Limit Distribusi.

Slides:



Advertisements
Presentasi serupa
DISTRIBUSI NORMAL.
Advertisements

Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
DISTRIBUSI DISKRIT DAN KONTINYU
DISTRIBUSI PROBABILITAS YANG UMUM
Distribusi Hipergeometrik
BAB IV LIMIT DAN KEKONTINUAN FUNGSI
Distribusi Chi Kuadrat, t dan F
Analisa Data Statistik
ANALISIS KORELASI.
PROBABILITAS BERSYARAT DAN EKSPEKTASI BERSYARAT
Pendahuluan Landasan Teori.
(− 1n ) = 0 MODUL VI lim sin 3 n lim dan KONVERGENSI LANJUT
BEBERAPA EKSPEKTASI KHUSUS
DISTRIBUSI PELUANG.
Distribusi Gamma dan Chi Square
Uniform Convergence of Series: Tests and Theorems
TRANSFORMASI VARIABEL RANDOM DISKRIT
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
Probabilitas dalam Trafik
DISTRIBUSI DISTRIBUSI NORMAL PENDEKATAN NORMAL UNTUK BINOMIAL
Kuliah ke 9 ESTIMASI PARAMETER SATU POPULASI
VI. ESTIMASI PARAMETER Estimasi Parameter : Metode statistika yang berfungsi untuk mengestimasi/menduga/memperkirakan nilai karakteristik dari populasi.
ANALISIS VARIANSI (ANOVA)
Statistika Inferensi : Estimasi Titik & Estimasi Interval
DISTRIBUSI PROBABILITAS
Distribusi Normal.
Distribusi Probabilitas Uniform Diskrit
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 1
Aplikasi Komputer & Pengolahan Data PENGUJIAN RATA-RATA SATU SAMPEL
DISTRIBUSI SAMPLING STATISTIK
Statistika Industri Week 2
STATISTIK II Pertemuan 3: Metode Sampling dan Distribusi Sampling
Oleh: Rina Agustina Pendidikan Matematika
TEORI PENARIKAN CONTOH DAN SEBAGAINYA
KELOMPOK 6 Amelia Octaviasari Cahyaningrum Uswati
STATISTIK II Pertemuan 4: Distribusi Sampling Dosen Pengampu MK:
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 1
BARISAN BILANGAN KOMPLEKS
MOMENT GENERATING FUNCTION
Variansi, Kovariansi, dan Korelasi
Sebaran Binomial Trinomial dan Multinomial
Distribusi Sampling.
Statistika Multivariat
PENCARIAN DISTRIBUSI.
MOMENT DAN FUNGSI PEMBANGKIT MOMEN
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 1
BARISAN DARI BILANGAN-BILANGAN REAL
HARGA HARAPAN.
Harapan Matematik.
Distribusi t Untuk sampel ukuran , taksiran yang baik dapat diperoleh dengan menggunakan . Bila memberikan taksiran.
Distribusi Variabel Acak Kontiyu
Distribusi Sampling.
ANALISIS REAL I RINA AGUSTINA, M. Pd..
STATISTIK II Pertemuan 3: Metode Sampling dan Distribusi Sampling
HARGA HARAPAN.
DISTRIBUSI PROBABILITAS YANG UMUM
PENGERTIAN DISTRIBUSI TEORITIS
1. TEORI PENDUKUNG 1.1 Pendahuluan 1.2 Variabel acak
DISTRIBUSI PROBABILITAS YANG UMUM
. Distribusi Binomial adalah suatu distribusi probabilitas yang dapat digunakan bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses.
DISTRIBUSI NORMAL.
DISTRIBUSI BINOMIAL Suatu percobaan binomial yang diulang sebanyak n kali dengan P(sukses) = P(S) = p dan P(gagal) = P(G) = 1 – p = q adalah tetap pada.
Transcript presentasi:

Limit Distribusi

Pendahuluan X peubah acak berdistribusi b(n,p), maka n=1  X1 berdistribusi b(1,p) n=2  X2 berdistribusi b(2,p) dst maka dikatakan peubah acak X bergantung pada n X peubah acak denganp.d.f : f(x) = 1 ; 0 < x < 1 = 0 ; x lain

.

5.1 Konvergen dalam Distribusi Definisi: Misalnya Fn(y) adalah fungsi distribusi dari variabel acak Yn, n=1,2,…,n. Jika F(y) adalah distribusi dan jika : maka Y1,Y2,…,Yn konvergen dalam distribusi ke variabel random Y dengan fungsi distribusi F(y).

5.2 Konvergen dalam probabilitas Definisi: Barisan X1, X2,X3, . . . Konvergen dalam probabilitas ke peubah acak X,   > 0

Contoh: menyatakan mean dari sampel acak ukuran n dari distribusi dengan mean µ dan variansi 2.

Jika µ hingga, maka cukup untuk menjamin konvergen dalam probabilitas. Hasil ini disebut weak law of large numbers Konvergen dalam distribusi lebih lemah dari konvergen dalam probabilitas, sehingga konvergen dalam distribusi sering disebut konvergen lemah.

Teorema: Misal Fn(y) fungsi distribusi dari peubah acak Yn yang bergantung pada integer positif n. Misal c konstanta yang tak bergantung pada n.Barisan Yn, n=1,2,3,… konvergen dalam probabilitas ke c jikka limit distribusi dari Yn degenerate pada y = c Bukti : 

Bukti  distribusi limit dari Yn degenerate di y = c

Teorema: Jika Xn konvergen ke X dalam probabilitas, maka Xn konvergen ke X dalam distribusi. Bukti : lihat 6th ed Teorema : Jika Xn konvergen ke konstanta b dalam distribusi, maka Xn konvergen dalam probabilitas ke b. Bukti : misal  > 0, maka :

5.3 Limit Fungsi Pembangkit Momen Misal peubah acak Yn dengan fungsi distribusi Fn(y) dan M.G.F M(t;n) ada untuk –h < t < h  n. Jika ada peubah acak Y dengan fungsi distribusi F(y) dengan M.G.F M(t) terdefinisi untuk |t| h1 < h , demikian sehingga ,maka Yn mempunyai distribusi limit dengan fungsi distribusi F(y)

Contoh 1: Yn berdistribusi b(n,p). µYn = np untuk setiap n, p = µ/n dimana µ konstan.

Contoh 2: Zn berdistribusi 2(n) ,M.G.F dari Zn adalah (1-2t)-n/2 , maka mean =n dan variansi = 2n. Yn=(Z-n)/√n adalah peubah acak yang bergantung n.