KETAKSAMAAN MARKOV DAN CHEBYSHEV

Slides:



Advertisements
Presentasi serupa
DISTRIBUSI DISKRIT DAN KONTINYU
Advertisements

PROBABILITAS.
Distribusi Chi Kuadrat, t dan F
PREDIKSI MENGGUNAKAN MODEL KELOMPOK 5 *Afif Muzayyin *Dina Nur Rahmawati *Hasty Aulia *Lidia Harni Pratiwi Aceh *Nilton Vicente *Riska Fina Ayuninda.
Limit Distribusi.
Pendugaan Parameter.
Pendugaan Parameter.
VI. ESTIMASI PARAMETER Estimasi Parameter : Metode statistika yang berfungsi untuk mengestimasi/menduga/memperkirakan nilai karakteristik dari populasi.
Ekspektasi Matematika
Distribusi Peluang Diskrit atau Teoritis (z, t, F dan chi square)
Pendugaan Parameter Pendugaan Titik dan Pendugaan Selang
Probabilitas dalam Trafik
Responsi.
NILAI HARAPAN DAN MOMEN
PROBABILITY DISTRIBUTION FUNCTION (PDF) dan cumulatif distribution function (cdf) untuk kasus DISKRIT RIPAI, S.Pd., M.Si.
PENDUGAAN SELANG (INTERVAL) NILAI TENGAH
Pendugaan Parameter.
Teorema Markov dan Chebychev
PENDUGAAN PARAMETER Luh Putu Suciati 29 Maret 2015.
DISTRIBUSI DISTRIBUSI NORMAL PENDEKATAN NORMAL UNTUK BINOMIAL
Bab 5 Distribusi Sampling
Statistika Inferensi : Estimasi Titik & Estimasi Interval
Soal Distribusi Kontinu
Kuliah ke 9 ESTIMASI PARAMETER SATU POPULASI
VI. ESTIMASI PARAMETER Estimasi Parameter : Metode statistika yang berfungsi untuk mengestimasi/menduga/memperkirakan nilai karakteristik dari populasi.
(KECENDERUNGAN MEMUSAT)
TEORI PENDUGAAN (TEORI ESTIMASI)
HARGA SIMPANGAN Septi Fajarwati, M. Pd.
UJI HIPOTESIS.
PROBABILITY DISTRIBUTION FUNCTION (PDF) dan cumulatif distribution function (cdf) untuk kasus DISKRIT RIPAI, S.Pd., M.Si.
DISTRIBUSI KONTINU DISTRIBUSI NORMAL.
MODUL IV ESTIMASI/PENDUGAAN (3) A. ESTIMASI RAGAM
Fungsi Distribusi normal
Pendugaan Parameter Pendugaan rata-rata (nilai tengah)
DISTRIBUSI SAMPLING STATISTIK
Populasi : seluruh kelompok yang akan diteliti
PENDUGAAN SELANG RAGAM DAN PROPORSI
KELOMPOK 6 Amelia Octaviasari Cahyaningrum Uswati
Makna dan Kegunaan Standar Deviasi
Distribusi Binomial Negatif dan Geometrik
UKURAN PENYEBARAN DATA
Parameter distribusi peluang
ESTIMASI.
Variansi, Kovariansi, dan Korelasi
UKURAN SIMPANGAN & VARIASI
DISTRIBUSI VARIABEL RANDOM “DISKRIT” KHUSUS “ Bernoulli ” PMtk III B
SCOPE STATISTIKA INFERENSIAL
Simulasi sistem persediaan
Ukuran Pemusatan Data Choirudin, M.Pd
Taksiran Ukuran Sampel (Untuk Proporsi)
Ukuran Pemusatan Data Choirudin, M.Pd
STATISTIKA INFERENSI STATISTIK
Harapan Matematik.
Distribusi t Untuk sampel ukuran , taksiran yang baik dapat diperoleh dengan menggunakan . Bila memberikan taksiran.
Ukuran Penyebaran Data
BEBERAPA DISTRIBUSI PROBABILITAS DISKRET
Penaksiran Parameter Bambang S. Soedibjo.
HARAPAN MATEMATIKA Tri Rahajoeningroem, MT Jurusan Teknik Elektro
Bab 5 Distribusi Sampling
BEBERAPA DISTRIBUSI PROBABLITAS DISKRET (SSTS 2305 / 3 sks)
Sebaran Penarikan Contoh
C. Ukuran Penyebaran Data
Peta Konsep. Peta Konsep C. Ukuran Penyebaran Data.
STATISTIKA 2 2. Distribusi Sampling OLEH: RISKAYANTO
STATISTIKA 2 3. Pendugaan Parameter I OLEH: RISKAYANTO
Interval Konfidensi Selisih Mean, Variansi dan Rasio Variansi
1. TEORI PENDUKUNG 1.1 Pendahuluan 1.2 Variabel acak
DISTRIBUSI NORMAL.
TEORI PENDUGAAN (TEORI ESTIMASI)
Distribusi Sampling.
Transcript presentasi:

KETAKSAMAAN MARKOV DAN CHEBYSHEV Variansi suatu variabel acak memberi gambaran mengenai keragaman pengamatan di sekitar rataan. Variansi kecil menunjukkan pengamatan mengelompok di dekat rataan. Akibatnya peluang suatu variabel acak mendapat nilai dalam suatu selang tertentu di sekitar rataan akan lebih besar dari variabel acak serupa yang lebih besar simpangan bakunya.

Ketaksamaan Markov dan Chebyshev membantu kita dalam menentukan rentang peluang (batas atas dan batas bawah suatu peluang) jika distribusi peluang ataupun fungsi distribusi tidak diketahui, tapi melalui rata-rata dan variansi dari variabel acak tersebut.

Teorema : Ketaksamaan CHEBYSHEV Misalkan variabel acak X mempunyai distribusi Peluang ( asumsikan hanya diketahui varians dan rata-rata ) maka  k>0

Bukti : Karena maka dengan ketaksamaan Markov,

Jadi Selanjutnya apabila k diganti dengan k, maka :

Jadi, teorema Chebyshev mengatakan, Misalkan X variabel acak dengan mean , variansi Untuk suatu konstanta c dan k, pernyataan berikut ekivalen : Batas atas Batas bawah

Contoh: 1. Jika X adalah variabel acak dengan dengan menggunakan ketaksamaan Chebyshev, tentukan batas bawah untuk

Jawab: 1. Dengan ketaksamaan Chebyshev,

Batas untuk dan Maka batas bawahnya adalah:

2. Jika A adalah variabel acak dimana dan ada. Perlihatkan bahwa Jawab: Misalkan Dengan ketaksamaan Markov, Maka

3. Sebuah kantor pos rata-rata dapat mengirim 10.000 surat perhari. Tentukan peluang kantor pos tersebut dapat mengirim a) paling sedikit 15.000 surat b) kurang dari 15.000 surat. Jawab: Dengan ketaksaman Markov,

3. Lebar gordyn jendela kamar Mira berkisar antara 42,5 dan 42,5 inci. Mira membeli gordyn di toko yang mempunyai 30 gordyn. Berapa peluang Mira mendapatkan gordyn sesuai keinginannya, jika rata-rata lebar gordyn di toko adalah 42 inci dan simpangan baku 0,25? Jawab: Misalkan lebar gordyn yang dibeli Mira: X Dengan ketaksamaan Chebyshev,

k Jadi peluang Mira mendapatkan gordyn sesuai keiinginannya minimal 75 %.

SOAL: 1. Jika X adalah variabel acak yang mempunyai dan ,dengan menggunakan ketaksamaan Chebyshev tentukan: a. b.

2. Misalkan X mempunyai pdf Tentukan jika a. b. Hitung secara eksak, bandingkan dengan nilai di atas

3. Misalkan X mempunyai peluang di titik x= -1,0,1 berturut-turut. a) Dengan Ketaksamaan Chebyshev, tentukan jika b) Hitung secara eksak (peluang biasa), kemudian bandingkan dengan hasil a). 4. Rata-rata IQ siswa suatu sekolah adalah 110. Jika variansnya 15, apa yang dapat kita katakan tentang prosentase siswa yang ber IQ tidak kurang dari 140?