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

dokumen-dokumen yang mirip
MK Statistik Bisnis 2 MultiVariate. Haryoso Wicaksono, S.Si., M.M., M.Kom. 1

1 n MODUL 5. Peubah Acak Diskret Khusus

9 Departemen Statistika FMIPA IPB

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

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

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

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

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

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

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto

Pendugaan Parameter. Debrina Puspita Andriani /

MODUL BEBERAPA MACAM SEBARAN TEORITIS

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

SEBARAN t dan SEBARAN F

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

MODUL BEBERAPA MACAM SEBARAN TEORITIS BEBERAPA MACAM SEBARAN TEORITIS

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

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

STATISTIKA SMA (Bag.1)

BAB VIII KONSEP DASAR PROBABILITAS

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

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

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

STATISTIK PERTEMUAN VIII

Sampling Process and Sampling Distribution Inference : Point and Interval Estimates. Pertemuan 2

BAB 6: ESTIMASI PARAMETER (2)

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA

Elemen Dasar Model Antrian. Aktor utama customer dan server. Elemen dasar : 1.distribusi kedatangan customer. 2.distribusi waktu pelayanan. 3.

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

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

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun

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

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Kompetisi Statistika Tingkat SMA

Distribusi Sampel, Likelihood dan Penaksir

BAB V ANALISA PEMECAHAN MASALAH

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

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA

UKURAN PEMUSATAN DATA

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA

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

BAB III MENENTUKAN MODEL KERUSAKAN DAN INTERVAL WAKTU PREVENTIVE MAINTENANCE OPTIMUM SISTEM AXIS PADA MESIN CINCINNATI MILACRON DOUBLE GANTRY TIPE-F

Statistika Inferensial

x = μ...? 2 2 s = σ...? x x s = σ...?

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Sebaran Penarikan Contoh. Dept Statistika FMIPA IPB

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Perilaku Distribusi Bernoulli. Definisi: Bernoulli. Contoh Binomial. Contoh Binomial

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

BAB II TINJAUAN PUSTAKA

INTERVAL KEPERCAYAAN

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

Proses Pendugaan. 95% yakin bahwa diantara 40 & 60. Mean X = 50. Mean,, tdk diketahui. Contoh Prentice-Hall, Inc. Chap. 7-1

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Distribusi Sampel Sampling Distribution

BAB 2 LANDASAN TEORI

ANUITAS. 9/19/2012 MK. Aktuaria Darmanto,S.Si.

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

JENIS PENDUGAAN STATISTIK

DISTRIBUSI KHUSUS YANG DIKENAL

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

Distribusi Pendekatan (Limiting Distributions)

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

Taksiran Interval bagi Rata-rata Parameter Distribusi Poisson Interval Estimate for The Average of Parameter Poisson Distribution

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart

Metode Statistika STK211/ 3(2-3)

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

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

BAB III METODOLOGI PENELITIAN

PERTEMUAN 6-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

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

Probabilitas dan Statistika Teorema Bayes. Adam Hendra Brata

TINJAUAN PUSTAKA Pengertian

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

IV. METODE PENELITIAN

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

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian:

PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian:

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

MENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL

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

MANAJEMEN RISIKO INVESTASI

Distribusi Sampling (Distribusi Penarikan Sampel)

PELUANG. Misalkan n = A,B,C,D Terjadinya 2 kemungkinan kejadian yaitu : AB, AC,AD, BA,BC,BD, CA,CB,CD, DA,DB,DC = 12 kemungkinan

TEKNIK SAMPLING PCA SISTEMATIK. Hazmira Yozza Izzati Rahmi HG. Jurusan Matematika FMIPA - Unand

BAB II KAIDAH PENCACAHAN DAN PELUANG

Kalkulus Rekayasa Hayati DERET

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

Persamaan Non-Linear

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Tetapi apabila n < 5% N maka digunakan :

ARTI PROBABILITAS. Pr s =P= 1-q = Pr G =q = 1-p. dalam mana Pr S dan Pr G masing-masing adalah probabilitas sukses dan probabilitas gagal.

BAB 2 PELUANG LKS 1 8. C hanya angka 3 yang memenuhi syarat kurang dari 400 Banyak bilangan yang kurang dari 400 : = = 12 9.

Chapter 7 Student Lecture Notes 7-1


( ) ( ) r! n r! x y C x. y -1- n n! n n i i

Transkripsi:

Seragam (Uiform) [D1] : Fugsi probabilita Uiform utuk semua ilai. Dimaa merupaka bayakya 1 f ( ) obyek da diasumsika memiliki sifat yag sama. Biomial [D2] : Sifat percobaa Biomial : Percobaa dilakuka dalam kali ulaga yag sama. Kemugkia yg terjadi pada tiap ulaga haya 2 [ sukses atau gagal ]. probabilita sukses diotasika dega p selalu tetap pada tiap ulaga. Tiap ulaga salig bebas (idepedet). Haryoso Wicaksoo, S.Si., M.M., M.Kom. 8

Biomial : Fugsi probabilita Biomial f ( )!!( p )! (1 p ) ( ) dimaa = bayakya sukses yag terjadi dalam kali ulaga p = probabilita sukses = bayakya ulaga Haryoso Wicaksoo, S.Si., M.M., M.Kom. 9

Pelempara 1 kepig mata uag : jumlah sisi mata uag = 2 (atas/kepala/k & bawah/ekor/e) berarti p=0,5 jumlah kepig = 1, berarti ada 2^1 = 2 kemugkia. Jumlah K RS : K & E K 1 Tabel Distribusi Peluag X=muculya Kepala E 0 0 (tdk ada K-ya) 1 f() 1/2 1/2 D.Biomial 0.500000 0.500000 =BINOMDIST(0;1;0,5;FALSE) =BINOMDIST(1;1;0,5;FALSE) Haryoso Wicaksoo, S.Si., M.M., M.Kom. 10

Pelempara 2 kepig mata uag : jumlah sisi mata uag = 2 (atas/kepala/k & bawah/ekor/e) berarti p=0,5 jumlah kepig = 2, berarti ada 2^2 = 4 kemugkia. Jumlah K RS : KK, KE, EK & EE KK 2 Tabel Distribusi Peluag X=muculya Kepala KE 1 0 (tdk ada K-ya) 1 2 EK 1 f() 1/4 2/4 1/4 EE 0 D.Biomial 0.250000 0.500000 0.250000 =BINOMDIST(0;2;0.5;FALSE) =BINOMDIST(1;2;0.5;FALSE) =BINOMDIST(2;2;0.5;FALSE) Haryoso Wicaksoo, S.Si., M.M., M.Kom. 11

Pelempara 3 kepig mata uag : jumlah sisi mata uag = 2 (atas & bawah) berarti p=0,5 jumlah kepig = 3, berarti ada 2^3 = 8 kemugkia. Jumlah K RS : KKK, KKE, KEK, KEE, EKK, EKE, EEK, EEE KKK 3 Tabel Distribusi Peluag X=muculya Kepala KKE 2 0 1 2 3 KEK 2 f() 1/8 3/8 3/8 1/8 KEE 1 D.Biomial 0.125000 0.375000 0.375000 0.125000 EKK 2 =BINOMDIST(E16;3;0.5;FALSE) EKE 1 =BINOMDIST(F16;3;0.5;FALSE) EEK 1 =BINOMDIST(G16;3;0.5;FALSE) EEE 0 =BINOMDIST(H16;3;0.5;FALSE) Haryoso Wicaksoo, S.Si., M.M., M.Kom. 12

Mesi Cetak Kora SUMBER JAYA pada setiap pecetaka kertas kora 1450 lembar terjadi kerusaka 145 lembar. Bila MCK SJ tsb aka diguaka mecetak kora sebayak 5 lembar, berapakah probabilita terdapat 0, 1, 2,..., 5 lembar yg rusak? Jumlah kertas, = 5 Peluag rusak (gagal)= p = 0.100000 = 0, 1, 2, 3, 4 atau 5 Bi() =BINOMDIST(,,p,FALSE) 0 0.590490 =BINOMDIST(A6,$C$1,$C$2,FALSE) 1 0.328050 =BINOMDIST(A7,$C$1,$C$2,FALSE) 2 0.072900 =BINOMDIST(A8,$C$1,$C$2,FALSE) 3 0.008100 =BINOMDIST(A9,$C$1,$C$2,FALSE) 4 0.000450 =BINOMDIST(A10,$C$1,$C$2,FALSE) 5 0.000010 =BINOMDIST(A11,$C$1,$C$2,FALSE) 1.000000 Haryoso Wicaksoo, S.Si., M.M., M.Kom. 13

Sekepig uag logam di lempar 6 kali. Tetuka : a) Probabilita memperoleh 5K b) Probabilita memperoleh palig sedikit 5K Jumlah uag logam, = 6 Peluag uag logam, p = 0.5 = 0, 1, 2, 3, 4, 5 atau 6 Biomial() =BINOMDIST(,,p,FALSE) 0 0.015625 =BINOMDIST(A6,$C$1,$C$2,FALSE) 1 0.093750 =BINOMDIST(A7,$C$1,$C$2,FALSE) 2 0.234375 =BINOMDIST(A8,$C$1,$C$2,FALSE) 3 0.312500 =BINOMDIST(A9,$C$1,$C$2,FALSE) 4 0.234375 =BINOMDIST(A10,$C$1,$C$2,FALSE) 5 0.093750 =BINOMDIST(A11,$C$1,$C$2,FALSE) 6 0.015625 =BINOMDIST(A12,$C$1,$C$2,FALSE) 1.000000 p (palig sedikit 5K) = p(=5)+p(=6) =5 & =6 0.109375 Haryoso Wicaksoo, S.Si., M.M., M.Kom. 14

Biomial : Rata-rata [Nilai Harapa], Varia & Stadart Deviasi 1. Nilai Harapa (Epected Value) : E() = =.p. 2. Varia : Var() = 2 =.p(1 - p) 3. Simpaga Baku (Stadard Deviatio) : Cotoh Biomial : Perusahaa Asurasi Misalka sebuah perusahaa asurasi mempuyai 3 calo pelagga, da pimpia perusahaa yaki bahwa probabilita dapat mejual produkya adalah 0,1. Berapa probabilita bahwa 1 pelagga aka membeli produkya? Pada kasus ii, p = 0,1 ; = 3 ; = 1. p (1 p ) Haryoso Wicaksoo, S.Si., M.M., M.Kom. 15

Cotoh Biomial : Perusahaa Asurasi Pada kasus ii, p = 0,1 ; = 3 ; = 1 1. probabilitaya : 3! 1 2 f (1) (0.1) (0.9) = (3)(0,1)(0,81) = 0,243 1!(3 1)! 2. Nilai Harapa: E() = =.p = 3.(0,1) = 0,3 3. Varia: Var() = 2 =.p(1 - p) = 3(0,1)(0,9) = 0,27 4. Simpaga Baku: = 0,52 Haryoso Wicaksoo, S.Si., M.M., M.Kom. 16

Cotoh Biomial : Perusahaa Asurasi Megguaka Tabel Biomial [tidak selalu ada di Buku Teks Statistik, kr tergatika oleh Software Aplikasi Komputer] Haryoso Wicaksoo, S.Si., M.M., M.Kom. 17

Sebutir dadu di lempar 4 kali, berapa rata-rata []-ya? Jawab : Diketahui : = 4 ; p = Haryoso Wicaksoo, S.Si., M.M., M.Kom. 18

Bila 15 dadu di lempar sekali, berapa rata-rata [] jumlah mata dadu 4 yg diperoleh? Jawab : Diketahui : = 15 ; p = Maka : Haryoso Wicaksoo, S.Si., M.M., M.Kom. 19

Poisso [D3] : Sifat percobaa Poisso : 1. Peluag suatu kejadia adalah sama utuk 2 (dua) iterval yag sama. 2. Kejadia pada suatu iterval salig bebas dega kejadia pada iterval yag lai 3. Fugsi Probabilita Poisso dimaa = bayakya kejadia pada iterval waktu tertetu = rata-rata bayakya kejadia pada iterval waktu tertetu e = 2.71828 f ( ) e! Haryoso Wicaksoo, S.Si., M.M., M.Kom. 20

Rata-rata seorag dari 100 orag Sarjaa Ekoomi bermiat berlaggaa Jural Ekoomi. Bila Peerbit megirimka 50 surat utuk berlaggaa, berapakah peluag Peerbit meerima kembali 1 surat, 2 surat,..., 5 surat? Jumlah surat = = 50 Peluag miat = 1/100 = p = 0.01 = 0, 1, 2, 3, 4,..., 50 miu [µ] =.p = 0.5 =BINOMDIST(,,p,FALSE) =POISSON(,µ,FALSE) Biomial() Poisso () 0 0.605006 0.606531 1 0.305559 0.303265 2 0.075618 0.075816 3 0.012221 0.012636 4 0.001450 0.001580 5 0.000135 0.000158 6 0.000010 0.000013 7 0.000001 0.000001 8 0.000000 0.000000 50 0.000000 0.000000 0.999989 0.999986 Haryoso Wicaksoo, S.Si., M.M., M.Kom. 21

Mesi Stecil merk SJ, pada tiap mestecil 2000 lembar aka membuat kerusaka selembar. Berapa probabilita kerusaka 0, 1, 2,...,5 lembar tiap 1000 lembar kertas. jumlah lembar = = 1000 miu [µ] =.p = 0.5 peluag rusak = 1/2000 = p = 0.0005 = 0, 1, 2, 3, 4, 5 =BINOMDIST(,,p,FALSE) =POISSON(,µ,FALSE) Biomial() Poisso () 0 0.606455 0.606531 1 0.303379 0.303265 2 0.075807 0.075816 3 0.012616 0.012636 4 0.001573 0.001580 5 0.000157 0.000158 0.999986 0.999986 Haryoso Wicaksoo, S.Si., M.M., M.Kom. 22

Bila 5 kepig uag logam di lempar 64 kali, berapakah probabilitas timbulya 5K sebayak 0, 1, 2, 3, 4 & 5 kali? Badigka atara Distribusi Biomial & Distribusi Poisso. Jumlah lempara = 64 miu =.p = 2 Peluag sukses = 1/32 = 0.031250 =BINOMDIST(,,p,FALSE) =POISSON(,µ,FALSE) Biomial() Poisso () 0 0.131084 0.135335 1 0.270625 0.270671 2 0.274990 0.270671 3 0.183327 0.180447 4 0.090185 0.090224 5 0.034910 0.036089 0.985121 0.983436 Haryoso Wicaksoo, S.Si., M.M., M.Kom. 23

N r N r f ) ( N r N r f ) ( Hipergeometrik [D4] : Pada distribusi hiper-geometrik, atar ulaga tidak bebas da peluag sukses berubah dari satu ulaga ke ulaga yag lai. Fugsi Probabilita Hipergeometrik dimaa = bayakya sukses dalam kali ulaga = bayakya ulaga N = bayakya eleme populasi r = bayakya sukses dalam populasi Haryoso Wicaksoo, S.Si., M.M., M.Kom. 24

Hipergeometrik : Cotoh: Baterai Bob Bob beriat meggati 2 baterai yag mati, amu ia tidak segaja mecampurya dega 2 baterai yag baru. Keempat baterai terlihat idetik. Berapa probabilita Bob megambil 2 baterai yag masih baru? Haryoso Wicaksoo, S.Si., M.M., M.Kom. 25 0,167 6 1 2!2! 4! 0!2! 2! 2!0! 2! 2 4 0 2 2 2 ) ( N r N r f 167 0, 6 1 2!2! 4! 0!2! 2! 2!0! 2! 2 4 0 2 2 2 ) ( N r N r f