Probabilitas dan Statistika Variabel Acak dan Fungsi Distribusi Peluang Diskrit. Adam Hendra Brata

dokumen-dokumen yang mirip
Probabilitas dan Statistika Ruang Sampel. Adam Hendra Brata

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

PEUBAH ACAK & DISTRIBUSI PROBABILITAS. Nur Hayati, S.ST, MT Yogyakarta, Februari 2016

Statistika & Probabilitas

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB)

DISTRIBUSI PROBABILITAS (PELUANG)

Berapa Peluang anda. meninggal? selesai S-1? menjadi menteri? menjadi presiden?

Menghitung peluang suatu kejadian

Dasar-dasar Statistika Pemodelan Sistem

Probabilitas dan Statistika Fungsi Distribusi Peluang Kontinyu. Adam Hendra Brata

HANDOUT PERKULIAHAN. Pertemuan Ke : 3 : Distribusi Satu Peubah Acak dan Ekspektasi Satu Peubah Acak

Distribusi Peubah Acak

PE P L E U L A U N A G N

matematika DISTRIBUSI VARIABEL ACAK DAN DISTRIBUSI BINOMIAL K e l a s A. Penarikan Sampel dari Suatu Populasi Kurikulum 2013 Tujuan Pembelajaran

HARAPAN MATEMATIK. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016

Hidup penuh dengan ketidakpastian

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

DISTRIBUSI SATU PEUBAH ACAK

Pertemuan 1 KONSEP DASAR PROBABILITAS

Distribusi Peluang Kontinu. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

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

Distribusi Probabilitas Diskrit: Binomial & Multinomial

Statistika & Probabilitas

Harapan Matematik (Teori Ekspektasi)

Distribusi Peluang. Maka peubah acak X dinyatakan dengan banyaknya kemunculan angka. angka sama sekali. angka.

DISTRIBUSI PELUANG.

KATA PENGANTAR. Salatiga, Juni Penulis. iii

Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif

STATISTIK PERTEMUAN V

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

Bab 9. Peluang Diskrit

Learning Outcomes Peubah Acak Fungsi Sebaran Secaran Diskret Nilai Harapan. Peubah Acak. Julio Adisantoso. 13 Maret 2014

PEUBAH ACAK DAN SEBARANNYA

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata

ADITHYA SUDIARNO, ST., MT.

Statistika (MMS-1001)

Statistika (MMS-1001)

CHAPTER 7 DISCRETE PROBABILITY

PENGANTAR MODEL PROBABILITAS

Statistika (MMS-1403)

Distribusi Peluang. Pendahuluan MODUL

MA 2081 Statistika Dasar Utriweni Mukhaiyar. 11 September 2012

Statistika & Probabilitas. Sumber: Materi Kuliah Statistika Dr. Ir. Rinaldi Munir, M.T

Metode Statistika STK211/ 3(2-3)

STK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak

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

BAB 3 Teori Probabilitas

Probabilitas = Peluang (Bagian II)

BAB II DISTRIBUSI PEUBAH ACAK

Lab. Statistik - Kasus 1. Lab. Statistik Kasus 2. Lab. Statistik Kasus 3

oleh: Tri Budi Santoso Signal Processing Group Electronic Engineering Polytechnic Institute of Surabaya-ITS

METODE MONTE CARLO. Pemodelan & Simulasi TM11

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

Pengantar Proses Stokastik

DISTRIBUSI PELUANG TEORITIS

MATERI BAB I RUANG SAMPEL DAN KEJADIAN. A. Pendahuluan Dari jaman dulu sampai sekarang orang sering berhadapan dengan peluang.

STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling

Distribusi Peluang Teoritis. Titik-titik contoh di dalam Ruang Sampel (S) dapat disajikan dalam bentuk numerik/bilangan.

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya

THEORY. By: Hanung N. Prasetyo PEUBAH ACAK TELKOM POLYTECHNIC/HANUNGNP

, n(a) banyaknya kejadian A dan n(s) banyaknya ruang sampel

Probabilitas dan Proses Stokastik

PEUBAH ACAK DAN DISTRIBUSINYA

Pertemuan 2. Hukum Probabilitas

Pierre-Simon Laplace. Born 23 March 1749 Beaumont-en-Auge, Normandy, France Died 5 March 1827 (aged 77) Paris, France Mempelajari peluang dalam judi

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

A. Distribusi Gabungan

Peluang. Bab. Di unduh dari : Bukupaket.com. Frekuensi Relatif Titik Sampel Percobaan Kejadian Titik Sampel Ruang Sampel

Unit 5 PELUANG. Clara Ika Sari Budhayanti. Pendahuluan

Metode Statistika STK211/ 3(2-3)

MODUL MATA PELAJARAN MATEMATIKA

A. Distribusi Gabungan

Materi dan Jadual Tatap Pokok Bahasan Sub Pokok Bahasan Statistika (MMS 2401) Muka Materi dan Jadual Materi dan Jadual

Teori Peluang Diskrit

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

STATISTIK PERTEMUAN VI

PERMUTASI, KOMBINASI DAN PELUANG. Kaidah pencacahan membantu dalam memecahkan masalah untuk menghitung

Bab 2 DISTRIBUSI PELUANG

Peluang dan Kejadian (Event) Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Ringkasan materi Statistika Deskriptif dan analisis data riil.

KONSEP DASAR TERKAIT METODE BAYES

DISTRIBUSI PROBABILITAS

BAB V PENGANTAR PROBABILITAS

PEUBAH ACAK DAN. MA 2181 Analisis Data Utriweni Mukhaiyar. 22 Agustus 2011

Probabilitas metode ilmiah yang dikembangkan untuk menyelesaikan persoalan yang berhubungan dengan ketidakpastian (uncertaint).

1.1 Konsep Probabilitas

A. Fungsi Distribusi Binomial

Mata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia

MATERI KULIAH STATISTIKA I PROBABLITAS. (Nuryanto, ST., MT)

Misalkan terdapat eksperimen. S disebut ruang sampel, adalah himpunan semua kemungkinan hasil dari eksperimen.

SELEKSI OLIMPIADE TINGKAT PROVINSI 2013 TIM OLIMPIADE MATEMATIKA INDONESIA 2014

CATATAN KULIAH PENGANTAR PROSES STOKASTIK

PEUBAH ACAK DAN DISTRIBUSINYA

Probabilitas dan Statistika Teori Peluang. Adam Hendra Brata

BAB 2 LANDASAN TEORI

Pertemuan Ke-1 BAB I PROBABILITAS

REFERENSI 1 source : Cara Menentukan Ruang Sampel Suatu Kejadian

Perumusan Probabilitas Kejadian Majemuk S S A B A B Maka banyak anggota himpunan gabungan A dan B adalah : n(a n(a B) = n(a) + n(b) n(a n(a B) Kejadia

DISTRIBUSI TEORITIS. Variabel Acak Distribusi Teoritis Binomial Normal

STATISTICS. WEEK 2 Hanung N. Prasetyo TELKOM POLYTECHNIC/HANUNGNP

Transkripsi:

dan Statistika dan Fungsi Peluang Adam Hendra Brata

acak adalah sebuah fungsi yang memetakan hasil kejadian yang ada di alam (seperti : buka dan tutup; terang, redup dan gelap; merah, kuning dan hijau; hidup dsb.) menjadi bilangan numerik. Semua kejadian yang mungkin muncul dalam suatu percobaan kita sebut sebagai anggota Ruang Sample yang dinotasikan dengan S. Sebuah fungsi yg mengaitkan sebuah bilangan real dengan setiap elemen di ruang sampel Notasi

X adalah variabel acak diskrit jika X banyak nilainya dapat dihiitung (berkorelasi 1 1 dengan bilangan bulat positif) Untuk variabel acak diskrit : Kontinu X adalah variabel acak kontinu jika banyaknya nilai xi tak dapat dihitung

Syarat 1. Fungsi yang dapat dinyatakan sebagai variabel acak adalah fungsi yang bukan bernilai ganda (Multivalued) 2. Fungsi variabel acak hanya memiliki satu harga dari suatu elemen sampel eksperimen

Contoh Kemungkinan besok akan turun hujan. Kemungkinan jawaban: Y = { Hujan, Tidak Hujan } atau Y = { 1 = Hujan, 0 = Tidak Hujan } atau Y = { 21 = Hujan, 200 = Tidak Hujan }

Contoh Dalam pemeriksaan lampu, ada dua kejadian yg mungkin: Baik (B) dan Mati (M). Pemeriksaan dilakukan dengan mengambil secara acak 3 buah lampu hasil produksi. Maka ruang sampelnya adalah?

Contoh S = { BBB, BBM, BMB, BMM, MBB, MBM, MMB, MMM } Langkah pertama, mendefinisikan X; adalah banyaknya lampu yg rusak dalam pengambilan tsb, maka X bisa mengambil nilai : 0,1,2,3 yang menyatakan lampu yang mati. X adalah contoh random: S = { BBB, BBM, BMB, BMM, MBB, MBM, MMB, MMM } X = { 0, 1, 1, 2, 1, 2, 2, 3 } Terlihat X = 2 untuk kejadian E = { MMB, MBM, BMM }, Jadi tiap nilai X berkenaan dengan sebuah himpunan bagian dari S.

Latihan 2 bola diambil berturut-urut tanpa dikembalikan dari kotak yg berisi 4 bola merah (M) dan 3 bola biru (B). Buatlah semua kemungkinan nilai variabel random Y yang menggambarkan jumlah bola merah yang terambil. Ruang sampel MM 2 MB 1 BM 1 BB 0 y

acak diskrit adalah variabel acak yang tidak mengambil seluruh nilai yang ada dalam sebuah interval atau variabel yang hanya memiliki nilai tertentu. Nilainya merupakan bilangan bulat dan asli, tidak berbentuk pecahan. acak diskrit jika digambarkan pada sebuah garis interval, akan berupa sederetan titik-titik yang terpisah. Untuk sebuah variabel acak diskrit X kita tentukan Fungsi Masa (Probability Mass Function) p(x) dengan :

- Ruang Sampel Ruang Sampel Ruang Sampel adalah kumpulan semua even (kejadian) atau himpunan dari semua outcome yang mungkin dari suatu eksperimen random dinyatakan dengan S Suatu elemen/unsur/anggota pada Ruang sampel (S ) disebut titik sampel (sample point) Menurut banyaknya hasil dalam ruang sampel dibedakan menjadi ruang sampel diskrit dan ruang sampel kontinu

- Ruang Sampel Contoh Ruang Sampel Eksperimen melempar sebuah mata koin dua kali (dua buah koin yang dilempar sekali), maka ruang sampelnya : S = { GG, GA, AG, AA} Eksperimen pelemparan sepasang dadu merah dan hijau, maka ruang sampelnya : S = {(x,y) x = 1, 2,, 6 ; y = 1, 2,,6 } Eksperimen mengukur berat badan seseorang yang beratnya antara 45,5 dan 50,5, maka ruang sampelnya : S = { x 45,5 < x < 50,5 }

Himpunan pasangan tersusun (x,f(x)) adalah sebuah fungsi peluang, fungsi massa peluang atau sebaran peluang dari variabel acak diskrit X bila untuk setiap keluaran x yang mungkin adalah: ; total probabilitas seluruh kejadian = 1

Tiap nilai sebuah variabel acak memiliki probabilitas tertentu untuk muncul. Contoh: Melempar 3 mata uang (tiap kali Gambar, Angka). Misal didefinisikan variabel randomnya X : banyak G dalam pelemparan tsb. Maka ruang sampelnya : S = {GGG,GGA,GAG,GAA, GG,AGA,AAG,AAA} x = 0 {AAA} P(X=0) = 1/8 x = 1 {GAA,AGA,AAG} P(X=1) = 3/8 x = 2 {GGA,GAG,AGG} P(X=2) = 3/8 x = 3 {GGG} P(X=3) = 1/8

Latihan Diketahui ruang sampel dari sebuah percobaan : Percobaan 1 2 3 Jumlah mata angka 1 A A A 3 2 A A G 2 3 A G G 1 4 G G G 0 5 G A A 2 6 G G A 1 7 G A G 1 8 A G A 2 Tentukan distribusi probabilitas diskritnya!

Fungsi Sebaran kumulatif atau Fungsi distribusi kumulatif (CDF) dari X F(x) adalah adalah suatu peubah acak X dengan sebaran peluang f(x) dinyatakan oleh :

Contoh Fungsi Mobil yg dijual sebuah dealer 50% dilengkapi dengan air-bag. - Tentukanlah distribusi probabilitas dari 4 buah mobil yang akan terjual berikutnya! - Kemudian carilah fungsi distribusi kumulatifnya!

Contoh Fungsi probabilitas : menjual sebuah mobil dg air-bag adalah ½ maka untuk 4 penjualan berikutnya ada 2 4 = 16 susunan yg mungkin. Secara umum banyaknya cara untuk menjual x mobil dengan air-bag dari 4 penjualan 4 mobil adalah : 4Cx. Maka probabilitas menjual x mobil dengan air bag dalam 4 penjualan adalah :

Contoh Fungsi Fungsi : Peluang distribusi : f(0) = 4C0/16 = 1/16 f(1) = 4C1/16 = 4/16 f(2) = 4C2/16 = 6/16 f(3) = 4C3/16 = 4/16 f(4) = 4C4/16 = 1/16

Grafik Fungsi (F(x))

Contoh Fungsi probabilitas kumulatif F(x) dari sebuah variabel random X dengan fungsi probabilitas f(x) adalah jumlahan dari f(x) dari nilai x = - hingga x : F(x) = P(X<x) = t<x f(t) untuk - < x < Sehingga fungsi distribusi kumulatifnya: F(0) = f(0) = 1/16, 0 x < 1 F(1) = f(0)+f(1) = 5/16, 1 x < 2 F(2) = f(0)+f(1)+f(2) = 11/16, 2 x < 3 F(3) = f(0)+f(1)+f(2)+f(3) = 15/16, 3 x < 4 F(4) = f(0)+f(1)+f(2)+f(3) = 1, x 4

Grafik

Sifat Sifat Fungsi Peluang 0 F (x) 1 F (x), fungsi yang tidak turun, sebagai kumulatif setiap x naik F (y) = 0, untuk setiap titik y yang lebih kecil dari nilai x terkecil (di ruang contoh) F (z) = 1, untuk setiap titik z yang lebih besar dari nilai x terbesar di ruang contoh F (x), merupakan fungsi tangga dengan tinggi f(x) = P(X = x)

Latihan Diketahui ruang sampel dari sebuah percobaan : Percobaan 1 2 3 Jumlah mata angka 1 A A A 3 2 A A G 2 3 A G G 1 4 G G G 0 5 G A A 2 6 G G A 1 7 G A G 1 8 A G A 2 Tentukan distribusi probabilitas kumulatifnya!

Terimakasih dan Semoga Bermanfaat v^^