TRANSFORMASI RANDOM VARIABEL

Slides:



Advertisements
Presentasi serupa
DISTRIBUSI MULTIVARIAT
Advertisements

Business Statistics, A First Course (4e) © 2006 Prentice-Hall, Inc. Chap 6-1 Bab 6 Distribusi Normal.
EKSPEKTASI DAN VARIANSI
TURUNAN/ DIFERENSIAL.
PROBABILITAS.
Z - SCORE Presented by Astuti Mahardika, M.Pd.
SOAL ESSAY KELAS XI IPS.
Distribusi Beta, t dan F.
Analisa Data Statistik
PROBABILITAS BERSYARAT DAN EKSPEKTASI BERSYARAT
Bab 4. Variabel Acak dan Distribusi Probabilitas
Motivation 9:30 Prinsip prosedur statistika: Random sampel
LIMIT FUNGSI LIMIT FUNGSI ALJABAR.
TURUNAN DIFERENSIAL Pertemuan ke
Pendahuluan Landasan Teori.
ITK-121 KALKULUS I 3 SKS Dicky Dermawan
DISTRIBUSI PROBABILITAS
Bahan Kuliah Matematika Diskrit
JOINT, MARGINAL & CONDITIONAL
BEBERAPA EKSPEKTASI KHUSUS
DISTRIBUSI PELUANG.
BY ENI SUMARMININGSIH, SSI, MM
SLIDE OTOMATIS PINDAH DALAM WAKTU 4-5 MENIT. A:kiriB:kanan Deklarasikan sebuah variabel dengan nama ‘isi’ yang mempunyai type array of double dengan ukuran.
Pengantar Matematika Diskrit
EKSPEKTASI DARI VARIABEL RANDOM
Ekspektasi Matematika
DISTRIBUSI PROBABILITAS MARGINAL & BERSYARAT
DISTRIBUSI PROBABLITAS
BAB III PENERAPAN TURUNAN
VARIABEL RANDOM.
6. INTEGRAL.
Sistem Persamaan Linear Dua Variabel (SPLDV)
DISTRIBUSI TEORETIS.
Distribusi Gamma dan Chi Square
6. INTEGRAL.
Departemen Teknik Industri FTI-ITB TI2131 TEORI PROBABILITAS Bagian 5 – DISTRIBUSI KONTINYU Laboratorium Sistem Produksi 2004.
Distribusi Peluang Diskrit atau Teoritis (z, t, F dan chi square)
ALJABAR.
ITK-121 KALKULUS I 3 SKS Dicky Dermawan
TRANSFORMASI VARIABEL RANDOM DISKRIT
Oleh : FITRI UTAMININGRUM, ST, MT
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 2
TRANSFORMASI KOORDINAT & PERUBAHAN VARIABEL PADA INTEGRAL LIPAT
DISTRIBUSI PROBABLITAS (SSTS 2305 / 3 sks)
Fungsi distribusi dari Y adalah : G(y)=Pr(Y≤y)=Pr(u(X ≤y)=Pr(X≤w(y))=
BAB IV PEMBANGKIT RANDOM VARIATE
Variabel Acak 2.1 Variabel Acak Diskrit 2.2 Variabel Acak Kontinu
Distribusi Variable Acak Kontinu
PROBABILITY DAN JOINT DENSITY FUNCTION
Pembangkit Random Variate
BAB IV PEMBANGKIT RANDOM VARIATE
Random variate Distribusi Kontinu dan Diskrit
2017/4/14   EKSPEKTASI BERSYARAT
PROBABILITAS & STATISTIK MUG2D3
Mengukur itu tidak mudah! Slide 1. Slide 2 Slide 3.
BAB IV PEMBANGKIT RANDOM VARIATE
Random Variate Distribusi Kontinu dan Diskrit
Bab 5 Differensial.
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Variabel Acak Kontinu dan Distribusi Probabilitas
Variable Acak Normal Standar
EXPEKTASI, KOVARIAN DAN KORELASI
Random Variable (Peubah Acak)
PEMBANGKIT RANDOM VARIATE
DISTRIBUSI NORMAL.
BAB 10 DISTRIBUSI PROBABILITAS Pada berbagai peristiwa dalam probabilitas jika frekuensi percobaannya banyak, maka untuk peristiwa yang bersifat independent.
HARGA HARAPAN.
Random Variate Distribusi Kontinu dan Diskrit
DISTRIBUSI PROBABILITAS
1. TEORI PENDUKUNG 1.1 Pendahuluan 1.2 Variabel acak
Transcript presentasi:

TRANSFORMASI RANDOM VARIABEL 2017/4/7 TRANSFORMASI RANDOM VARIABEL DENGAN METODE PDF 9:42 ミニセミ

2017/4/7  Introduction Metode CDF bermanfaat untuk melakukan transformasi random variabel continuous “lama” X menjadi random variabel continuous “baru” Y yang merupakan fungsi dari X atau Y=g(X) Jika X adalah random variabel diskrit, diperlukan metode yang lebih umum yaitu metode PDF Kasus diskrit Kasus jika fungsi g merupakan transformasi satu-satu Kasus kontinu Metode pdf Kasus jika g bukan merupakan transformasi satu-satu Kasus diskrit Kasus kontinu 9:42 ミニセミ

Karena fY(y) merupakan fungsi probability 2017/4/7 pdf method Kasus jika g merupakan fungsi satu-satu dari random variable diskrit X Theorema: Misalkan X adalah random variabel diskrit dengan pdf . Jika merupakan transformasi satu-satu, maka fungsi pdf dari Y adalah Karena fY(y) merupakan fungsi probability dimana dan 9:42 ミニセミ

2017/4/7  pdf method Bukti: 9:42 ミニセミ

pdf method Contoh kasus diskrit (tanpa Jacobian): 9:42 1 2 3 . 2017/4/7  pdf method Contoh kasus diskrit (tanpa Jacobian): 1 2 3 . 9:42 ミニセミ

2017/4/7  pdf method Kasus jika g merupakan fungsi satu-satu dari random variable kontinu X Theorema: Misalkan X adalah random variabel kontinu dengan pdf . Jika merupakan transformasi satu-satu dari ke , maka fungsi pdf dari Y adalah dengan syarat derivative adalah kontinu dan nonzero dalam B . Jacobian determinant, mengapa untuk kasus kontinyu perlu dikalikan dengan Jacobian? 9:42 ミニセミ

2017/4/7 pdf method Bukti: 9:42 ミニセミ

2017/4/7  pdf method Karena sifat FX(x) dan 1-FX(x) yang monoton tsb maka applikasi metode transformasi dilakukan melalui salah satu dari kedua fungsi tsb, sebagai berikut: Riwayat Jacobian 9:42 ミニセミ

2017/4/7 pdf method 9:42 ミニセミ

2017/4/7  Contoh Contoh kasus kontinyu (dengan Jacobian): 9:42 ミニセミ

2017/4/7 Another contoh 9:42 ミニセミ

Ringkasan Ringkasan steps metode pdf (metode Jacobian): 2017/4/7  Ringkasan Ringkasan steps metode pdf (metode Jacobian): Nyatakan variabel “lama” X dalam bentuk variabel “baru” Y [x= g-1(y)] Gunakan x= g-1(y) sebagai argumen bagi fungsi fX(x) sehingga didapat fX[g-1(y)] yaitu suatu fungsi dari y Kalikan hasilnya dengan , maka hasilnya akan merupakan pdf dari Y 9:42 ミニセミ

2017/4/7  Latihan Soal2 latihan: 9:42 ミニセミ