Pendahuluan Landasan Teori.

Slides:



Advertisements
Presentasi serupa
Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
Advertisements

EKSPEKTASI DAN VARIANSI
Distribusi Normal.
Distribusi Beta, t dan F.
Distribusi Chi Kuadrat, t dan F
ANALISIS KORELASI.
PROBABILITAS BERSYARAT DAN EKSPEKTASI BERSYARAT
Motivation 9:30 Prinsip prosedur statistika: Random sampel
Sebaran Bentuk Kuadrat
BAB 10 DISTRIBUSI TEORITIS
SEBARAN BENTUK KUADRAT
Limit Distribusi.
Pendugaan Parameter.
BEBERAPA EKSPEKTASI KHUSUS
DISTRIBUSI PELUANG.
Pendugaan Parameter.
VI. ESTIMASI PARAMETER Estimasi Parameter : Metode statistika yang berfungsi untuk mengestimasi/menduga/memperkirakan nilai karakteristik dari populasi.
Distribusi Probabilitas
SAMPLING DAN DISTRIBUSI SAMPLING
VARIABEL RANDOM.
Distribusi Gamma dan Chi Square
Taksiran Interval untuk Selisih 2 Mean Populasi
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 2
BAB II VARIABEL ACAK DAN NILAI HARAPAN.
KOEFISIEN KORELASI.
DISTRIBUSI DARI FUNGSI VARIABEL RANDOM
ESTIMASI.
Statistika Multivariat
Fungsi distribusi dari Y adalah : G(y)=Pr(Y≤y)=Pr(u(X ≤y)=Pr(X≤w(y))=
Distribusi Variable Acak Kontinu
Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
RANDOM VARIATE DISTRIBUSI DISKRIT
Rentang Kepercayaan (Confidence Interval)
Dasar probabilitas.
Bab 5 Distribusi Sampling
Kuliah ke 9 ESTIMASI PARAMETER SATU POPULASI
TEORI PENDUGAAN (TEORI ESTIMASI)
DISTRIBUSI PROBABILITAS
Distribusi Normal.
Distribusi Normal.
DISTRIBUSI KONTINU DISTRIBUSI NORMAL.
Distribusi Sampling Juweti Charisma.
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 1
DISTRIBUSI SAMPLING STATISTIK
Review probabilitas (2)
Statistika Industri Week 2
STATISTIK II Pertemuan 3: Metode Sampling dan Distribusi Sampling
DISTRIBUSI SAMPLING Inne Novita Sari.
SEBARAN DARI FUNGSI PEUBAH ACAK
STATISTIK II Pertemuan 4: Distribusi Sampling Dosen Pengampu MK:
Variabel Acak dan Distribusi Probabilitas
Distribusi Sampling.
Statistika Multivariat
1.3 Distribusi Probabilitas Kontinu
Random Variable (Peubah Acak)
Kelompok 5 Nama Kelompok : Ari Eka Saputri Rani Haryani Syafira Ulfah
Generalized Linear Model pada Data Berdistribusi Poisson (Studi kasus : Banyaknya Jumlah kecelakaan lalu lintas berdasarkan faktor jumlah pelanggaran.
DISTRIBUSI NORMAL.
HARGA HARAPAN.
Distribusi Peluang Kontinu
Distribusi t Untuk sampel ukuran , taksiran yang baik dapat diperoleh dengan menggunakan . Bila memberikan taksiran.
Distribusi Sampling.
Bab 5 Distribusi Sampling
STATISTIK II Pertemuan 3-4: Metode dan Distribusi Sampling
Distribusi Peluang Kontinu
DISTRIBUSI NORMAL.
STATISTIK II Pertemuan 3: Metode Sampling dan Distribusi Sampling
HARGA HARAPAN.
1. TEORI PENDUKUNG 1.1 Pendahuluan 1.2 Variabel acak
Distribusi Sampling Menik Dwi Kurniatie, S.Si., M.Biotech.
Transcript presentasi:

Pendahuluan Landasan Teori

Peubah Acak /Variabel random  * diskrit * kontinu Probability Density Function (p.d.f) sifat-sifatnya? Distribution Function Sifat sifatnya? Paramater Populasi , sampel acak (sample random). Ekspektasi M.G.F Distribusi-distribusi penting.

Definisi &Teorema penting bab 4 Definisi : Statistik, sampel acak, mean dan variansi dari sampel acak. Menentukan distribusi dari suatu statistik: Tehnik Fungsi distribusi. Transformasi variabel ( diskrit & kontinu) Transformasi variabel (lebih besar dari 3) Tehnik M.G.F Teorema- teorema penting: Distribusi Beta, distribusi t, distribusi F

Teorema penting bab 4 (lanjutan) .

Teorema penting bab 4 (lanjutan) .

Pendahuluan Misal X adalah peubah acak dengan p.d.f f(x,) dimana  merupakan skalar bilangan riil atau vektor bilangan riil. Diasumsikan  Є  dimana subset dari Rp untuk p > 1. Contoh 1. X N(µ,2)  = (µ,2) ,  = {(µ,2)| - < µ <  , 2 > 0 } ,   R2 2. U  P()  = ()  = {()| > 0 } ,   R1

Permasalahan dalam ilmu statistik: 1. Suatu populasi diketahui mengikuti asumsi distribusi Normal dengan variansi 4 dan mean tak diketahui. artinya X1,X2,X3, ……,XN  N (µ,4). µ parameter tak diketahui Untuk menaksir parameter tak diketahui µ , diambil sampel acak ukuran n yaitu x1,x2,…,xn. Statistik merupakan penaksir untuk parameter µ. Statistik tersebut berdistribusi N(µ,4/n). Distribusi dari statistik diatas bergantung pada n.

2. X1,X2,…,Xn sampel acak yang diambil dari populasi berdistribusi : f(xi) = 1 ; 0 < xi < 1 = 0 ; xi lainnya. dengan MGF

Karena MGF dari bergantung pada n, maka distribusi nya juga bergantung pada n, n bilangan bulat positif. Dalam penggunaannya sangat susah jika digunakan untuk menghitung probabilitas. Pada pembahasan berikut (Limit distribusi) akan dibahas pendekatan distribusi , bila n mendekati tak hingga.