) F (x 2 ). 4 F (x) kontinu dari kanan, yaitu lim h 0 F (x + h) = F (x).
3 Sebaliknya, bila ada fungsi F (x) pada R yang memenuhi 1 sampai dengan 4 maka F (x) adalah fungsi distribusi kumulatif suatu ukuran probabilitas pada (R, B). Untuk setiap variabel random X kita dapat menentukan ukuran probabilitas yang dibangkitkan oleh X dengan notasi P x pada (R, B) melalui P x (A) = P(X 1 (A)) = P({w : X (w) A}) untuk setiap A B (2) Teorema Ruang (R, B, P x ) dengan P x (A) seperti yang didefinisikan pada (2) merupakan ruang probabilitas. Definisi Variabel random X disebut diskret bila terdapat x 1, x 2, x 3... R sedemikian hingga P x (x n ) = 1 n=1 Dari definisi di atas kita melihat bahwa P x secara lengkap dapat ditentukan oleh fungsi p x (x n ) = P x ({x n }), n = 1, 2, 3,... Fungsi p x (x n ) disebut fungsi massa probabilitas dari X.
4 Contoh 1 Misalkan x 1 < x 2 < x 3 <... barisan bilangan real dan p n, n = 1, 2, 3... barisan bilangan real nonnegatif sedemikian hingga p n = 1. Kita definisikan n=1 n p i x n x < x n+1, n = 1, 2,... F (x) = i=1 (3) 0 < x < x 1 F (x) merupakan fungsi distribusi kumulatif tangga. F (x) pada (3) disebut fungsi distribusi kumulatif diskret dan variabel random yang bersesuaian disebut variabel random diskret. Sebaliknya, misalkan kita mempunyai fungsi distribusi kumulatif F (x) dalam (3) dan Ω = {x 1, x 2, x 3...}, A = 2 Ω, dan didefinisikan P(A) = i:x i A p i, A A dan X (w) = w, maka P ukuran probabilitas dengan fungsi distribusi kumulatif F (x) pada (3).
5 Contoh Fungsi Distribusi Kumulatif Kontinu Fungsi distribusi kumulatif seragam berbentuk 0 < x < 0 F (x) = x 0 x < x < Misalkan F (x) fungsi distribusi kumulatif dan F (x) mempunyai derivatif f (x). Menurut teorema fundamental dalam kalkulus F (x) = x f (y)dy, x R Andaikan P adalah ukuran probabilitas yang berkorespondensi dengan F. Untuk setiap B B berlaku F (B) = f (x)dx. f (x) B disebut fungsi kepadatan probabilitas. Syarat perlu dan cukup agar fungsi distribusi kumulatif mempunyai fungsi kepadatan probabilitas adalah F (x) kontinu absolut.
6 VARIABEL RANDOM DISKRET Definisi Suatu variabel random disebut variabel random diskret bila jelajahnya berhingga atau tak terhingga terhitung. Definisi Misalkan X variabel random diskret dengan jelajah D. Fungsi massa probabilitas (f.m.p.) dari X adalah p x (x) = P(X = x) untuk x D Perhatikan bahwa fungsi massa probabilitas memenuhi dua sifat 1. 0 p x (x) 1 untuk setiap x D 2. p x (x) = 1 x D Contoh 2 Diketahui p x (x) = 1 3 untuk x = 1, 0, 1 adalah fungsi massa probabilitas dari variabel random X. Fungsi distribusi kumulatif dari X adalah 0 x < x < 0 F (x) = x < x 1
7 TRANSFORMASI Kita mempunyai variabel random X dan diketahui distribusinya. Kita ingin menyelidiki distribusi variabel random Y dengan Y = g(x ). Kasus g fungsi satu-satu. Fungsi massa probabilitas dari Y adalah p y (y) = P[{Y = y}] = P[g(x) = y] = P[X = g 1 (y)] = p x (g 1 (y)) Contoh 3 Misal X mempunyai f.m.p. p(x) = ( 1 2 )x, x = 1, 2, 3,... Bila Y = X 1 atau g(x ) = X 1 maka g(x ) fungsi 1-1 dengan invers g 1 (y) = y + 1 sehingga f.m.p. dari Y adalah p y (y) = p x (x + 1) = ( 1 2 )y+1 untuk y = 0, 1, 2, 3,... Kasus g tidak satu-satu. Pada umumnya, kita tidak membangun aturan umum, namun pada hampir semua kasus yang menyangkut variabel random diskret, fungsi massa probabilitas Y ditentukan secara langsung.
8 Contoh 4 Misalkan X variabel random geometrik dengan fungsi massa probabilitas. Andaikan Z = (X 2) 2. Ruang Z adalah D z = {0, 1, 4, 9, 16...}. Perhatikan Z = 0 bila dan hanya bila X = 2.Z = 1 bila dan hanya bila X = 1 atau X = 3. Sedangkan untuk harga-harga lain dalam ruang D z terdapat korespondensi satu-satu dengan D x melalui x = z + 2 untuk z {4, 9, 16...}. Akibatnya, fungsi massa probabilitas dari Z adalah p x (2) = 1 untuk z = 0 4 p z (z) = p x (1) + p x (3) = 5 8 untuk z = 1 p x ( z + 2) = 1 ( ) 1 z untuk z = 4, 9, VARIABEL RANDOM KONTINU Variabel random X disebut kontinu bila fungsi distribusi kumulatif dari X, yaitu F x (x) merupakan fungsi kontinu untuk setiap x R. Hampir semua variabel random kontinu adalah kontinu absolut dalam arti terdapat fungsi f x (x) 0 sedemikian hingga F x (x) = x f x (u) du f x (x) disebut fungsi kepadatan probabilitas (f.k.p) dengan sifat-sifat: 1 f x (x) 0 dan 2 f x (x)dx = 1
9 Contoh 5 Misalkan X variabel random dengan fungsi distribusi kumulatif 0 x < 0 1 F x (x) = x 0 x x 2 f.k.p f x (x) yang bersesuaian adalah f x (x) = x 2 TRANSFORMASI VARIABEL RANDOM KONTINU Misalkan X variabel random kontinu dengan f.k.p f x (x). Kita ingin menentukan f.k.p. Y, hasil transformasi Y = g(x ). Kita sering mendapatkan f.k.p. dari Y dengan cara menentukan fungsi distribusi kumulatifnya terlebih dahulu. Contoh 6 Misal X mempunyai f.k.p. f (x0 = 2x 0 x 1 dan fungsi distribusi kumulatif 0 x < 0 F x (x) = x 2 0 x < 1 1 x 1
10 Misalkan Y = X 2. Penyokong Y sama dengan penyokong X yaitu [0, 1] F Y (y) = P[Y y] = P[X 2 y] = P[X y] = F x ( y) = y 2 = y Akibatnya f y (y) = df Y (y) dy = 1 0 y 1 Contoh 7 Misalkan fx(x) = 1 2, 1 < x < 1, merupakan f.k.p. dari variabel random X. Kita definisikan variabel random baru Y dengan Y = X 2. Kita ingin menentukan f.k.p. dari Y. Bila y 0, probabilitas P(Y y) ekuivalen dengan P(X 2 y) = P[ y X y] Akibatnya, fungsi distribusi kumulatif dari Y, F y (y) = P[Y y] diberikan oleh 0 y < 0 y 1 F Y (y) = 2 dx = y 0 y < 1 y 1 y 1
11 sehingga f y (y) = d dy F y (y) = d dy y = 1 2 y 0 < y < 1. Teorema Misalkan X variabel random kontinu dengan f.k.p. f x (x) dan penyokong S x. Andaikan Y = g(x ), dengan g(x) fungsi satu-satu yang terdiferensialkan pada S x, x = g 1 (y) menyatakan invers dari g dan dx dy = d(g 1(y) ) dy. Maka, f.k.p. dari y diberikan oleh f y (y) = f x (g 1 (y)) dx dy, untuk y S y (4) dengan S y = {y = g(x) : x S x } Teorema Misalkan X variabel random kontinu dengan f.k.p. f x (x) dan penyokong S x. Andaikan Y = g(x) dengan g(x) terdiferensialkan pada S x. Bila {S ix, i = 1, 2,...r} partisi dari S x dan S y = r dan g(x) satu-satu dari S ix S iy, i = 1, 2,...r, maka dengan r S i (y)f yi (y), f y (y) = i=1 0 yang lain f yi (y) = f x [g 1 i y S y (y)] d dy g 1 i (y), y S iy dan S i (y) = 1 bila y S iy dan S i (y) = 0 untuk y yang lain. S iy i=1
12 Contoh 8 Misalkan X variabel random kontinu dengan f.k.p. f x (x) dan Y = g(x ) = X 2. Kita ingin menentukan f.k.p. f y (y) dari Y. Dengan mengandaikan f x (x) > 0 untuk setiap x R, maka S 1x = (, 0], S 2x = (0, ), S 1y = [0, ), S 2y = (0, ). Fungsi invers yang bersesuaian dari g adalah g 1 1 (y) = y, g 1 2 (y) = y sehingga Akibatnya, d dy g 1 (y) = 1 2 y dan d dy g 2 (y) = 1 2 y. f y1 (y) = f x ( 1 y) 2 y, f y 2 (y) = f x ( 1 y) 2 y untuk y > 0. Akibatnya, kita mendapat f y (y) = 1 2 y [f x( y) + f x ( y)]
13 Contoh 9 Misalkan X variabel random dengan f.k.p. f x (x) = 1 2π e x2, < x < Andaikan Y = X 2. Dengan argumentasi yang sama seperti dalam contoh di atas 1 f y (y) = 2 y {f ( y) + f ( y)}, y > 0 = 0, y 0 1 e y 2, y > 0 2πy 0, y 0 VARIABEL RANDOM CAMPURAN Contoh 10 Misalkan F (x) fungsi distribusi kumulatif dengan bentuk 0 x < 0 x + 1 F (x) = 0 x < x 1 Sebagai contoh ) P( 3 < x 1 2 ) = F ( 1 2 F ( 3) = = 3 4 dan P(X = 0) = F (0) F (0 ) = = 1 2
14 Contoh 11 Misalkan X variabel random campuran dengan fungsi distribusi kumulatif 0 x < 0 x 2 0 x < 1 4 F (x) = 1 1 x < 2 2 x 2 x < x 3
MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALA
MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALAM STATISTIKA HARGA HARAPAN Definisi Misalkan X variabel random. Bila X variabel random kontinu dengan f.k.p. f (x) dan maka harga harapan X adalah
Lebih terperinciMINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT
MINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT HUKUM BILANGAN BESAR LEMAH DAN KUAT Misalkan X 1, X 2, X 3... barisan variabel random. Kita tulis S n = n X i. Dalam subbab ini kita akan menjawab pertanyaan
Lebih terperinciSTK 203 TEORI STATISTIKA I
STK 203 TEORI STATISTIKA I III. PEUBAH ACAK KONTINU III. Peubah Acak Kontinu 1 PEUBAH ACAK KONTINU Ingat definisi peubah acak! Definisi : Peubah acak Y adalah suatu fungsi yang memetakan seluruh anggota
Lebih terperinciSebaran Peubah Acak Bersama
Bab 6 Sebaran Peubah Acak Bersama 6. Peubah Acak Ganda Misalnya terdapat suatu tindakan pelemparan sekeping mata uang seimbang sebanyak 3 kali, dan X adalah peubah acak banyaknya sisi muka yang muncul
Lebih terperinciMINGGU KE-7 INTEGRAL LEBESQUE
MINGGU KE-7 INTEGRAL LEBESQUE INTEGRAL LEBESQUE (Ω, A, µ): measure space Fungsi Ψ : Ω R disebut sederhana bila jelajahnya berhingga. Misalkan A A. Maka I A : Ω {0, 1} yang didefinisikan sebagai I A (X
Lebih terperinciPengantar 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 terperinciSTK 203 TEORI STATISTIKA I
STK 203 TEORI STATISTIKA I II. PEUBAH ACAK DISKRET II. Peubah Acak Diskret 1 PEUBAH ACAK DISKRET Definisi 2.1. (Peubah Acak) : Peubah Acak Y adalah suatu fungsi yang memetakan seluruh anggota ruang contoh
Lebih terperinciPeubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R
Bab Peubah Acak. Konsep Dasar Peubah Acak Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R Contoh peubah acak: Jika X adalah peubah acak banyaknya sisi muka yang muncul pada
Lebih terperinciSebaran Peubah Acak Bersama
Bab 6 Sebaran Peubah Acak Bersama 6. Peubah Acak Ganda Misalnya terdapat suatu tindakan pelemparan sekeping mata uang seimbang sebanyak 3 kali, dan X adalah peubah acak banyaknya sisi muka yang muncul
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 terperinciLearning 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 terperinciDengan 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 terperinci11. FUNGSI MONOTON (DAN FUNGSI KONVEKS)
11. FUNGSI MONOTON (DAN FUNGSI KONVEKS) 11.1 Definisi dan Limit Fungsi Monoton Misalkan f terdefinisi pada suatu himpunan H. Kita katakan bahwa f naik pada H apabila untuk setiap x, y H dengan x < y berlaku
Lebih terperinciDASAR-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 terperinciPEUBAH ACAK DAN SEBARANNYA
LOGO STATISTIKA MATEMATIKA I PEUBAH ACAK DAN SEBARANNYA Hazmira Yozza Izzati Rami HG Jurusan Matematika FMIPA Universitas Andalas Percobaan : Pelemparan dua mata uang AA AG GA GG S X Definisi 2.1. Peubah
Lebih terperinciPEUBAH ACAK DAN DISTRIBUSINYA
PEUBAH ACAK DAN DISTRIBUSINYA MA3181 Teori Peluang 8 September 2014 Utriweni Mukhaiyar 1 Pemetaan (Fungsi) O Suatu pemetaan / fungsi O Kategori fungsi: 1. Fungsi titik 2. Fungsi himpunan A A B B 2 Peubah
Lebih terperinciMA3231 Analisis Real
MA3231 Analisis Real Hendra Gunawan* *http://hgunawan82.wordpress.com Analysis and Geometry Group Bandung Institute of Technology Bandung, INDONESIA Program Studi S1 Matematika ITB, Semester II 2016/2017
Lebih terperinciPeubah 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 terperinciMA3081 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 terperinciMA 2081 Statistika Dasar Utriweni Mukhaiyar. 11 September 2012
1 PEUBAH ACAK DAN DISTRIBUSINYA MA 2081 Statistika Dasar Utriweni Mukhaiyar 11 September 2012 2 Pemetaan (Fungsi) Suatu pemetaan / fungsi Kategori fungsi: 1. Fungsi titik 2. Fungsi himpunan A A B B 3 Peubah
Lebih terperinciDISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS DISTRIBUSI PROBABILITAS Peluang terjadinya nilai variabel random X yang meliputi semua nilai ditentukan melalui distribusi peluang. Distribusi peluang suatu variabel random X adalah
Lebih terperinciVariabel Banyak Bernilai Real 1 / 1
Fungsi Variabel Banyak Bernilai Real Turunan Parsial dan Turunan Wono Setya Budhi KK Analisis dan Geometri, FMIPA ITB Variabel Banyak Bernilai Real 1 / 1 Turunan Parsial dan Turunan Usaha pertama untuk
Lebih terperinciFungsi Analitik (Bagian Kedua)
Fungsi Analitik (Bagian Kedua) Supama Jurusan Matematika, FMIPA UGM Yogyakarta 5528, INDONESIA Email:maspomo@yahoo.com, supama@ugm.ac.id (Pertemuan Minggu V) Outline Limit Menuju Tak Hingga 2 Fungsi Kontinu
Lebih terperinciasimtot.wordpress.com BAB I PENDAHULUAN
BAB I PENDAHULUAN. Latar Belakang Kalkulus Differensial dan Integral sangat luas penggunaannya dalam berbagai bidang seperti penentuan maksimum dan minimum. Suatu fungsi yang sering digunakan mahasiswa
Lebih terperinciLearning Outcomes Peubah Acak Fungsi Sebaran Secaran Diskret Nilai Harapan. Peubah Acak. Julio Adisantoso. 13 Maret 2014
13 Maret 2014 Learning Outcome Mahasiswa dapat memahami dan menentukan peubah acak dari suatu kejadian Mahasiswa dapat memahami fungsi sebaran Mahasiswa dapat mengerti dan menentukan peubah acak diskret
Lebih terperinciMINGGU KE-9 MACAM-MACAM KONVERGENSI
MINGGU KE-9 MACAM-MACAM KONVERGENSI Kita telah mengetahui bahwa untuk n besar dan θ kecil sedemikian hingga nθ = λ, distribusi binomial bisa dihampiri oleh distribusi Poisson. Mencari hampiran distribusi
Lebih terperinci1. σ field dan pengukuran Definisi 1.1
TEORI PROBABILITAS 1. σ field dan pengukuran Misalkan Ω adalah elemen dari himpunan. Contoh Ω merupakan himpunan bilangan dalam suatu interval di bilangan riil yang merupakan hasil dari percobaan random.
Lebih terperinciPEUBAH ACAK DAN DISTRIBUSINYA. MA 2081 Statistika Dasar Utriweni Mukhaiyar
PEUBAH ACAK DAN DISTRIBUSINYA MA 208 Statistika Dasar Utriweni Mukhaiyar 0 Februari 20 Pemetaan (Fungsi) Suatu pemetaan / fungsi Kategori fungsi:. Fungsi titik 2. Fungsi himpunan 2 A A B B Peubah Acak
Lebih terperinciSTATISTIK 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 terperinciSTATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI
STATISTIKA Muhamad Nursalman Pendilkom/Ilkom UPI 1 Daftar Isi Bab 1 Peluang Bab Peubah Acak Bab 3 Distribusi Peluang Diskret Bab 4 Distribusi Peluang Kontinu Bab 5 Fungsi Peubah Acak Bab 6 Teori Penaksiran
Lebih terperinciSTK 203 TEORI STATISTIKA I
STK 203 TEORI STATISTIKA I V. SEBARAN FUNGSI PEUBAH ACAK V. Sebaran Fungsi Peubah Acak 1 Sebaran Fungsi Peubah Acak Dalam banyak kasus untuk melakukan inferensi terhadap suatu parameter kita lebih banyak
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Dalam bab ini dijelaskan beberapa definisi dan teorema yang digunakan dalam pembahasan selanjutnya. 2.1 Teori Peluang Definisi 2.1.1 (Percobaan Acak) (Ross 2000) Suatu percobaan
Lebih terperinciLampiran 1. Beberapa Definisi dan Lema Teknis
Lampiran 1. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam kondisi yang sama, yang hasilnya tidak dapat diprediksi dengan tepat tetapi kita
Lebih terperinciA. Distribusi Gabungan
HANDOUT PERKULIAHAN Mata Kuliah : Statistika Matematika Pertemuan Ke : 5 Pokok Bahasan : Distibusi Dua peubah Acak URAIAN POKOK PERKULIAHAN A. Distribusi Gabungan Definisi 1: Peubah Acak Berdimensi Dua
Lebih terperinciPEUBAH ACAK DAN DISTRIBUSINYA
4/6/009 Pemetaan (Fungsi) PEUBAH ACAK DAN DISTRIBUSINYA Suatu pemetaan / fungsi Kategori fungsi:. Fungsi titik A B MA 08 Statistika Dasar Dosen : Udjianna S. Pasaribu Utriweni Mukhaiyar Senin, 6 Februari
Lebih terperinciA. Distribusi Gabungan
HANDOUT PERKULIAHAN Mata Kuliah Pokok Bahasan : Statistika Matematika : Distibusi Dua peubah Acak URAIAN POKOK PERKULIAHAN A. Distribusi Gabungan Definisi 1: Peubah Acak Berdimensi Dua Jika S merupakan
Lebih terperinciKALKULUS MULTIVARIABEL II
KALKULUS MULTIVARIABEL II Integral Garis Medan Vektor dan (Minggu ke-8) Andradi Jurusan Matematika FMIPA UGM Yogyakarta, Indonesia 1 Integral Garis Medan Vektor 2 Terkait Lintasan Teorema Fundamental untuk
Lebih terperinciPEUBAH ACAK DAN. MA 2181 Analisis Data Utriweni Mukhaiyar. 22 Agustus 2011
1 PEUBAH ACAK DAN DISTRIBUSINYA MA 2181 Analisis Data Utriweni Mukhaiyar 22 Agustus 2011 Pemetaan (Fungsi) 2 Suatu pemetaan / fungsi Kategori fungsi: 1. Fungsi titik 2. Fungsi himpunan A A B B Peubah Acak
Lebih terperinciBAB I DERIVATIF (TURUNAN)
BAB I DERIVATIF (TURUNAN) Pada bab ini akan dipaparkan pengertian derivatif suatu fungsi, beberapa sifat aljabar derivatif, aturan rantai, dan derifativ fungsi invers. A. Pengertian Derivatif Pengertian
Lebih terperinciINTERGRAL INTEGRAL TAK TENTU INTEGRAL SUBSTITUSI MENU
INTERGRAL OLEH : KELOMPOK 5 KETUA TEORI 1. I GEDE DIKA VIRGA SAPUTRA 2. I WAYAN HERMAWAN 3. EGI AZIKIN MAULANA KETUA SOAL 1. I MADE DUPI ANDIKA 2. I PUTU BAGUS MAHENDRA INTEGRAL TAK TENTU INTEGRAL SUBSTITUSI
Lebih terperinciDistribusi Peluang. Maka peubah acak X dinyatakan dengan banyaknya kemunculan angka. angka sama sekali. angka.
Distribusi Peluang Definisi peubah acak: Misalkan E adalah sebuah percobaan dengan ruang sampel T. Sebuah fungsi X yang memetakan setiap anggota t T dengan sebuah bilangan real X(t) dinamakan peubah acak.
Lebih terperinciTugas Statistika Matematika TEORI PELUANG
Lusi Agustin 131810101004 Ria Ammelia Wahyu 131810101008 Atiqoh Hani R 131810101044 Tugas Statistika Matematika TEORI PELUANG Percobaan acak menjadi percobaan yang hasilnya tidak dapat diprediksi dengan
Lebih terperinciCatatan Kuliah KALKULUS II BAB V. INTEGRAL
BAB V. INTEGRAL Anti-turunan dan Integral TakTentu Persamaan Diferensial Sederhana Notasi Sigma dan Luas Daerah di Bawah Kurva Integral Tentu Teorema Dasar Kalkulus Sifat-sifat Integral Tentu Lebih Lanjut
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Berikut ini adalah beberapa definisi dan teorema yang menjadi landasan dalam penentuan harga premi, fungsi permintaan, dan kesetimbangannya pada portfolio heterogen. 2.1 Percobaan
Lebih terperinciMA2082 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 terperinciCNH3E3 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 terperinciTINJAUAN PUSTAKA. ruang sampel dan dilambangkan dengan huruf S. Ruang sampel beranggotakan
II. TINJAUAN PUSTAKA 2.1 Percobaan dan Ruang Sampel Menurut Walpole (1995), istilah percobaan digunakan untuk sembarang proses yang dapat membangkitkan data. Himpunan semua hasil suatu percobaan disebut
Lebih terperinciKalkulus Multivariabel I
Keterdiferensialan Statistika FMIPA Universitas Islam Indonesia Fungsi y = f (x) terdiferensialkan di titik x 0 jika f (x 0 + h) f (x 0 ) lim = f (x 0 ) h 0 ( h ) f (x0 + h) f (x 0 ) lim f (x 0 ) = 0 h
Lebih terperinciG a a = e = a a. b. Berdasarkan Contoh 1.2 bagian b diperoleh himpunan semua bilangan bulat Z. merupakan grup terhadap penjumlahan bilangan.
2. Grup Definisi 1.3 Suatu grup < G, > adalah himpunan tak-kosong G bersama-sama dengan operasi biner pada G sehingga memenuhi aksioma- aksioma berikut: a. operasi biner bersifat asosiatif, yaitu a, b,
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 terperinciSTATISTIKA 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 terperinciBAB III FUNGSI TERUKUR LEBESGUE. Setelah dibahas mengenai ukuran Lebesgue dan beberapa sifatnya pada
BAB III FUNGSI TERUKUR LEBESGUE Setelah dibahas mengenai ukuran Lebesgue dan beberapa sifatnya pada Bab II, selanjutnya pada bab ini akan dipelajari gagasan mengenai fungsi terukur Lebesgue. Gagasan mengenai
Lebih terperinciAyundyah Kesumawati. April 29, Prodi Statistika FMIPA-UII. Deret Tak Terhingga. Ayundyah. Barisan Tak Hingga. Deret Tak Terhingga
Kesumawati Prodi Statistika FMIPA-UII April 29, 2015 Akar Barisan a 1, a 2, a 3, a 4,... adalah susunan bilangan-bilangan real yang teratur, satu untuk setiap bilangan bulat positif. adalah fungsi yang
Lebih terperinciBAB II KAJIAN PUSTAKA
4 BAB II KAJIAN PUSTAKA Pada sub bab ini akan diberikan beberapa definisi dan teori yang mendukung rancangan Sequential Probability Ratio Test (SPRT) yaitu percobaan dan ruang sampel, peubah acak dan fungsi
Lebih terperinciDASAR-DASAR TEORI RUANG HILBERT
DASAR-DASAR TEORI RUANG HILBERT Herry P. Suryawan 1 Geometri Ruang Hilbert Definisi 1.1 Ruang vektor kompleks V disebut ruang hasilkali dalam jika ada fungsi (.,.) : V V C sehingga untuk setiap x, y, z
Lebih terperinciKONVOLUSI 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 terperinciII. LANDASAN TEORI ( ) =
II. LANDASAN TEORI 2.1 Fungsi Definisi 2.1.1 Fungsi Bernilai Real Fungsi bernilai real adalah fungsi yang domain dan rangenya adalah himpunan bagian dari real. Definisi 2.1.2 Limit Fungsi Jika adalah suatu
Lebih terperinciGambar 1. Gradien garis singgung grafik f
D. URAIAN MATERI 1. Definisi dan Rumus-rumus Turunan Fungsi a. Definisi Turunan Sala satu masala yang mendasari munculnya kajian tentang turunan adala gradien garis singgung. Peratikan Gambar 1. f(c +
Lebih terperinciPeubah Acak. Bab 4. Definisi 4.1 Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R
Bab 4 Peubah Acak Definisi 4. Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R Contoh 4. Jika Y adalah peubah acak banyaknya sisi muka yang muncul pada pelemparan tiga sisi
Lebih terperinciDistribusi Peluang Kontinu. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB
Distribusi Peluang Kontinu Bahan Kuliah II9 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Fungsi Padat Peluang Untuk peubah acak kontinu, fungsi peluangnya
Lebih terperinciBAB IV MODEL HIDDEN MARKOV
BAB IV MODEL HIDDEN MARKOV 4.1 State dan Proses Observasi Semua proses didefinisikan pada ruang peluang (Ω, F, P). Misalnya X = {X : k N} adalah rantai Markov dengan state berhingga yang bersifat homogen
Lebih terperinciBAB II TEOREMA NILAI RATA-RATA (TNR)
BAB II TEOREMA NILAI RATA-RATA (TNR) Teorema nilai rata-rata menghubungkan nilai suatu fungsi dengan nilai derivatifnya (turunannya), dimana TNR merupakan salah satu bagian penting dalam kuliah analisis
Lebih terperinciANALISIS VARIABEL REAL 2
2012 ANALISIS VARIABEL REAL 2 www.alfirosyadi.wordpress.com UNIVERSITAS MUHAMMADIYAH MALANG 1/1/2012 IDENTITAS MAHASISWA NAMA : NIM : KELAS : KELOMPOK : 2 PENDAHULUAN Modul ini disusun untuk membantu mahasiswa
Lebih terperinciBAB II KAJIAN TEORI. memahami sifat-sifat dari barisan fungsi. Pada bab ini akan diuraikan materimateri
BAB II KAJIAN TEORI Analisis kekonvergenan pada barisan fungsi, apakah barisan fungsi itu? Apakah berbeda dengan barisan pada umumnya? Tentunya sebelum membahas mengenai barisan fungsi, apa saja jenis
Lebih terperinciMA3231 Analisis Real
MA3231 Analisis Real Hendra Gunawan* *http://hgunawan82.wordpress.com Analysis and Geometry Group Bandung Institute of Technology Bandung, INDONESIA Program Studi S1 Matematika ITB, Semester II 2016/2017
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan seringkali dilakukan pengulangan yang biasanya dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul
Lebih terperinciII. TINJUAN PUSTAKA. lim f(x) = L berarti bahwa bilamana x dekat tetapi sebelah kiri c 0 maka f(x)
II. TINJUAN PUSTAKA 2.1. Limit Definisi lim f(x) = L, dan mengatakan limit f (x) ketika x mendekati a sama dengan L, jika dapat dibuat nilai f (x) sebarang yang dekat dengan L dengan cara mengambil nilai
Lebih terperinciPengantar Statistika Matematika II
Bab 1: a FMIPA Universitas Islam Indonesia Parameter adalah karakteristik dari populasi (misal θ) adalah karakteristik dari sampel Akan dibahas konsep statistik dan distribusi sampling Parameter Misalkan
Lebih terperinciPeubah Acak (Lanjutan)
Learning Outcomes 13 April 2014 Learning Outcomes Learning Outcome Outline Mahasiswa dapat mengerti dan menentukan peubah acak diskret Mahasiswa dapat memahami dan menghitung nilai harapan Mahasiswa dapat
Lebih terperinciBI5106 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 terperinciAK5161 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 terperinciMA5031 Analisis Real Lanjut Semester I, Tahun 2015/2016. Hendra Gunawan
MA5031 Analisis Real Lanjut Semester I, Tahun 2015/2016 Hendra Gunawan 5.3 Kalkulus Turunan Pada bagian ini kita akan membahas sejumlah aturan untuk diferensial dan aturan untuk turunan, yg mempunyai kemiripan
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 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 terperinciLampiran A. Beberapa Definisi dan Lema Teknis
LAMPIRAN 33 Lampiran A. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian dan Peluang Definisi A.1 (Ruang contoh dan kejadian) Suatu percobaan yang dapat diulang dalam kondisi yang sama, yang hasilnya
Lebih terperinciuntuk setiap x sehingga f g
Jadi ( f ( f ) bernilai nol untuk setiap x, sehingga ( f ( f ) fungsi nol atau ( f ( f ) Aksioma 5 Ambil f, g F, R, ( f g )( f g ( g( g( ( f g)( Karena ( f g )( ( f g)( untuk setiap x sehingga f g Aksioma
Lebih terperinciCatatan 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 terperinciBAGIAN KEDUA. Fungsi, Limit dan Kekontinuan, Turunan
BAGIAN KEDUA Fungsi, Limit dan Kekontinuan, Turunan 51 52 Hendra Gunawan Pengantar Analisis Real 53 6. FUNGSI 6.1 Fungsi dan Grafiknya Konsep fungsi telah dipelajari oleh Gottfried Wilhelm von Leibniz
Lebih terperinciII. LANDASAN TEORI. 2. P bersifat aditif tak hingga, yaitu jika dengan. 2.1 Ruang Contoh, Kejadian dan Peluang
II. LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan sering kali diperlukan pengulangan yang dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul akan
Lebih terperinciPengantar 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 terperinciUJI KONVERGENSI. Januari Tim Dosen Kalkulus 2 TPB ITK
UJI KONVERGENSI Januari 208 Tim Dosen Kalkulus 2 TPB ITK Uji Integral Teorema 3 Jika + k= u k adalah deret dengan suku-suku tak negatif, dan jika ada suatu konstanta M sedemikian hingga s n = u + u 2 +
Lebih terperinciStatistika Farmasi
Bab 3: Distribusi Data Statistika FMIPA Universitas Islam Indonesia Distribusi Data Teori dalam statistika berkaitan dengan peluang Konsep dasar peluang tersebut berkaitan dengan peluang distribusi, yaitu
Lebih terperinciII LANDASAN TEORI. 2.1 Ruang Contoh, Kejadian dan Peluang. 2.2 Peubah Acak dan Fungsi Sebaran
II LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan sering kali diperlukan pengulangan yang dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul akan diketahui
Lebih terperinciBAB III PEMBAHASAN. Bab III terbagi menjadi tiga sub-bab, yaitu sub-bab A, sub-bab B, dan subbab
BAB III PEMBAHASAN Bab III terbagi menjadi tiga sub-bab, yaitu sub-bab A, sub-bab B, dan subbab C. Sub-bab A menjelaskan mengenai konsep dasar C[a, b] sebagai ruang vektor beserta contohnya. Sub-bab B
Lebih terperinciTURUNAN. Ide awal turunan: Garis singgung. Kemiringan garis singgung di titik P: lim. Definisi
TURUNAN Ide awal turunan: Garis singgung Tali busur c +, f c + Garis singgung c, f c c P h c+h f c + f c Kemiringan garis singgung di titik P: f c + f c lim Definisi Turunan fungsi f adalah fungsi lain
Lebih terperinciCatatan 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 terperinciTurunan Fungsi. h asalkan limit ini ada.
Turunan Fungsi q Definisi Turunan Fungsi Misalkan fungsi f terdefinisi pada selang terbuka I yang memuat a. Turunan pertama fungsi f di =a ditulis f (a) didefinisikan dengan f ( a h) f ( a) f '( a) lim
Lebih terperinci12. Teorema Inversi Fourier dan Transformasi Fourier di L 2 (R)
1. Teorema Inversi Fourier dan Transformasi Fourier di L (R) 1.1 Teorema Inversi Fourier Dari hasil hitung-hitungan kasar di awal bagian ke-10, kita ingin membuktikan bahwa, dalam kondisi tertentu, kita
Lebih terperinciPengantar 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 terperinciDefinisi 4.1 Fungsi f dikatakan kontinu di titik a (continuous at a) jika dan hanya jika ketiga syarat berikut dipenuhi: (1) f(a) ada,
Lecture 4. Limit B A. Continuity Definisi 4.1 Fungsi f dikatakan kontinu di titik a (continuous at a) jika dan hanya jika ketiga syarat berikut dipenuhi: (1) f(a) ada, (2) lim f(x) ada, (3) lim f(x) =
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 terperinciMemahami definisi barisan tak hingga dan deret tak hingga, dan juga dapat menentukan
4 BARISAN TAK HINGGA DAN DERET TAK HINGGA JUMLAH PERTEMUAN : 5 PERTEMUAN TUJUAN INSTRUKSIONAL KHUSUS : Memahami definisi barisan tak hingga dan deret tak hingga, dan juga dapat menentukan kekonvergenan
Lebih terperinciPengantar 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 terperinciKalkulus II. Institut Teknologi Kalimantan
Tim Dosen Kalkulus II Tahun Persiapan Bersama Institut Kalkulus Teknologi II Kalimantan January 31, () 2018 1 / 71 Kalkulus II Tim Dosen Kalkulus II Tahun Persiapan Bersama Institut Teknologi Kalimantan
Lebih terperinci4 DIFERENSIAL. 4.1 Pengertian derivatif
Diferensial merupakan topik yang cukup 'baru' dalam matematika. Dimulai sekitar tahun 1630 an oleh Fermat ketika menghadapi masalah menentukan garis singgung kurva, dan juga masalah menentukan maksimum
Lebih terperinciMA3231 Analisis Real
MA3231 Analisis Real Hendra Gunawan* *http://hgunawan82.wordpress.com Analysis and Geometry Group Bandung Institute of Technology Bandung, INDONESIA Program Studi S1 Matematika ITB, Semester II 2016/2017
Lebih terperinciDwi Lestari, M.Sc: Konvergensi Deret 1. KONVERGENSI DERET
1. KONVERGENSI DERET Suatu barisan disebut konvergen jika terdapat bilangan Z yang setiap lingkungannya memuat semua. Jika bilangan Z itu ada maka dapat ditulis: lim sehingga dapat dikatakan bahwa barisan
Lebih terperinciBAB 3 KONDISI SPECTRUM. Pada bab ini akan diperlihatkan hasil utama dari penelitian ini. Hasil utama yang
BAB 3 KONDISI SPECTRUM Pada bab ini akan diperlihatkan hasil utama dari penelitian ini. Hasil utama yang diperoleh berdasarkan penjelasan - penjelasan yang telah dipaparkan pada bab - bab sebelumnya. Hasil
Lebih terperinciDASAR-DASAR ANALISIS MATEMATIKA
(Bekal untuk Para Sarjana dan Magister Matematika) Dosen FMIPA - ITB E-mail: hgunawan@math.itb.ac.id. November 19, 2007 Secara geometris, f kontinu di suatu titik berarti bahwa grafiknya tidak terputus
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 terperinci