Variansi yang tepat mengenai ungkapan diatas, disebut pertaksamaan MARKOV dan pertaksamaan CHEBYSHEV.

dokumen-dokumen yang mirip
MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALA

DISTRIBUTIONS OF RANDOM VARIABLE DISTRIBUSI VARIABEL RANDOM

Pr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.

BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI

STATISTIK PERTEMUAN VI

DISTRIBUSI PROBABILITAS

DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2. Distribusi Hipergeometrik

Bab 2 DISTRIBUSI PELUANG

RENCANA PEMBELAJARAN SEMESTER (RPS)

Nilai harapan suatu variabel acak x ditulis E (x) didefinisikan E (x) = Σ x. f (x) Var (x) = σ x 2 = E [ x E (x) ] 2 = E (x 2 ) { E (x) } 2

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata

RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA

Statistika Farmasi

MINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT

BAB 2 LANDASAN TEORI

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

MINGGU KE-9 MACAM-MACAM KONVERGENSI

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT

Variansi dan Kovariansi. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 1. Distribusi Seragam Diskrit

PENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya

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

Lampiran 1. Beberapa Definisi dan Lema Teknis

DISTRIBUSI PROBABILITAS (PELUANG)

BAB 2 LANDASAN TEORI

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI

STATISTICS. WEEK 4 Hanung N. Prasetyo POLYTECHNIC TELKOM/HANUNG NP

Beberapa Distribusi Peluang Diskrit

Statistika Variansi dan Kovariansi. Adam Hendra Brata

Misalkan peluang seorang calon mahasiswa IT Telkom memilih prodi TI adalah sebesar 0.6. Berapa peluang bahwa ;

DASAR-DASAR TEORI PELUANG

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

Distribusi Teoritis Probabilitas. Distribusi Teoritis Probabilitas. Distribusi Binomial. Distribusi Binomial. Distribusi Binomial

Distribusi Teoritis Probabilitas

STATISTICS. Oleh: Hanung N. Prasetyo DISTRIBUSI NORMAL WEEK 6 TELKOM POLTECH/HANUNG NP

Peubah Acak (Lanjutan)

II. LANDASAN TEORI. sementara grafik distribusi F tidak simetrik dan umumnya sedikit positif seperti

Distribusi Probabilitas Diskrit: Poisson

Setiap karakteristik dari distribusi populasi disebut dengan parameter. Statistik adalah variabel random yang hanya tergantung pada harga observasi

PENGANTAR MODEL PROBABILITAS

BAB II DISTRIBUSI PROBABILITAS

BAB V INFERENSI STATISTIK SATU POPULASI NORMAL

DISTRIBUSI TEORITIS. Variabel Acak Distribusi Teoritis Binomial Normal

Distribusi Sampling 6.2. Debrina Puspita Andriani /

Distribusi Probabilitas Diskret Teoritis

BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 4. BEBERAPA DISTRIBUSI PELUANG DISKRET

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

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean

BIOSTATISTIK HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA ( ) NURTASMIA ( ) SOBRI ( )

The Central Limit Theorem

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

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi

PENS. Probability and Random Process. Topik 4. Variabel Acak dan Distribusi Probabilitas. Prima Kristalina April 2015

BAB III METODE PENELITIAN

BAB IV. DISTRIBUSI PROBABILITAS DISKRIT

BAB 8 DISTRIBUSI PELUANG DISKRIT

STATISTIK PERTEMUAN VII

Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R

PEMODELAN KUALITAS PROSES

Distribusi Peluang. Kuliah 6

MA3081 STATISTIKA MATEMATIKA We love Statistics

MINGGU KE-6 VARIABEL RANDOM DAN DISTRIBUSINYA

Distribusi Normal, Skewness dan Qurtosis

STATISTIKA UNIPA SURABAYA

DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS

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

Metode Sampling dan Teorema Central Limit

Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA. Distribusi Normal. 1-Sep-14

VARIABEL RANDOM DAN DISTRIBUSI PELUANG

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

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist

UJI KONVERGENSI. Januari Tim Dosen Kalkulus 2 TPB ITK

BAB II LANDASAN TEORI

Distribusi Probabilitas : Gamma & Eksponensial

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

Catatan Kuliah. MA5181 Proses Stokastik

Variabel Random dan Nilai Harapan. Oleh Azimmatul Ihwah

PROSES PERCABANGAN PADA DISTRIBUSI POISSON

Statistika (MMS-1403)

Achmad Samsudin, M.Pd. Jurdik Fisika FPMIPA Universitas Pendidikan Indonesia

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 3. HARAPAN MATEMATIK

Minggu 3 Peluang Bersyarat (Teorema Bayes) Minggu 4 Peubah Acak, Fungsi Peluang, Fungsi Distribusi. Minggu 6 Distribusi Peubah Acak Diskrit (PAD)

PROBABILITAS (PELUANG) PENGERTIAN PROBABILITAS

Dasar-dasar Statistika Pemodelan Sistem

Statistika (MMS-1403)

Distribusi Probabilitas Kontinyu Teoritis

Contoh Solusi PR 2 Statistika & Probabilitas. 1. Semesta dari kejadian adalah: pemilihan 5 soal dari 10 soal. Jumlah kemungkinannya ( 10 = 252.

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

Eksplorasi Pertidaksamaan Chernoff Dalam Menghampiri Peluang Suatu Selang

l.makalah DISTRIBUSI PROBABILITAS DISKRIT

Distribusi Probabilitas Diskrit. Dadan Dasari

Statistik Bisnis 1. Week 9 Discrete Probability

Peubah Acak. 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1

KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY

TINJAUAN PUSTAKA. Dalam menentukan penduga parameter dari distribusi G3F dan karakteristik dari

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

Statistika (MMS-1001)

Transkripsi:

TEOREMA MARKOV DAN CHEBYSHEV Variansi dari variabel random mengendalikan penyebaran distribusinya disekitar mean. Variansi kecil menunjukan besar deviasi disekitar mean adalah mustahil. Variansi yang tepat mengenai ungkapan diatas, disebut pertaksamaan MARKOV dan pertaksamaan CHEBYSHEV. Pertaksamaan ini, sangat baik sekali manfaatnya; karena tidak memerlukan bantuan distribusi peluang. Yang diperlukan hanya μ dan σ Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 1

TEOREMA PERTAKSAMAAN MARKOV Jika adalah variabel random yang hanya mengambil nilai-nilai yang non-negatif, maka untuk a > 0, a R berlaku : P ( a) E ( ) a Bukti, di bahas dikelas Sabtu, 5 Nopember 006 [MA 513] PROBSTAT

TEOREMA PERTAKSAMAAN CHEBYSHEV JIKA ADALAH VARIABEL RANDOM DENGAN MEAN μ DAN VARIANSI σ, MAKA UNTUK SUATU NILAI k >0; k R, BERLAKU : { μ } P k = σ k Bukti, di bahas di lembar berikutnya Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 3

BENTUK EKUIVALENSI Bentuk ekuivalensi dari pertidaksamaan Chebyshev, Sebagai berikut : JIKA variabel random mempunyai mean μ dan variansi σ, maka untuksuatukonstantac dank berlaku: 1 a. P ( μ k σ ) k 1 b. P ( μ < kσ ) 1 k σ c. P ( μ c ) c Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 4

MARKOV INEQUALITY Jika pa/rv yang hanya mengambil nilai-nilai non negatif, maka untuk a > 0, a R BUKTI : E ( ) = x f x d x 0 a 0 P a ( ) = + E( ) a xf( x) dx xf( x) dx x f( x) dx a a Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 5

MARKOV INEQUALITY af( x) dx= a ( ) a f ( x) dx= a P a a ( ) JADI : P a E( x) a Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 6

CHEBYSHEV S INEQUALITY Jika pa/rv dengan mean (rataan( rataan) μ dan variance (variansi/ragam) σ, maka untuk suatu nilai k > 0 ; k R berlaku : { μ } P k Bukti : Karena ( - μ ) adalah pa/vr yang non negatif maka pertidaksamaan MARKOV dapat dipakai yaitu dengan mengambil nilai a = k σ k Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 7

CHEBYSHEV S INEQUALITY INGAT : E( ) ( a) P a {( ) } μ P k E ( μ) k Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 8

TEOREMA CHEBYSHEV ( ) μ k <====> μ k JADI : ( μ ) P k ( μ σ ) P k σ Selanjutnya apabila k diganti dengan kσ, maka : k k 1 Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 9

TEOREMA CHEBYSHEV VR mempunyai mean : μ variansi : σ Untuk suatu konstanta c dan k berlaku :... 1 k ( μ ) x σ P k atau ( μ ) < σ 1 P k atau ( μ ) P c σ c 1 k KETIGA BENTUK DIATAS EKUIVALEN Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 10

SOAL - SOAL 1. Dengan menggunakan CHEBYSHEV-INEQ Carilah Lower Bound pada : P < 4 < 0 ( ) dimana vr mempunyai : Mean μ = 8 dan Var = 9 Solusi :. Diberikan VRD dengan pmf : x p(x) -1 1/8 0 6/8 1 1/8 p( x) Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 11

SOAL - SOAL Dengan menggunakan CHEBYSHEV-INEQ ( μ σ ) P k Carilah Upper Bound, untuk k =. Selanjutnya hitung melalui probabilitas biasa, bandingkan hasil perhitungan ini dengan CHEBYSHEV-INEQ k 1 Solusi : Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 1

SOAL untuk dikerjakan sendiri Diberikan VR dengan pdf sebagai berikut : f 1 < x<... 3 3 () x = 3 0... x 3ataux 3 Pertanyaan : ( 3) P ( ) P?; Bandingkan perhitungan diatas (Exact Prob) dengan Upper Bound yang diperoleh dengan CHE-INEQ SOLUSI Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 13

SOAL untuk dikerjakan sendiri Andaikan VR hanya mengambil harga x = 1 dan x = -1 masing-masing dengan peluang = 0.5. Tentukan Lower Bound pada : P < 1 < 1 Melalui ( ) Melalui CHE-INEQ Bandingkan dengan EACT/ACTUAL PROBABILITY Solusi : Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 14

Soal-soal 1. Diberikan pmf dari variabel random sebagai berikut : x p(x) Tentukan k sehingga memenuhi sifat dari pmf!. Andaikan W suatu variabel random dengan pmf w 0 0 1 k P(W=w) = p(w) -1 3k Pertanyaan : a. Tentukan nilai k b. Tentukan pmf dari = W + 1 k 0 3k 3 3k 1 6k Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 15

Soal-soal 3. Andaikan suatu variabl random dengan fungsi distribusi, sebagai berikut : 0 untuk x < 4 0,1 untuk 4 x < 5 0,4 untuk 5 x < 6 F(x) = 0,7 untuk 6 x < 8 0,9 untuk 8 x < 9 1 untuk x 9 Pertanyaan : a. Skets grafik F(x) b. Tentukan pmf dari berikut grafiknya c. Dengan menggunakan fungsi distribusi; tentukan : P ( 6,5 ), P( > 8,1) P ( 5 < 8 ), P (5 < 8) Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 16

Soal-soal 4. VR berdistribusi Binomial dengan E() = 6 dan Var =,4 Tentukan : a. P ( > 4 ) b. P ( 1 < < 7 ) 5. PDF dari suatu VR diketahui sebagai berikut : a f ( x) = 0 + bx untuk Jika E () = 0,6, tentukan nilai a dan b ; 0 x 1 x lainnya Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 17

Soal-soal 6. Box berisi 4 Diaode,, 6 diantaranya rusak/cacat. Jika VR yang menyatakan banyaknya Diode yang cacat dalam sampel sebanyak 5. Pertanyaan : a. Tentukan pmf dari b. Tentukan peluang paling sedikit dua diode yang cacat c. Tentukan mean dan standard deviasinya Contoh : Bagian pengendalian kualitas produksi, ingin mengetahui kualitasnya dengan mengambil sampel sebanyak enam items. Jika diketahui bahwa proporsi peluang items yang cacat adalah 0,0 Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 18

Contoh : Beberapa peluang dari sampel yang diambil tersebut berisi/memuat : a. Tidak ada yang cacat b. Satu item yang cacat c. Dua item yang cacat d. Empat items yang cacat f. Lebih dari tiga items yang cacat n x = 0, 1,,... n x n x Data diatas p( x) = p Σ = 1 p x n = 6 Selanjutyna : a. p (0) p = 0,0 b. p (1) c. p () Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 19

Contoh : Box berisi 4 diode memuat 6 diode yang cacat. Jika menyatakan banyaknya diode yang cacat dalam sampel yang berjumlah 5. a. Tentukan pmf dari dari b. Tentukan paling sedikit dua yang cacat; serta μ dan σ Apabila : (i). WR (ii) WOR Pembahasan : 6 1 (i) WR ~ BIN (n, p) N = 4 p = = ; n = 5 p ( x) = 5 x 4 ()() 1 x 3 5 x ; x = 0,1,... 5 4 4 4 Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 0

P μ σ ( ) = 1 P( < ) = E( = Var σ = 1 = 1 = 1 0,638 = ) = = = B(1; F(1; np = npq 5, 5, 5. = 0,5) 1 4 0,5) = 1,5 0,9375 =... = 1 F 0,367 (1) (1,5)(0,75) = 0,9375 Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 1

A telephone exchange receives calls at random with an avarage of incoming calls perminute. What is the probability that : a. No calls arrive in a 1 minute interval? b. More than calls arrive interval c. Less than 3 calls arrive in a 5 minute interval d. More than 8 calls arrive in a 5 minute interval? e. Betweenn 3 and 8 calls inclusive arrive in a 5 minute interval Solution : λ = calls/minute λ x e λ p ( x ) = P = x = ; x = x! No calls x = 0 ( ) 0, 1,,... 0 e x = 0 p (0) = = e 0, 1353 o! Sisanya dibahas dikelas Sabtu, 5 Nopember 006 [MA 513] PROBSTAT

Contoh : Jika : ~ HYP ( N, D, n) D maka : μ = E( ) = n N = D D N n Var σ = n 1 N N N 1 D Apabila: = p, maka: μ = np N σ = Jika npq N N n 1 : ~ BIN ( n, p ) maka : μ = np, σ = npq finite population correction Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 3

lim N D N D p D x N n N n x D = = n p BIN p x q n ( n, p ) x n, N, D n 0 N n D λ N e λ x λ x! Sabtu, 5 Nopember 006 [MA 513] PROBSTAT 4