PTP: Peubah Acak Kontinu Pertemuan ke-6/7. Dr. Adji Achmad RF, S.Si, M.Sc Statistika, FMIPA, Universitas Brawijaya Malang

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

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

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26

MA2181 Analisis Data - U. Mukhaiyar 1

DISTRIBUSI KONTINU. Utriweni Mukhaiyar

STATISTICS. WEEK 5 Hanung N. Prasetyo TELKOM POLTECH/HANUNG NP

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata

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

STK 203 TEORI STATISTIKA I

DISTRIBUSI VARIABEL RANDOM

Pengantar Proses Stokastik

Nilai Harapan / Nilai Ekspektasi

BAB II TINJAUAN PUSTAKA

Distribusi Normal. Statistika (MAM 4137) Syarifah Hikmah JS

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist

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

STK511 Analisis Statistika. Pertemuan 3 Sebaran Peluang Peubah Acak

BAB II LANDASAN TEORI

Oleh: BAMBANG AVIP PRIATNA M

KONSEP DASAR TERKAIT METODE BAYES

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

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

Pengantar Proses Stokastik

DISTRIBUSI SATU PEUBAH ACAK

MA 2081 Statistika Dasar Utriweni Mukhaiyar. 11 September 2012

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

6 Departemen Statistika FMIPA IPB

BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL

PEUBAH ACAK DAN DISTRIBUSINYA. MA 2081 Statistika Dasar Utriweni Mukhaiyar

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

Pengantar Proses Stokastik

Metode Statistika (STK 211) Pertemuan ke-5

Metode Statistika STK211/ 3(2-3)

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

STK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak

PELUANG DAN PEUBAH ACAK

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU

Pengantar Proses Stokastik

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

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

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi

Model dan Simulasi Universitas Indo Global Mandiri

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

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

Distribusi Probabilitas Kontinyu Teoritis

BAB II TINJAUAN PUSTAKA

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

Pengantar Proses Stokastik

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean

PEUBAH ACAK DAN SEBARANNYA

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

Pengantar Proses Stokastik

BAB III PROSES POISSON MAJEMUK

Distribusi Peubah Acak

Pengantar Proses Stokastik

Metode Statistika. Statistika Inferensia: Pendugaan Parameter (Selang Kepercayaan)

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

MINGGU KE-6 VARIABEL RANDOM DAN DISTRIBUSINYA

Catatan Kuliah. MA5181 Proses Stokastik

PEUBAH ACAK DAN DISTRIBUSINYA

BAB 9 DISTRIBUSI PELUANG KONTINU

II. TINJAUAN PUSTAKA

I. PENDAHULUAN. Perkembangan teori statistika telah mempengaruhi hampir semua aspek. Dalam teori statistika dan peluang, distribusi gamma (

Statistika Farmasi

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

PEUBAH ACAK DAN DISTRIBUSINYA

BAB 4 KEKONSISTENAN PENDUGA DARI FUNGSI SEBARAN DAN FUNGSI KEPEKATAN WAKTU TUNGGU DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT

Misalkan peluang seorang calon mahasiswa IT Telkom memilih prodi TI adalah sebesar 0.6. Berapa peluang bahwa ;

BAB 2 TINJAUAN PUSTAKA

TINJAUAN PUSTAKA. Distribusi Weibull adalah distribusi yang paling banyak digunakan untuk waktu

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

15Ilmu. Uji t-student dan Uji Z (Distribusi Normal)

BAB IV REDUKSI BIAS PADA PENDUGAAN

SATUAN ACUAN PERKULIAHAN MATA KULIAH : STATISTIK & PROBABILITAS KODE : TIK1010 / SKS : 3 SKS

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

MA5181 PROSES STOKASTIK

BAB II LANDASAN TEORI. ilmiah. Pencacahan atau pengukuran karakteristik suatu objek kajian yang

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

TERAPAN INTEGRAL. Bogor, Departemen Matematika FMIPA IPB. (Departemen Matematika FMIPA IPB) Kalkulus I Bogor, / 22

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

SEBARAN PENARIKAN CONTOH (SAMPLING DISTRIBUTION)

Peubah Acak (Lanjutan)

Pertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu

Laju pertumbuhan penduduk geometrik menggunakan asumsi bahwa laju pertumbuhan penduduk sama setiap tahunnya.

KONSEP PROBABILITAS & DISTRIBUSI PROBABILITAS

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.

II. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E

PERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL

III. HASIL DAN PEMBAHASAN

BAB VI DISTRIBUSI PROBABILITAS MENERUS

Materi 1 : Review Statistika Inferensia Pengujian Hipotesis PERANCANGAN PERCOBAAN

STATISTIKA II (BAGIAN

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi

Peubah Acak dan Distribusi

Sebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran nor

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

PEMBAHASAN UTS 2015/2016 STATISTIKA 1

BAB 2 LANDASAN TEORI

Metode Statistika (STK211)

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

Transkripsi:

PTP: Peubah Acak Kontinu Pertemuan ke-6/7 Dr. Adji Achmad RF, S.Si, M.Sc Statistika, FMIPA, Universitas Brawijaya Malang 1

Peubah Acak X dikatakan peubah acak kontinu bila terdapat fungsi nonnegatif f, yang terdefinisi pada semua bilangan nyata (-,), mempunyai sifat bahwa untuk setiap himpunan bilangan nyata B, P(XB) = B f ( ) d Fungsi f dikatakan fungsi kepekatan peluang peubah acak X dan f harus memenuhi P{X ( -, )} = =1 f ( ) d

Semua statemen peluang tentang X dapat dinyatakan dalam term f. Misalkan B = [a,b]maka P{a X b}= Jika a = b maka a P{X=a} = f ( ) d =0 a Untuk peubah acak kontinu b a P{X < a} = P {X a} = f ( ) d a f ( ) d

Contoh 1. Misalkan bahwa X adalah peubah acak yang kontinu dengan fungsi kepekatan peluang f ( ) C (4 0 2 2 0 2 selainnya a. berapa nilai C? b. Hitung P{X > 1}

2. Banyaknya waktu, dalam jam, fungsi komputer sebelum rusak adalah peubah acak kontinu dengan fungsi kepekatan peluang e f ( ) /100 0 0 0 a. Berapa peluang bahwa komputer akan berfungsi antara 50 sampai 150 jam sebelum rusak? b. berapa peluang bahwa komputer akan berfungsi kurang dari 100 jam

Peubah Acak Kontinu Khusus 1. Peubah Acak Seragam (Uniform) Peubah acak X dikatakan menyebar secara seragam pada interval (0,1) jika fungsi kepekatan peluangnya adalah f ( ) 1 0 0 1 selainnya

Sehingga, misalkan untuk 0<a<b<1 Secara umum, kita katakan bahwa X peubah acak seragam pada interval (,) jika fungsi kepekatan peluangnya adalah b a a b d f b X a P ) ( ) ( } { selainnya f 0 1 ) (

Fungsi sebaran peubah acak seragam pada interval (,) adalah F( a) 0 a 1 a a a

Contoh 1. Jika X menyebar secara seragam pada (0,10), hitung peluang a. X < 3 b. X > 6 c. 3 < X < 8

2. Bus - bus datang di pemberhentian bus tertentu pada interval 15 menit dimulai dari pukul 7.00 pagi. Jadi bus bus tersebut berhenti pada pukul 7, 7:15, 7:30, 7:45 dan seterusnya. Jika penumpang datang pada pemberhentian pada suatu waktu yang menyebar seragam antara 7:00 dan 7:30, hitung peluang bahwa dia menunggu a. kurang dari 5 menit untuk sebuah bus b. lebih dari 10 menit untuk sebuah bus

2. Peubah Acak Normal Peubah acak X dikatakan peubah acak Normal dengan parameter dan 2 jika fungsi kepekatan peluang X adalah f ( ) 1 e 2 ( ) 2 / 2 2 - < <

Fungsi kepekatan peluang adalah kurva berbentuk genta yang simetrik pada. Nilai dan 2 merepresentasikan nilai rata rata dan variasi atau keragaman yang mungkin dari X. Beberapa contoh yang mengikuti sebaran normal antara lain tinggi manusia, kecapatan molekul pada gas, dan kesalahan yang dibuat dalam pengukuran kuantitas fisik

Fakta penting dari pebah acak normal adalah jika X menyebar normal dengan parameter dan 2 maka Y = X + menyebar normal dengan parameter + dan 2 2. Implikasinya bila X menyebar normal dengan parameter dan 2 maka Z = (X - )/ menyebar normal dengan parameter 0 dan 1. Peubah acak Z dinamakan peubah acak normal baku

= Fungsi sebaran kumulatif dari peubah acak normal baku dilambangkan dengan () dimana () = 1 2 e y / 2 dy Nilai dari () telah ditabelkan 2

Contoh : 1. Jika X adalah peubah acak normal dengan parameter = 3 dan 2 = 9. Hitung a. P{2<X<5} b. P{X>0}

2. Suatu ujian dikatakan baik apabila nilai dari hasil ujian dapat didekati dengan fungsi kepekatan peluang normal. Instruktur seringkali menggunakan nilai hasil ujian untuk menduga parameter normal dan 2 kemudian memberi nilai A untuk nilai yang lebih dari +, B untuk nilai antara dan +, C untuk nilai antara - dan, D untuk nilai antara - 2 dan -, dan E untuk nilai di bawah - 2. Berapa persen yang akan mendapat nilai A, B, C, D dan E.

3. Peubah Acak Eksponensial Peubah acak kontinu yang memiliki fungsi kepekatan peluang e f ( ) 0 0 0 dikatakan peubah acak eksponensial dengan parameter. Fungsi sebaran kumulatif dari peubah acak eksponensial adalah : a F( a) P X a 0 e d

Contoh : Misalkan bahwa lama panggilan telepon dalam menit adalah peubah acak eksponensial dengan parameter =1/10. Jika seseorang datang secara tiba tiba pada wartel, hitung peluang bahwa dia akan menunggu a. lebih dari 10 menit b. antara 10 sampai 20 menit

Soal -soal 1. X adalah peubah acak dengan fungsi kepekatan peluang f ( ) c(1 0 2 a. berapa nilai c ) 1 1 selainnya b. bagaimana fungsi sebaran kumulatif dari X?

2. Suatu sistem dengan satu unit yang original dan satu spare partnya dapat berfungsi selama X yang acak. Jika fungsi kepekatan X diberikan (dalam bulan) oleh ce f ( ) 0 / 2 0 0 berapa peluang bahwa sistem akan berfungsi paling tidak 5 bulan

3. Fungsi kepekatan peluang dari X, waktu hidup dari alat elektronik tertentu (dalam jam) diberikan persamaan berikut 10 f ( ) 2 0 a. Hitung P{X>20} 10 10 b. Cari fungsi sebaran kumulatif dari X

4. Misalkan tinggi laki laki dalam kelas tertentu adalah peubah acak normal dengan parameter = 71 inchi dan 2 =6,25. Berapa persen dari laki laki dalam kelas tersebut yang mempunyai tinggi lebih dari 6,2 inchi? Berapa persen yang lebih dari 6,5 inchi?

5. Waktu (dalam jam ) yang diperlukan untuk memperbaiki mesin adalah peubah acak eksponensial dengan parameter =1/2. a. Berapa peluang bahwa waktu perbaikan lebih dari 2 jam? b. Berapa peluang bersyarat bahwa perbaikan membutuhkan waktu minimal 10 jam bila diketahui bahwa durasi perbaikan melebihi 9 jam?

6. Misalkan X mempunyai fungsi kepekatan peluang sebagai berikut f ( ) 0.2 0.2 c 0 a. Carilah c b. Carilah F() 1 1 c. Gambarkan f() dan F() 0 selainnya 0

d. Gunakan F() dari (b) untuk mencari F(-1), F(0) dan F(1) e. Hitung P(0 X 0.5 7. Bila Z adalah peubah acak normal baku, hitunglah a. P(0 Z 1.2) b. P(-0.9 Z 0.1) c. P(0.35 Z 1.66) d. P(-0.3 Z 0.3)

8. Carilah nilai z, bila a. P(Z > z) = 0.5 c. P(Z > z) = 0.90 b. P(Z > z) = 0.8643 d. P(Z > z) = 0.99