Peubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak

dokumen-dokumen yang mirip
Perilaku Distribusi Bernoulli. Definisi: Bernoulli. Contoh Binomial. Contoh Binomial

Peubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak

DISTRIBUSI KHUSUS YANG DIKENAL

1 n MODUL 5. Peubah Acak Diskret Khusus

Distribusi Peluang BERBAGAI MACAM DISTRIBUSI SAMPEL. Distribusi Peluang 5/6/2012

Distribusi Sampel, Likelihood dan Penaksir

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali)

Distribusi Pendekatan (Limiting Distributions)

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA

PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA

9 Departemen Statistika FMIPA IPB

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

Distribusi Sampel Sampling Distribution

Haryoso Wicaksono, S.Si., M.M., M.Kom. 8

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

KELUARGA EKSPONENSIAL Untuk Memenuhi Tugas Mata Kuliah Statistika Inferensial Dosen Pengampu: Nendra Mursetya Somasih Dwipa, M.Pd

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

BAB VIII KONSEP DASAR PROBABILITAS

TINJAUAN PUSTAKA Pengertian

Himpunan. Himpunan 3/28/2012. Semesta Pembicaraan Semua mobil di Indonesia

- Yadi Nurhayadi - M O D U L S T A T I S T I K A BAB 2 DISTRIBUSI FREKUENSI

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

STATISTIKA MATEMATIKA. Di Susun: Dr. Ahmad Yani T.,M.Pd. NIP

Distribusi Sampel & Statistitik Terurut

TINJAUAN PUSTAKA. 2.1 Ruang Vektor. Definisi (Darmawijaya, 2007) Diketahui (V, +) grup komutatif dan (F,,. ) lapangan dengan elemen identitas

2 BARISAN BILANGAN REAL

Statistika Inferensial

Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N,

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN

PELUANG KEJADIAN. 3. Permutasi siklis adalah permutasi yang susunannya melingkar.

Definisi Integral Tentu

Kompetisi Statistika Tingkat SMA

BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

Hendra Gunawan. 12 Februari 2014

BARISAN DAN DERET. Nurdinintya Athari (NDT)

Modul Kuliah statistika

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

BAB II TINJAUAN PUSTAKA

Metode Statistika STK211/ 3(2-3)

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

Probabilitas dan Proses Stokastik

BAB 7 PEN P GUJ GU IAN HIPO P T O ES T A

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB II LANDASAN TEORI

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

BAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu

Persamaan Non-Linear

LANDASAN TEORI. Pada bab ini akan diberikan beberapa konsep dasar (pengertian) yang akan digunakan dalam. pembahasan penelitian. 2.

Pengenalan Pola. Regresi Linier

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R

log b = b logb Soal-Soal dan Pembahasan Matematika Dasar SNMPTN 2012 Tanggal Ujian: 12 Juni 2012 Jawab: BAB II Logaritma

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

x = μ...? 2 2 s = σ...? x x s = σ...?

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

CATATAN KULIAH Pertemuan I: Pengenalan Matematika Ekonomi dan Bisnis

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

PEMBAHASAN SALAH SATU PAKET SOAL UN MATEMATIKA SMA PROGRAM IPS TAHUN PELAJARAN 2012/2013

Pengantar Statistika Matematika II

TUGAS ANALISIS REAL LANJUT. a b < a + A. b + B < A B.

MA1201 MATEMATIKA 2A Hendra Gunawan

UKURAN LOKASI DAN DISPERSI

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

PERTEMUAN 13. VEKTOR dalam R 3

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

UKURAN PEMUSATAN DATA

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum

BAB 2 LANDASAN TEORI

I. DERET TAKHINGGA, DERET PANGKAT

Pengertian Estimasi Titik. Estimasi (Pendugaan) Estimasi (Pendugaan) Estimasi (Pendugaan) Populasi dan Sampel. Mean Proporsi

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Kombinatorial dan Peluang. Adri Priadana ilkomadri.com

BAB 6: ESTIMASI PARAMETER (2)

Sebaran Penarikan Contoh. Dept Statistika FMIPA IPB

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011

Penaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

SOAL PENYISIHAN =. a. 11 b. 12 c. 13 d. 14 e. 15

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

PELUANG. Kegiatan Belajar 1 : Kaidah Pencacahan, Permutasi dan kombinasi

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart

log b = b logb Soal-Soal dan Pembahasan Matematika Dasar SBMPTN - SNMPTN 2012 Tanggal Ujian: 12 Juni 2012 Jawab: BAB II Logaritma

PENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

Transkripsi:

Peubah Acak Peubah Acak Diskrit da Distribusi Peluag Peubah Acak (Radom Variable): Sebuah keluara umerik yag merupaka hasil dari percobaa (eksperime) Utuk setiap aggota dari ruag sampel percobaa, peubah acak bisa megambil tepat satu ilai Peubah Acak Peubah Acak Diskrit : Sebuah Peubah Acak yag haya bisa berilai terbatas atau terhitug Peubah Acak Peubah Acak dituliska sebagai huruf kapital (X, Y, Z) Peubah Acak Kotiu: Sebuah Peubah Acak yag bisa berilai pada sebarag ilai dalam sebuah selag Nilai-ilai tertetu yag merupaka keluara percobaa dituliska dega huruf kecil (x, y, z)

Distribusi Peluag Distribusi Peluag adalah tabel, gambar, atau persamaa yag meggambarka atau medeskripsika ilai-ilai yag mugki dari peubah acak da peluag yag bersesuaiaya (Peubah Acak Diskrit) atau kepadata (Peubah Acak Kotiu) Distribusi Peluag Distribusi Peluag Diskrit: Memberika peluag kepada tiap keluara percobaa Merupaka probability mass fuctios (pmf) Distribusi Peluag Kotiu: Memberika kepadata (frekuesi) pada tiap titik, peluag pada selag bisa didapatka dega megitegralka fugsi (probability desity fuctio/pdf) Distribusi Peluag Peluag Diskrit dituliska sebagai: p(y) = P(Y=y) Kepadata Kotiu dituliska sebagai: f(y) Fugsi Distribusi Kumulatif: F(y) = P(Y y) Cumulative Distributio Fuctio (cdf) Distribusi Peluag Diskrit (PMF) Probability (Mass ) Fuctio: p( y )=P(Y=y ) p( y ) 0 y p ( y)=1

Discrete Probability Distributios Cumulative Distributio Fuctio (CDF ): F ( y )=P(Y y) F (b)=p(y b )= p( y) y= F ( )=0 F ( )=1 F ( y ) adl aik scr mooto di y b Cotoh Melempar 2 dadu (Merah/Hijau) Y = Jumlah muka dadu yag ampak. Tabel dibawah memberika semua ilai yag mugki dalam himpua S Merah\Hijau 1 2 3 4 5 6 1 2 3 4 5 6 7 2 3 4 5 6 7 8 3 4 5 6 7 8 9 4 5 6 7 8 9 10 5 6 7 8 9 10 11 6 7 8 9 10 11 12 Cotoh Melempar 2 dadu (Merah/Hijau) Melempar 2 Dadu Probability Mass Fuctio (pmf) & CDF Y = Jumlah muka dadu yag ampak. Tabel dibawah memberika semua ilai yag mugki dalam himpua S Merah\Hijau 1 2 3 4 5 6 1 2 3 4 5 6 7 2 3 4 5 6 7 8 3 4 5 6 7 8 9 4 5 6 7 8 9 10 5 6 7 8 9 10 11 6 7 8 9 10 11 12 y p(y) F(y) 2 1/36 1/36 3 2/36 3/36 4 3/36 6/36 5 4/36 10/36 6 5/36 15/36 7 6/36 21/36 8 5/36 26/36 9 4/36 30/36 10 3/36 33/36 11 2/36 35/36 12 1/36 36/36 # bayak cara 2 dadu dijumlahka sbg y p( y )= # cara 2 dadu dijumlahka F ( y)= p(t ) t=2 y

Melempar 2 Dadu Probability Mass Fuctio (pmf) Melempar 2 Dadu Cumulative Distributio Fuctio (cdf) Dice Rollig - CDF sub-title sub-title Dice Rollig Probability Fuctio sub-title sub-title 1 0.9 0.8 0.18 0.16 0.14 0.12 0.1 0.08 0.06 0.04 0.7 0.6 0.5 0.4 0.3 0.2 0.1-5.55111512312578E-017 1 2 3 4 5 6 7 8 9 10 11 12 13-0.1 y 0.02 0 2 3 4 5 6 7 8 9 10 11 12 y Nilai Harapa Peubah Acak Diskrit Mea (alias Nilai Harapa) Rata-rata dari peubah acak yag diharapka mucul dalam percobaa yag berulag-ulag. Varias Rata-rata beda kuadrat atara ilai yata dari peubah acak da meaya Stadard Deviasi Akar positif dari varias (uitya sama dega dataya) Notasi: Mea: E(Y) = Varias: V(Y) = 2 Stadard Deviasi: Nilai Harapa Mea: E(Y )=μ= yp( y ) Mea dari fugsi g(y ): E [ g(y )]= g( y ) p( y )

Varias da Stadard Deviasi Varias: V (Y )=σ 2 =E [(Y E(Y )) 2 ] =E [(Y μ) 2 ] = = ( y μ ) 2 p( y)= y 2 p( y ) 2μ yp( y )+μ 2 =E [Y 2 ] 2μ( μ )+μ 2 (1)=E [Y 2 ] μ 2 Stadard Deviasi: σ =+ σ 2 ( y 2 2yμ+μ 2 ) p( y ) p( y ) Nilai Harapa dari Fugsi Liear Peubah Acak Fugsi Liear: g (Y )=ay+b (a,b kosta ) E [ay+b ]= (ay+b ) p ( y)= =a yp( y)+b p( y )=aμ+b Varias da Stadard Deviasi dari Fugsi Liear Peubah Acak Fugsi Liear : g(y )=ay+b (a,b kosta ) V [ ay+b ]= (( ay+b) ( aμ+b)) 2 p ( y)= ( ay aμ) 2 p( y)= ( y μ ) 2 p( y )=a 2 σ 2 =a 2 σ ay+b = a σ [ a 2 ( y μ ) 2 ] p( y )= Cotoh Melempar 2 Dadu 12 μ=e(y )= yp ( y )=7.0 y=2 σ 2 =E [Y 2 ] μ 2 = y 2 p( y ) μ 2 y=2 =54.8333 (7.0) 2 =5.8333 σ= 5.8333=2.4152 12

Defiisi: Beroulli Percobaa Beroulli: Haya terdapat satu kali percobaa dega peluag sukses p da peluag gagal 1-p Peluag Sukses: Peluag Gagal: P( X =1 )=( 1 1) p1 (1 p) 1 1 =p P( X =0)=( 0 1) p0 (1 p ) 1 0 =1 p Perilaku Distribusi Beroulli E(Y) = p Var (Y) = p(1-p) Var(Y )=E (Y 2 ) E(Y ) 2 =[ 1 2 p+0 2 (1 p)] [1p+0(1 p)] 2 = p p 2 = p(1 p) Cotoh Biomial Melempar koi sebayak 5 kali. Berapa peluag medapatka tepat 3 kepala? Catata: - Percobaa Diskrit - Mempuyai keluara bier (ya da tidak atau 1 da 0) - mempuyai peluag yag sama tiap kali lempara Peyelesaia: Cotoh Biomial Satu cara medapat tepat 3 kepala: HHHTT Peluagya adalah: P(heads)xP(heads) xp(heads)xp(tails)xp(tails) =(1/2) 3 x (1/2) 2 Cara lai medapatka tepat 3 kepala: THHHT Peluagya = (1/2) 1 x (1/2) 3 x (1/2) 1 = (1/2) 3 x (1/2) 2

Cotoh Biomial Cotoh Biomial Jadi, (1/2) 3 x (1/2) 2 merupaka peluag utuk medapatka tepat 3 kepala da 2 ekor Sehigga, peluag utuk medapat 3 kepala da 2 ekor (sejauh yag kita dapat sekarag) adalah: 1/2) 3 x (1/2) 2 + (1/2) 3 x (1/2) 2 + (1/2) 3 x (1/2) 2 +.. Namu, terdapat lebih dari satu cara medapatka 3 kepala da 2 ekor. Ada berapa cara utuk megambil tepat 3 kepala dari 5 kali lempara? ( 5 ) 3 5 C 3 cara utuk megambil 3 kepala dalam 5 percobaa = 5!/3!2! = 10 Keluara Peluag THHHT (1/2) 3 x (1/2) 2 HHHTT (1/2) 3 x (1/2) 2 TTHHH (1/2) 3 x (1/2) 2 HTTHH (1/2) 3 x (1/2) 2 HHTTH (1/2) 3 x (1/2) 2 HTHHT (1/2) 3 x (1/2) 2 THTHH (1/2) 3 x (1/2) 2 HTHTH (1/2) 3 x (1/2) 2 HHTHT (1/2) 3 x (1/2) 2 THHTH (1/2) 3 x (1/2) 2 HTHHT (1/2) 3 x (1/2) 2 10 pegatura x (1/2) 3 x (1/2) 2 Peluag dari tiap cara yag uik Cat: peluagya sama P(3 kepala da 2 ekor) = x P(heads) 3 x P(tails) 2 = 10 x (½) 5= 31.25% 5 ( 3 ) Biomial distributio fuctio: X= bayakya keluar kepala dari 5 kali percobaa p(x) Atau lihat tabel Biomial 0 1 2 3 4 5 bayakya kepala x

Distribusi Peluag Biomial Bayak yag tepat dari sejumlah observasi (percobaa), Cotoh: koi dilempar 15 kali, 20 pasie, 1000 orag yag ikut survei Peubah Acak Bier Cotoh: kepala atau ekor, sembuh atau tidak sembuh, laki atau perempua Secara umum disebut sukses atau gagal Peluag sukses adalah p, peluag gagal adalah 1 p Utuk setiap observasi percobaa adalah kosta Cotoh: peluag medapatka kepala adalah sama utuk tiap percobaa X = # bayak sukses dari percobaa Distribusi Biomial, secara umum Betuk umum dari distribusi Biomial adalah: = bayak percobaa ( ) px (1 p ) X X 1-p = peluag gagal p = peluag sukses Defiisi: Biomial Biomial: Misal terdapat percobaa yag salig bebas, da tiap percobaa meghasilka sebuah sukses dega peluag p da gagal dega peluag 1-p. Jika total bayakya sukses, X, merupaka peubah acak Biomial dega parameter da p. Peulisaya adalah: X ~ Bi (, p) {dibaca: X berdistribusi biomial dega parameter da p} Da peluag bahwa X=r (i.e., terdapat tepat r sukses) adalah: P( X =r )=( r ) pr (1 p ) r Defiisi: Biomial Jika X megikuti distribusi biomial dega parameter da p: X ~ Bi (, p) Maka: x = E(X) = p x 2 =Var (X) = p(1-p) x =SD (X)= p(1 p ) catata: varias aka berada atara 0*N - 0.25 *N p(1-p) mecapai maks saat p=.5 P(1-p)=.25

Utuk X~Bi(N,p) X = i=1 Y Beroulli ;Var(Y )= p(1 p) Var( X )=Var ( i=1 Defiisi: Biomial Y )= Var(Y )=p (1 p) i=1