Ekspektasi Satu Peubah Acak Diskrit

dokumen-dokumen yang mirip
Ekspektasi Satu Peubah Acak Kontinu

Distribusi Peubah Acak

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

Analisis Kombinatorial

DISTRIBUTIONS OF RANDOM VARIABLE DISTRIBUSI VARIABEL RANDOM

STATISTIKA UNIPA SURABAYA

MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALA

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya

FUNGSI PEMBANGKIT MOMEN UNTUK MEMENUHI TUGAS MATAKULIAH. Statistika Matematika. Yang dibina oleh Bapak Hendro Permadi. Oleh :

Pengantar Statistika Matematik(a)

SILABUS. 5. Evaluasi a. Kehadiran = 10% b. Tugas = 20% c. UTS = 30% d. UAS = 40%

EKSPEKTASI DUA PEUBAH ACAK

Harapan Matematik (Teori Ekspektasi)

LANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan

DISTRIBUSI DISKRIT KHUSUS

Variabel Random dan Nilai Harapan. Oleh Azimmatul Ihwah

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

PENGANTAR PROBABILITAS STATISTIKA UNIPA SBY

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

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

EKSPEKTASI SATU PEUBAH ACAK

Pengantar Proses Stokastik

Penentuan Momen ke-5 dari Distribusi Gamma

Pengantar Proses Stokastik

MA3081 STATISTIKA MATEMATIKA We love Statistics

BAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer

Peubah Acak (Lanjutan)

STK511 Analisis Statistika. Pertemuan 3 Sebaran Peluang Peubah Acak

STATISTIK PERTEMUAN VI

DISTRIBUSI DISKRIT KHUSUS

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

STK 203 TEORI STATISTIKA I

Metode Statistika (STK 211) Pertemuan ke-5

Bab 7 Ekspektasi dan Fungsi Pembangkit Momen: Cintailah Mean

Statistika Farmasi

BAB III PROSES POISSON MAJEMUK

PEUBAH ACAK DAN SEBARANNYA

BAB 2 LANDASAN TEORI

UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, MA 2081 Statistika Dasar.

Randy Toleka Ririhena, Nur Salam * dan Dewi Sri Susanti Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat ABSTRACT

(HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 20 September 2012 Utriweni Mukhaiyar

Pengantar Proses Stokastik

Pengantar Proses Stokastik

DISTRIBUSI DISKRIT KHUSUS

Bab 2 DISTRIBUSI PELUANG

Peubah acak X yang berdistribusi normal dengan rataan sebagai: 2 ) X ~ N(,

RPS STATISTIKA MATEMATIKA

Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA. Insure and Invest! Khreshna I.A. Syuhada, MSc. PhD.

Percobaan terdiri dari 1 usaha. Peluang sukses p Peluang gagal 1-p Misalkan. 1, jika terjadi sukses X jika terjadi tidak sukses (gagal)

PENGANTAR MODEL PROBABILITAS

BAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi

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

BAB IV EKSPEKTASI MATEMATIK

BAB II KAJIAN PUSTAKA. bersyarat, momen bersyarat, distribusi binomial, martingale, tingkat bunga &

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

DISTRIBUSI SATU PEUBAH ACAK

Peubah Acak dan Distribusi Kontinu

BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL

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

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

Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah

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

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

DISTRIBUSI DISKRIT KHUSUS

Pengantar Proses Stokastik

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam

AK5161 Matematika Keuangan Aktuaria

Situasi 1: a. Buatlah pernyataan-pernyataan yang sesuai dengan situasi di atas!

DISTRIBUSI BINOM. Ciri-ciri: 1.Eksperimen terdiri dari n percobaan yang dapat diulang

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

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

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

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

II. TINJAUAN PUSTAKA. kontinu. Bentuk kurva distribusi logistik adalah simetri dan uni-modal. Bentuk

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

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 Statistika Matematik(a)

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS

PERKIRAAN SELANG KEPERCAYAAN UNTUK PARAMETER PROPORSI PADA DISTRIBUSI BINOMIAL

Tipe Peubah Acak. Diskret. Kontinu

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

MA 2081 Statistika Dasar Utriweni Mukhaiyar. 11 September 2012

RENCANA MUTU PEMBELAJARAN. I. Standar Kompetensi : Menyelesaikan masalah probabilitas baik secara teoritik maupun aplikasinya dalam kehidupan.

Var X y x E X y. g x y dx. dan varians bersyarat dari Y diberikan X = x dirumuskan sebagai berikut: Var Y x y E Y x. h y x dy

3.3.Daerah Layanan DI. Karau 4. Studi Literatur 4.1.Efisiensi Irigasi 4.2.Definisi Efisiensi Irigasi 4.3.Efisiensi Penyaluran

ESTIMASI PARAMETER DISTRIBUSI WEIBULL TERSENSOR-II MENGGUNAKAN MLE

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

BEBERAPA TEKNIK DISTRIBUSI FUNGSI PEUBAH ACAK

POKOK BAHASAN YANG DIAJARKAN: 1. DISTRIBUSI PEUBAH ACAK a. Distribusi Peubah Acak Tunggal b. Distribusi Peubah Acak Ganda c. Distribusi Bersyarat d.

DISTRIBUSI BINOMIAL STKIP SILIWANGI BANDUNG LUVY S ZANTHY KAPSEL SMA

Lampiran 1. Beberapa Definisi dan Lema Teknis

Pengantar Proses Stokastik

ESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK

PEUBAH ACAK DAN DISTRIBUSINYA

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 4, No.1, Februari 2015

PEMAKAIAN PELUANG DALAM MEMBUAT KEPUTUSAN: SUATU TINJAUAN DALAM MASALAH GROSIR

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah

Contoh: Aturan Penjumlahan. Independen. P(A dan B) = P(A) x P(B)

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

Transkripsi:

Chandra Novtiar 085794801125 chandramathitb07@gmail.com PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP) SILIWANGI BANDUNG

Garis Besar Pembahasan

Sub Pokok Pembahasan 3 1. Nilai Ekspektasi 2. Rataan 3. Varians 4. Momen 5. Fungsi Pembangkit Momen

Sub Pokok Pembahasan 3 1. Nilai Ekspektasi 2. Rataan 3. Varians 4. Momen 5. Fungsi Pembangkit Momen

Definisi Jika X adalah peubah acak diskrit dengan nilai fungsi peluangnya di x adalah p(x) dan u(x) adalah fungsi dari X, maka nilai ekspektasi dari u(x), dinotasikan dengan E[u(x)], didefinisikan sebagai: 4 E[u(X)] = x u(x) p(x)

Definisi Jika X adalah peubah acak diskrit dengan nilai fungsi peluangnya di x adalah p(x) dan u(x) adalah fungsi dari X, maka nilai ekspektasi dari u(x), dinotasikan dengan E[u(x)], didefinisikan sebagai: 4 E[u(X)] = x u(x) p(x) Contoh Misalkan fungsi peluang dari peubah acak X berbentuk: p(x) = x, x = 1, 2, 3, 4, 5 Tentukan E[X 2 1] dan E[X(X+1)]

Sifat-sifat Nilai Ekspektasi 1. Jika c adalah sebuah konstanta, maka E(c) = c 2. Jika c adalah sebuah konstanta dan u(x) adalah fungsi dari X, maka: E[c u(x)] = c E[u(X)] 3. Jika c 1 dan c 2 adalah dua buah konstanta dan u 1 (X) dan u 2 (X) adalah dua buah fungsi dari X, maka: E[c 1 u 1 (X) + c 2 u 2 (X)] = c 1 E[u 1 (X)] + c 2 E[u 2 (X)] 5

Sifat-sifat Nilai Ekspektasi 1. Jika c adalah sebuah konstanta, maka E(c) = c 2. Jika c adalah sebuah konstanta dan u(x) adalah fungsi dari X, maka: E[c u(x)] = c E[u(X)] 3. Jika c 1 dan c 2 adalah dua buah konstanta dan u 1 (X) dan u 2 (X) adalah dua buah fungsi dari X, maka: E[c 1 u 1 (X) + c 2 u 2 (X)] = c 1 E[u 1 (X)] + c 2 E[u 2 (X)] 5 Contoh Lihat kembali soal pada contoh 1 Hitung E(X 2 1) dan E[X(X + 1)] dengan menggunakan sifat-sifat nilai ekspektasi

Definisi Jika X adalah peubah acak diskrit dengan nilai fungsi peluang dari X di x adalah p(x), maka rataan dari peubah acak X didefinisikan sebagai: 6 E[X] = x x p(x)

Definisi Jika X adalah peubah acak diskrit dengan nilai fungsi peluang dari X di x adalah p(x), maka rataan dari peubah acak X didefinisikan sebagai: 6 E[X] = x x p(x) Contoh Jika Sandi melempar sebuah dadu seimbang, maka tentukan rataan dari munculnya angka pada mata dadu itu!

Definisi Misalnya X adalah peubah acak, baik diskrit maupun kontinu. Varians dari X didefinisikan sebagai : Var(X) = E[X E[X]] 2 7 Var(X) = E[X µ] 2

Definisi Misalnya X adalah peubah acak, baik diskrit maupun kontinu. Varians dari X didefinisikan sebagai : Var(X) = E[X E[X]] 2 7 Definisi Varians Diskrit Var(X) = E[X µ] 2 Jika X adalah peubah acak diskrit dan p(x) adalah nilai fungsi peluang dari X di x, maka Varians dari X didefinisikan sebagai: Var(X) = x (x µ) 2 p(x)

Sifat-Sifat Varians a Jika c adalah sebuah konstanta, maka Var(c) = 0 b Jika X adalah peubah acak dan c adalah sebuah konstanta, maka: Var(X + c) = Var(X) c Jika a dan b adalah dua buah konstanta dan X adalah peubah acak, maka: Var(aX + b) = a 2 Var(X) 8

Sifat-Sifat Varians a Jika c adalah sebuah konstanta, maka Var(c) = 0 b Jika X adalah peubah acak dan c adalah sebuah konstanta, maka: Var(X + c) = Var(X) c Jika a dan b adalah dua buah konstanta dan X adalah peubah acak, maka: Var(aX + b) = a 2 Var(X) 8 Contoh Misalnya distribusi peluang dari peubah acak X adalah sebagai berikut : x 1 2 3 f (x) 1 2 1 3 1 6 Hitung Var(X)

Definisi Momen Jika X adalah peubah acak, baik diskrit maupun kontinu, maka momen ke-k (dinotasikan dengan µ k ) didefinisikan sebagai : µ k = E[X k ], k = 1, 2, 3, 9

Definisi Momen Jika X adalah peubah acak, baik diskrit maupun kontinu, maka momen ke-k (dinotasikan dengan µ k ) didefinisikan sebagai : Momen Diskrit µ k = E[X k ], k = 1, 2, 3, Jika X adalah peubah acak diskrit dan p(x) adalah nilai fungsi peluang dari X di x, maka momen ke-k (dinotasikan µ k ) didefinisikan sebagai : 9 µ k = x x k p(x)

Momen Sekitar Rataan Diskrit Jika X adalah peubah acak diskrit dan p(x) adalah nilai fungsi peluang dari X di x, maka momen sekitar rataan ke-k (dinotasikan µ k ) didefinisikan sebagai: µ k = x (x µ) k p(x) 10

Contoh 1. Berikut ini diberikan distribusi peluang dari peubah acak X x 1 2 3 4 1 1 1 1 f (x) 4 8 8 2 Hitunglah µ 3 2. Misalkan ufngsi peluang dari X berbentuk: 11 p(x) = 1, x = 1, 2, 3 3 Hitung µ 3

Definisi Jika X adalah peubah acak, baik diskrit maupun kontinu, maka fungsi pembangkit momen dari X (dinotasikan dengan M x (t)) didefinisikan sebagai: untuk h < t < h dan h > 0 M x (t) = E[e tx ] 12

Definisi Jika X adalah peubah acak, baik diskrit maupun kontinu, maka fungsi pembangkit momen dari X (dinotasikan dengan M x (t)) didefinisikan sebagai: untuk h < t < h dan h > 0 M x (t) = E[e tx ] DISKRIT Jika X adalah peubah acak diskrit dan p(x) adalah fungsi peluang dari X di x, maka fungsi pembangkit momen dari X didefinisikan sebagai: 12 M x (t) = x e tx p(x)

PENURUNAN Jika X adalah peubah acak, baik diskrit maupun kontinu dan M x (t) adalah fungsi pembangkit momennya, maka M r x(t) t=0 = µ r 13

PENURUNAN Jika X adalah peubah acak, baik diskrit maupun kontinu dan M x (t) adalah fungsi pembangkit momennya, maka Contoh M r x(t) t=0 = µ r Misalkan fungsi peluang dari X berbentuk : 13 p(x) = 1 4 C 2 x, x = 0, 1, 2 a. Tentukan fungsi pembangkit momen dari X b. Hitung µ 1 dan µ 2 berdasarkan hasil fungsi pembangkit momen

Daftar Pustaka N. Herrhyanto dan T.Gantini, Pengantar Statistika Matematik, Bandung, Yrama Widya, 2009. J.E. Freud and R.E. Walpole,Mathematical Statistics, New Jersey,Prentice Hall Inc., 1980. M.R. Spiegel,Theory and Problems of Probability and Statistics, Singapore, McGraw-Hill, 1982. 14

Terima Kasih Chandra Novtiar 085794801125 chandramathitb07@gmail.com