Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution)

dokumen-dokumen yang mirip
25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak

Metode Statistika (STK211)

Tipe Peubah Acak. Diskret. Kontinu

Metode Statistika. Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution)

STK 211 Metode statistika. Materi 4 Peubah Acak dan Sebaran Peluang

STK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak

Metode Statistika STK211/ 3(2-3)

Metode Statistika (STK 211) Pertemuan ke-5

PEUBAH ACAK. Materi 4 - STK211 Metode Statistika. October 2, Okt, Department of Statistics, IPB. Dr. Agus Mohamad Soleh

PELUANG DAN PEUBAH ACAK

STK511 Analisis Statistika. Pertemuan 3 Sebaran Peluang Peubah Acak

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata

Statistika Farmasi

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

BAB II TINJAUAN PUSTAKA

Bab 2 DISTRIBUSI PELUANG

Pengantar Proses Stokastik

PEUBAH ACAK DAN SEBARANNYA

STK 203 TEORI STATISTIKA I

Peubah Acak. Bab 4. Definisi 4.1 Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R

Pengantar Proses Stokastik

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

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi

Peubah Acak (Lanjutan)

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

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

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

Dasar-dasar Statistika Pemodelan Sistem

BAB II DISTRIBUSI PROBABILITAS

Pengantar Proses Stokastik

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah

KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.

Dengan demikian, untuk sembarang B = [a, b], maka persamaan (5.1) menjadi

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

Learning Outcomes Sebaran Kontinu Nilai Harapan dan Ragam Beberapa Sebaran Kontinu. Peubah Acak Kontinu. Julio Adisantoso.

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS

Cara memperoleh data: Zaman dahulu, dgn cara : Melempar dadu Mengocok kartu

Distribusi Normal. Statistika (MAM 4137) Syarifah Hikmah JS

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI

PROBABILITAS (PELUANG) PENGERTIAN PROBABILITAS

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI

Pengantar Proses Stokastik

DISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30

DISTRIBUSI NORMAL. Pertemuan 3. 1 Pertemuan 3_Statistik Inferensial

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU

Pembahsan Tugas 9 Probabilitas dan Statistika Distribusi Peluang Diskrit dan Distribusi Peluang Kontinyu

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

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1

Distribusi Peluang Teoritis

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

Nilai Harapan / Nilai Ekspektasi

STATISTIKA MATEMATIKA

KONSEP PROBABILITAS & DISTRIBUSI PROBABILITAS

Beberapa Peubah Acak Diskret (1) Kuliah 8 Pengantar Hitung Peluang

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

BAB 2 LANDASAN TEORI

MA2181 Analisis Data - U. Mukhaiyar 1

DISTRIBUSI KONTINU. Utriweni Mukhaiyar

BAB II LANDASAN TEORI

ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG

STATISTIKA UNIPA SURABAYA

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist

Statistika (MMS-1403)

Statistika (MMS-1001)

Statistika (MMS-1001)

Harapan Matematik (Teori Ekspektasi)

II. LANDASAN TEORI. 2. P bersifat aditif tak hingga, yaitu jika dengan. 2.1 Ruang Contoh, Kejadian dan Peluang

PEMBAHASAN UTS 2015/2016 STATISTIKA 1

Model dan Simulasi Universitas Indo Global Mandiri

Variabel Random dan Nilai Harapan. Oleh Azimmatul Ihwah

Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai

Teori Peluang Diskrit

DISTRIBUSI PROBABILITAS (PELUANG)

DISTRIBUSI PELUANG TEORITIS

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

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

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

LAB MANAJEMEN DASAR MODUL STATISTIKA 1

II LANDASAN TEORI. 2.1 Ruang Contoh, Kejadian dan Peluang. 2.2 Peubah Acak dan Fungsi Sebaran

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

TINJAUAN PUSTAKA. ruang sampel dan dilambangkan dengan huruf S. Ruang sampel beranggotakan

MK Statistik Bisnis 2 MultiVariate. Haryoso Wicaksono, S.Si., M.M., M.Kom. 1

DISTRIBUSI TEORITIS. Variabel Acak Distribusi Teoritis Binomial Normal

DISTRIBUSI PROBABILITAS

BAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol

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

DISTRIBUSI KONTINU. Uniform Normal Gamma & Eksponensial. MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar

Distribusi Sampling. Ayundyah K., M.Si. PROGRAM STUDI STATISTIKA UNIVERSITAS ISLAM INDONESIA 2015

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF 1 (MI) KODE / SKS: KK / 2 SKS

STATISTIK PERTEMUAN VI

STK 203 TEORI STATISTIKA I

MA 2081 Statistika Dasar Utriweni Mukhaiyar. 11 September 2012

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

PENDAHULUAN LANDASAN TEORI

MINGGU KE-9 MACAM-MACAM KONVERGENSI

TINJAUAN PUSTAKA Asuransi Kelompok Penyakit Lanjut Usia (Lansia) di Indonesia

PENDAHULUAN Definisi: Contoh Kasus:

5. Peluang Diskrit. Pengantar

STK 203 TEORI STATISTIKA I

Transkripsi:

Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution)

Peubah acak merupakan suatu fungsi yang memetakan ruang kejadian (daerah fungsi) ke ruang bilangan riil (wilayah fungsi). Fungsi peubah acak merupakan suatu langkah dalam statistika untuk mengkuantifikasikan kejadian-kejadian alam. Pendefinisian fungsi peubah acak harus mampu memetakan SETIAP KEJADIAN DALAM RUANG CONTOH dengan TEPAT ke SATU BILANGAN bilangan riil.

Sebagai ilustrasi dalam percobaan pelemparan sebuah dadu bersisi enam yang seimbang. Ruang contohnya dapat disenaraikan sebagai berikut: a = {S1,S2,S3,S4,S5,S6} Salah satu peubah acak yang dapat dibuat adalah: X = munculnya sisi dadu yang bermata genap = {0, 1} Pemetaan fungsi X dapat digambarkan sebagai berikut: Daerah fungsi Wilayah fungsi S1. S2. S3. S4. S5. S6. X(ei). 0. 1

Jelaskan apa yang dimaksud dengan ruang contoh! Berikan minimal dua contoh untuk ruang contoh! Jelaskan apa yang dimaksud dengan ruang kejadian! Berikan minimal dua contoh untuk ruang kejadian

Diskret Segugus nilai dari suatu peubah acak yang dapat dicacah (countable) Misalkan X = banyaknya tendangan penalti yang berhasil dilakukan oleh pemain A Kontinu Nilai-nilai dari peubah acak tersebut tidak dapat dicacah (uncountable) Nilai dalam peubah acak tersebut berupa selang interval Misalkan X = tinggi badan (cm)

Misalkan X adalah suatu peubah acak diskret Fungsi peluang dari peubah acak diskret menampilkan nilai dan peluang dari peubah acak tersebut Jumlah total nilai peluang dari semua kemungkinan nilai peubah acak tersebut sama dengan 1 Peluang dari sembarang kejadian dapat dibentuk dengan menambahkan peluang dari kejadian-kejadian yang membentuk sembarang kejadian tersebut Sebaran Peluang Peubah Acak X tergantung dari sebaran peluang kejadiannya.

Kembali ke Ilustrasi Pelemparan sebutir dadu yang setimbang SEBARAN PELUANG dari peubah acak X dapat dijabarkan sebagai berikut: p(x=0) = p(s1)+p(s3)+p(s5) = 1/6 +1/6 +1/6= 3/6 p(x=1) = p(s2)+p(s4)+p(s6) = 1/6 + 1/6 + 1/6 = 3/6 Sisi yang muncul Kejadian S 1 S 2 S 3 S 4 S 5 S 6 Peluang kejadian 1/6 1/6 1/6 1/6 1/6 1/6 x 0 1 P(X=x) 1/2 1/2 X 0 1 X 0 1 0 1 0 1

Dua buah mata uang dilempar bersama-sama. Jika masing-masing memiliki sisi yang seimbang, senaraikanlah ruang contohnya. Jika kita ingin melihat munculnya sisi muka pada kedua mata uang, maka definisikan peubah acak tersebut. Lengkapi dengan sebaran peluang dari peubah acak tersebut.

Nilai harapan dari peubah acak adalah pemusatan dari nilai peubah acak jika percobaannya dilakukan secara berulang-ulang sampai tak berhingga kali. Secara matematis nilai harapan dapat dirumuskan sebagai berikut: ( X ) n i 1 x p( x x i ), jika X p.a diskret

Jika c konstanta maka E(c ) = c Jika p.a. X dikalikan dengan konstanta c maka E(cX) = c E(X) Jika X dan Y peubah acak maka E(X Y) = E(X) E(Y)

Ragam dari peubah acak X didefinisikan sebagai berikut: V(X) = E(X-E(X)) 2 = E(X 2 ) [E(X)] 2 tunjukkan! Sifat-sifat dari ragam Jika c konstanta maka V(c ) = 0 Jika p.a. X dikalikan dengan konstanta c maka V(cX) = c 2 V(X) Jika X dan Y peubah acak maka, V(X Y) = V(X) + V(Y) Cov(X,Y) Dimana: Cov(X,Y) = E(X-E(X))E(Y-E(Y)), Jika X dan Y saling bebas maka Cov(X,Y) = 0

Jika diketahui distribusi peluang dari peubah acak X seperti tabel di bawah Dengan demikian nilai harapan p.a X adalah: E(X) = 0 + 1/6 + 2/6 + 3/6 + 4/6 + 5/6 = 15/6 E(3X) = 3 E(X) = 45/6 Nilai peubah Acak X X 0 1 2 3 4 5 P(X=x I ) 1/6 1/6 1/6 1/6 1/6 1/6 X i p(x i ) 0 1/6 2/6 3/6 4/6 5/6 V(X) = (0+1/6+4/6+9/6+16/6+25/6) - (15/6) 2 = 55/6-225/36 = 105/36

Bernoulli Binomial Poisson

Kejadian yang diamati merupakan kejadian biner yaitu sukses atau gagal Peubah acaknya (X) bernilai 1 jika kejadian sukses dan 0 jika kejadian gagal Misal, p=p(sukses) dan q=p(gagal) maka fungsi peluang Bernoulli dapat dituliskan sebagai: P(x,p)=p x q (1-x), x=0,1 E(X) = p var(x)= p(1-p)

Akan melakukan lemparan bebas. Jika peluang bola tersebut masuk ring sebesar 80% maka peluang bola tidak masuk ring adalah 20% Akan melakukan tendangan pinalti. Jika peluang bola masuk sebesar 95% maka peluang bola tidak masuk sebear 5%.

Terdiri dari n kejadian Bernoulli yang saling bebas Peubah acak Binomial merupakan jumlah dari kejadian sukses, X=0,1,2,.,n Fungsi peluang dari kejadian Binomial dapat dituliskan sebagai: P(x,n,p)=C(n,x)p x q (n-x), x=0,1,2,,n dimana C(n,x) = n!/x!(n-x)! E(X) =np var(x)=np(1-p)

Jika peubah acak X didefinisikan sebagai banyaknya lemparan bebas yang sukses dari 3 lemparan p= peluang sukses untuk sekali melakukan lemparan bebas S S S x=3 3 3 P( X 3) p (1 p) 3 G S S S S G 3 2 3 2 x=2 P( X 2) p (1 p) 2 S G S 3 3 S G G G S G G G S x=1 P( X 1) 3 p 1 1 (1 p) 3 1 G G G x=0 3 0 3 0 P( X 0) p (1 p) 0 Rata-rata sukses melakukan lemparan E(X) = np = 3p

Peluang turun hujan per hari diketahui p=0,6. Jika pengamatan dilakukan dalam satu minggu, hitunglah: a. Berapa peluang tidak turun hujan dalam satu minggu? b. Berapa peluang paling sedikit turun hujan satu hari dalam satu minggu?

Misalkan X adalah suatu peubah acak kontinu Fungsi peluang dari peubah acak kontinu merupakan fungsi kepekatan peluang Integral fungsi kepekatan peluang dari semua kemungkinan nilai sama dengan 1 Peluang dari suatu selang nilai dapat dibentuk dengan mengintegralkan fungsi kepekatan peluang dalam selang nilai tersebut

Normal Weibull Gamma Beta

Bentuk sebaran simetrik Mean, median dan modus berada dalam satu titik Fungsi kepekatan peluang dapat dituliskan sebagai berikut: 2 1 x 2 1 2 f ( x,, ) e 2 Peluang merupakan luasan dibawah kurva kepekatan normal: b p ( a x b) f ( x) dx F( b) F( a) P ( - < x < + ) = 0.683 P ( - 2 < x < + 2 ) = 0.954 0.4500 0.4000 0.3500 0.3000 0.2500 0.2000 0.1500 0.1000 0.0500 0.0000 a X Peubah acak (X) dengan mean ( ) dan ragam ( 2 ) menyebar normal sering dituliskan sebagai X ~ N (, 2 )

60 50 Variable ragam 1 ragam 3 ragam - 5 ragam -10 40 Percent 30 20 10 0-36 -24-12 0 Data 12 24 36 Semakin besar ragam dari sebaran normal maka semakin landai bentuk sebarannya

Nilai harapan dari peubah acak tersebut dalam jangka panjang Secara matematis nilai harapan dapat dirumuskan sebagai berikut: ( X ) x f ( x ) dx, i i jika X p.a kontinu

Setiap peubah acak normal memiliki karakteristik yang berbeda-beda perhitungan peluang akan sulit Lakukan transformasi dari X N(, 2 ) menjadi peubah acak normal baku Z N(0, 1) dengan menggunakan fungsi transformasi Distribusi peluang dari peubah acak normal baku Z N(0, 1) sudah tersedia dalam bentuk tabel peluang normal baku Z X

Nilai z, disajikan pada kolom pertama (nilai z sampai desimal pertama) dan baris pertama (nilai z desimal kedua) Nilai peluang didalam tabel normal baku adalah peluang peubah acak Z kurang dari nilai k (P(Z<k)). Nilai Z 0.00 0.01 0.02 0.03-2.6 0.005 0.005 0.004 0.004-2.5 0.006 0.006 0.006 0.006-2.4 0.008 0.008 0.008 0.008 P(Z<-2.42)=0.008

Curah hujan dikota Bogor diketahui menyebar normal dengan rata-rata tingkat curah hujan 25 mm dan ragam 25 mm 2. Hitunglah, 1. Curah hujan di kota Bogor kurang dari 15 mm? 2. Curah hujan di kota Bogor antara 10 mm sampai 20 mm? 3. Curah hujan di kota Bogor di atas 40 mm? 4. Jika dikatakan Bogor mempunyai peluang 10% curah hujan tertinggi, berapa batas curah hujan tersebut!

Dalam suatu bagian terdapat tiga orang karyawan laki-laki dan dua orang karyawan wanita. Manajer ingin memutasi dua orang karyawan dari bagian tersebut. Jika didefinisikan peubah acak X sebagai banyaknya karyawan wanita yang dimutasi : Tentukan sebaran peluang dari peubah acak X tersebut! Tentukan E(X)! Tentukan V(X)!

Diketahui bahwa gaji menyebar normal dengan nilai tengah 2,5 juta dan standar deviasi 0,5 juta. Jikaseorang dipilih secara acak: Tentukan peluang gaji lebih dari 3,2 juta? Tentukan peluang gaji antara 2,3 juta sampai 3,2 juta? Jika 23% orang mempunyai gaji tertinggi, tentukan batas bawah dari range tersebut!