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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

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

2 Kuis 1 MA4183 Model Risiko Tanggal 29 Agustus 2015, Waktu: suka-suka menit 1. Misalkan X peubah acak dengan fungsi laju kegagalan h(x = (K +exp(2x untuk x 0. Diketahui nilai fungsi kesintasan 0.5 di x = 0.4 atau S X (0.4 = 0.5. Tentukan K. 2. Untuk suatu perubah acak X, diketahui nilai parameter sebagai berikut: µ = 2; σ/µ = 2; µ 3 = 136. Hitung kemencengan (skewness γ Diketahui: F (400 = 0.2; F (800 = 0.7; F (1600 = 0.1. Hitung kemencengan empirisnya. 4. Misalkan X memiliki fungsi distribusi (fd F (x = (1 1/x 2 untuk x 1. Tentukan mean, median, dan modus. 2

3 Bocoran Ujian 1 MA4183 Model Risiko Tanggal 9 September 2015, Waktu: 100 menit 1. Sebuah studi dilakukan untuk memonitor kesehatan dua kelompok yang independen (berisi masing-masing 10 pemegang polis selama periode waktu satu tahun. Setiap individu atau partisipan akan keluar (mengundurkan diri dari studi tersebut dengan peluang 0.2, saling bebas antar individu. Hitung peluang bahwa setidaknya 9 partisipan, pada satu kelompok dan bukan kedua kelompok, ikut dalam studi tersebut hingga akhir. 2. Di suatu kantor, 40% pegawainya tidak memiliki mobil dan tidak mengendarai mobil. Pada (pegawai yang lainnya, banyaknya kecelakaan yang dialami mengikuti distribusi Poisson dengan λ = Misalkan T menyatakan total banyaknya kecelakaan dari 100 pegawai yang dipilih secara acak. Hitung V ar(t. 3. Banyak klaim untuk setiap risiko dalam suatu kelompok risiko mengikuti distribusi Poisson. Banyak risiko (yang diharapkan di kelompok risiko tersebut yang tidak mengajukan klaim adalah 96. Banyak risiko (yang diharapkan di kelompok risiko tersebut yang mengajukan dua klaim adalah 3. Tentukan banyaknya risiko di kelompok tersebut yang memiliki 4 klaim. 4. Misalkan X i, i = 1, 2 peubah acak-peubah acak geometrik dengan parameter α. Tentukan distribusi X 1, diberikan X 1 + X 2 = k. Hitung E(X 1 X 1 + X 2 = k. 5. Misalkan N menyatakan banyak klaim yang masuk. Data yang tersedia adalah: n P (N = n Tentukan fungsi pembangkit peluang G N (s. 6. Pada peubah acak berdistribusi modifikasi-nol Poisson (zero-modified Poisson, diketahui: f mod (2 = 0.273, f mod (3 = Hitung f mod (0. 3

4 Ujian 1 MA4183 Model Risiko Tanggal 9 September 2015, Waktu: 100 menit Pilih dan kerjakan HANYA 5 soal dari 8 soal yang tersedia. Nilai setiap soal adalah Kegagalan bisnis dapat terjadi karena risiko pasar, risiko kredit, dan risiko operasional; kontribusinya berturut-turut, adalah 30%, 20% dan 50%. Misalkan banyak kegagalan bisnis yang terjadi setiap tahun adalah peubah acak Poisson dengan mean 4.2. Tentukan peluang satu kegagalan bisnis terjadi karena risiko pasar, diberikan terdapat empat kegagalan bisnis pada suatu tahun. 2. Tentukan hubungan antara fungsi pembangkit peluang peubah acak berdistribusi modifikasinol (zero-modified distribution dan tak-bernilai-nol (zero-truncated distribution. 3. Misalkan X kerugian acak dengan fungsi peluang P (X = x = (1 θ x θ, x = 0, 1, 2,.... Misalkan N peubah acak modifikasi nol dari ditribusi untuk peubah acak X. Diketahui E(N = 3, V ar(n = 54. Hitung P (N = Diketahui N P OI(1.3. Hitung E(N j + untuk j = 1, 2. Petunjuk: (N j + = n j, untuk n j dan nol untuk n yang lain. 5. Banyaknya klaim mengikuti zero-modififed Poisson distribution with λ and f mod (0. Kerugian-kerugian kecil (small losses memiliki proporsi 70% dari seluruh kerugian. Hitung peluang zero small losses. 6. Diketahui kerugian acak N memiliki fungsi peluang P (N = n = 1, n = 0, 1, 2,..., b. b+1 Jika E(min(N, 10 = E(N, tentukan b. 7. Gambarkan plot fungsi kesintasan dan hitung momen kedua untuk kerugian acak dengan fungsi distribusi F (x = 1 ( x+2000, x Misalkan N 1, N 2 sampel acak geometrik dengan parameter α. Hitung E(N 2 N 1 +N 2 = k. 4

5 Solusi Ujian 1 MA4183 Model Risiko Tanggal 9 September 2015, Waktu: 100 menit Pilih dan kerjakan HANYA 5 soal dari 8 soal yang tersedia. Nilai setiap soal adalah Kegagalan bisnis dapat terjadi karena risiko pasar, risiko kredit, dan risiko operasional; kontribusinya berturut-turut, adalah 30%, 20% dan 50%. Misalkan banyak kegagalan bisnis yang terjadi setiap tahun adalah peubah acak Poisson dengan mean 4.2. Tentukan peluang satu kegagalan bisnis terjadi karena risiko pasar, diberikan terdapat empat kegagalan bisnis pada suatu tahun. Misalkan N peubah acak yang menyatakan banyaknya kegagalan bisnis; N P OI(4.2. Diberikan 4 kegagalan bisnis pada suatu tahun, peluang 1 kegagalan tersebut karena risiko pasar adalah e ( e ( e ( P (N = 2 = 1! 1! e ( e ( e ( ! e ( e ( e ( = a 0! P (N = 4 = e 4.6 ( ! = b. Jadi, P (N = 2 N = 4 = P (N=2,N=4 P (N=4 = P (N=2 P (N=4 = a/b. 2. Tentukan hubungan antara fungsi pembangkit peluang peubah acak berdistribusi modifikasinol (zero-modified distribution dan tak-bernilai-nol (zero-truncated distribution. Misalkan X peubah acak dengan fungsi peluang f(x. Misalkan X mod peubah acak yang merupakan zero-modified distribution dari X; fungsi peluang f mod (x. Fungsi pembangkit peluang dari X mod adalah P X mod(s = E(s Xmod = s xmod f mod (x = s 0 f mod (0 + s xm c f(x x mod =0 x mod =1 5

6 yang sama dengan f mod (0 + c x mod =1 ( s xmod f(x = f mod (0 + c P X (s f(0, dengan c = 1 f mod (0 1 f(0. Misalkan X tr zero-truncated distribution dari X. Fungsi pembangkit peluang dari X tr adalah P X tr(s = E(s Xtr = s xtr f tr (x = s xtr c tr f(x = c tr s xtr f(x x tr =1 x tr =1 x tr =1 yang sama dengan c tr ( x tr =0 s xtr f(x s 0 f(0 = c (P tr X (s f(0. dengan c tr = 1. Dari kedua fungsi pembangkit peluang diatas, diperoleh hubungan 1 f(0 ( P X mod(s = f mod (0 + c P X (s f(0 = f mod (0 + ( 1 f mod (0 ( c mod P X (s f(0 atau P X mod(s = f mod (0 + ( 1 f mod (0 P X tr(s. 3. Misalkan X kerugian acak dengan fungsi peluang P (X = x = (1 θ x θ, x = 0, 1, 2,.... Misalkan N peubah acak modifikasi nol dari ditribusi untuk peubah acak X. Diketahui E(N = 3, V ar(n = 54. Hitung P (N = 0. E(N = 1 f M (0 1 f(0 E(X = 1 f M (0 1 f(0 1 θ θ = 3; f M (0 = 1 3θ. V ar(n = = 54. Diperoleh θ = 1/11. Jadi, f M (0 = 8/11 = P (N = Diketahui N P OI(1.3. Hitung E(N j + untuk j = 1, 2. Petunjuk: (N j + = n j, untuk n j dan nol untuk n yang lain. 6

7 E(N 1 + = E(N 1 N 1P (N 1 + (0P (N = 0 = E(N N 1P (N 1 P (N 1 + (0P (N = 0 = λ (1 e λ = e = Banyaknya klaim mengikuti zero-modififed Poisson distribution with λ and f mod (0. Kerugian-kerugian kecil (small losses memiliki proporsi 70% dari seluruh kerugian. Hitung peluang zero small losses. f mod (0 e λ + e 0.7λ f mod (0 e λ 1 e λ. 6. Diketahui kerugian acak N memiliki fungsi peluang P (N = n = 1, n = 0, 1, 2,..., b. b+1 Jika E(min(N, 10 = E(N, tentukan b. E(N = ( b/(b + 1 = (b(b + 1/2/(b + 1 E(min(N, 10 = ( (b 910/(b + 1 = ( b 90(b + 1. Diperoleh b = 15 atau b = Pilih b = Gambarkan plot fungsi kesintasan dan hitung momen kedua untuk kerugian acak dengan fungsi distribusi F (x = 1 ( x+2000, x Misalkan N 1, N 2 sampel acak geometrik dengan parameter α. Hitung E(N 2 N 1 +N 2 = k. P (N 2 N 1 + N 2 = k = P (N 2 = m, N 1 = k m P (N 1 + N 2 = k = P (N 2 = mp (N 1 = k m P (N 1 + N 2 = k = (1 αm 1 α (1 α k m α k (1 α k 1 α 2 = 1 k. Jadi, N 2 N 1 + N 2 = k U(0, k; E(N 2 N 1 + N 2 = k = k/2. 7

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 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

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

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

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

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. 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

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

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

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

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 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

/ /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

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

4. Misalkan peubah acak X memiliki fungsi distribusi:

4. Misalkan peubah acak X memiliki fungsi distribusi: 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

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. 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

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

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

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. 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

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 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

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

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

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

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Pada bab ini akan diuraikan mengenai beberapa teori dan metode yang mendukung serta mempermudah dalam melakukan perhitungan dan dapat membantu di dalam pembahasan

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

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

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

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

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

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

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

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

Bab 8 Fungsi Peluang Bersama: Bersama Kita Berpisah

Bab 8 Fungsi Peluang Bersama: Bersama Kita Berpisah MA3181 Teori Peluang - Khreshna Syuhada Bab 8 1 Bab 8 Fungsi Peluang Bersama: Bersama Kita Berpisah Ilustrasi 8.1 Sebuah perusahaan asuransi menduga bahwa setiap orang akan mengalami dan memiliki parameter

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

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

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 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. 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

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

PERSATUAN AKTUARIS INDONESIA

PERSATUAN AKTUARIS INDONESIA PERSATUAN AKTUARIS INDONESIA Komisi Penguji PERSATUAN AKTUARIS INDONESIA UJIAN PROFESI AKTUARIS MATA UJIAN : A70 Pemodelan dan Teori Risiko TANGGAL : 24 Juni 2014 JAM : 13.30 16.30 WIB LAMA UJIAN : 180

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. 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

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. 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

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

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

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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 4 BAB II LANDASAN TEORI Teori yang ditulis dalam bab ini merupakan beberapa landasan yang digunakan untuk menganalisis sebaran besarnya klaim yang berekor kurus (thin tailed) dan yang berekor gemuk (fat

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

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 017 1 Tentang AK5161 Matematika

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

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

PEMBANGKIT RANDOM VARIATE

PEMBANGKIT RANDOM VARIATE PEMBANGKIT RANDOM VARIATE Mata Kuliah Pemodelan & Simulasi JurusanTeknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probalitistik pada sistem nyata mempunyai pola distribusi probabilistik

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 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

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 13/11/2013

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 13/11/2013 3//203 STATISTIK INDUSTRI Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh:

Lebih terperinci

BABAK PENYISIHAN SELEKSI TINGKAT PROVINSI BIDANG KOMPETISI

BABAK PENYISIHAN SELEKSI TINGKAT PROVINSI BIDANG KOMPETISI BABAK PENYISIHAN SELEKSI TINGKAT PROVINSI BIDANG KOMPETISI TIPE A Olimpiade Sains Nasional Pertamina 2012 Petunjuk : 1. Tuliskan secara lengkap Nama, Nomor Ujian dan data lainnya pada Lembar Jawab Komputer

Lebih terperinci

Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA

Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA CNH4S3 Analisis Time Series Dosen: Aniq A Rohmawati, M.Si [Jadwal]: [Materi Analsis Time Series] Kuliah Pemodelan dan Simulasi berisi tentang dasar pemodelan time series seperti kestasioneran, identifikasi

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

DISTRIBUSI POISSON Pendahuluan Rumus Pendekatan Peluang Poisson untuk Binomial P ( x ; µ ) = (e µ. µ X ) / X! n. p Rumus Proses Poisson

DISTRIBUSI POISSON Pendahuluan Rumus Pendekatan Peluang Poisson untuk Binomial P ( x ; µ ) = (e µ. µ X ) / X! n. p Rumus Proses Poisson DISTRIBUSI POISSON Pendahuluan Distribusi poisson diberi nama sesuai dengan penemunya yaitu Siemon D. Poisson. Distribusi ini merupakan distribusi probabilitas untuk variabel diskrit acak yang mempunyai

Lebih terperinci

DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2. Distribusi Hipergeometrik

DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2. Distribusi Hipergeometrik DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2 TI2131 TEORI PROBABILITAS MINGGU KE-10 Distribusi Hipergeometrik Eksperimen hipergeometrik memiliki karakteristik sebagai berikut: 1. sebuah sampel random berukuran

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

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

MA4181 MODEL RISIKO Enjoy the Risks

MA4181 MODEL RISIKO Enjoy the Risks Catatan Kuliah MA4181 MODEL RISIKO Enjoy the Risks disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Tentang MA4181 Model Risiko A. Jadwal

Lebih terperinci

MA3081 STATISTIKA MATEMATIK(A) Bab 2: Distribusi Samp

MA3081 STATISTIKA MATEMATIK(A) Bab 2: Distribusi Samp MA3081 STATISTIKA MATEMATIK(A) Bab 2: We love Statistics Pengantar Parameter adalah... ...suatu karakteristik dari populasi. Statistik adalah... ...suatu karakteristik dari sampel. Statistik adalah fungsi

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

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

Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA

Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA CNH4S3 Analisis Time Series Dosen: Aniq A Rohmawati, M.Si [Jadwal]: [Materi Analsis Time Series] Kuliah Pemodelan dan Simulasi berisi tentang dasar pemodelan time series seperti kestasioneran, identifikasi

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

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

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

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

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

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

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

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

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

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

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

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang 1 \ BAB I PENDAHULUAN 1.1 Latar Belakang Informasi-informasi faktual yang diperoleh berdasarkan hasil observasi maupun penelitian sangatlah beragam. Informasi yang dirangkum sedemikian rupa disebut dengan

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

MINGGU KE-9 MACAM-MACAM KONVERGENSI

MINGGU 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 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

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

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

Model Poisson. Inferensi likelihood. Andi Kresna Jaya November 19, Jurusan Matematika

Model Poisson. Inferensi likelihood. Andi Kresna Jaya November 19, Jurusan Matematika Review Poisson dengan overdispersi Inferensi likelihood Andi Kresna Jaya andikresna@yahoo.com Jurusan Matematika November 19, 2014 Review Poisson dengan overdispersi Outline 1 Review 2 3 Poisson dengan

Lebih terperinci

Distribusi Normal, Skewness dan Qurtosis

Distribusi Normal, Skewness dan Qurtosis Distribusi Normal, Skewness dan Qurtosis Departemen Biostatistika FKM UI 1 2 SAP Statistika 1, minggu ke-4 4 Membekali mahasiswa agar lebih paham dan menguasai teori terkait: menghitung ukuran penyimpangan

Lebih terperinci

Bagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas

Bagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas Probabilitas Bagian Probabilitas A) = peluang (probabilitas) bahwa kejadian A terjadi 0 < A) < 1 A) = 0 artinya A pasti terjadi A) = 1 artinya A tidak mungkin terjadi Penentuan nilai probabilitas: Metode

Lebih 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

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

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

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