[MA 2513] PROBSTAT1 DISTRIBUSI UNIFORM/SERAGAM Dalam proses stokhastik, distribusi uniform ini banyak terkait, bahkan kontribusinya dalam engineering sangat.

Slides:



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

PROBABILITAS KONTINYU
STATISTIKA DISTRIBUSI PROBABILITAS
Metode Statistika II Pertemuan 2 Pengajar: Timbang Sirait
Distribusi Beta, t dan F.
Distribusi Chi Kuadrat, t dan F
Distribusi Probabilitas Diskrit dan Kontinu
Distribusi Peluang Diskrit
Pendahuluan Landasan Teori.
BEBERAPA EKSPEKTASI KHUSUS
[MA 2513] PROBSTAT1 DALIL LIMIT PUSAT Sampling DistributionX X1X1 X2X2 X XnXn x1x1 x2x2 x xnxn Population/parent RV Sample Sample values Koleksi.
VARIABEL RANDOM.
Ir. I Nyoman Setiawan, MT. Variabel Random Khusus 1. Sheldon M Ross, Introduction Probability and Statistics for Engineers and Scientists, Oliver.
VARIABEL RANDOM.
Distribusi Gamma dan Chi Square
Distribusi Peluang Diskrit atau Teoritis (z, t, F dan chi square)
Bab 5. Probabilitas Diskrit
Dasar probabilitas.
DISTRIBUSI EKSPONENSIAL
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 2
DISTRIBUSI GAMMA Agung Kurniawan Resti Ekaningtyas
Proses Stokastik Semester Ganjil 2013/2014
DISTRIBUSI DARI FUNGSI VARIABEL RANDOM
Distribusi Probabilitas Weibull
Distribusi Variable Acak Kontinu
Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
RANDOM VARIATE DISTRIBUSI DISKRIT
Pertemuan 3 Pengukuran Kehandalan Sistem
Dasar probabilitas.
Pertemuan 5 Hubungan Komponen terhadap Kehandalan Seri
Pertemuan 18 Aplikasi Simulasi
Proses Kedatangan dan Distribusi Waktu Pelayanan
DISTRIBUSI PROBABILITAS
Distribusi Normal.
Distribusi Normal.
Random Variate Distribusi Kontinu dan Diskrit
Fungsi Distribusi normal
Dr. Adji Achmad RF, S.Si, M.Sc
Statistika- Kuliah 08 DISTRIBUSI PROBABILITAS
Statistik dan Probabilitas
Review probabilitas (2)
Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
Proses Kedatangan dan Distribusi Waktu Pelayanan
SIMULATION (STATISTICAL INSIDE).
PROBABILITAS dan DISTRIBUSI
Sebaran Normal Ganda (I)
Variabel Random Khusus
Variabel Acak dan Distribusi Probabilitas
Probabilitas dan Statistika BAB 5 Distribusi Peluang Kontinu
RANDOM VARIATE DISTRIBUSI KONTINU
Penerapan selain sebaran Normal
3. Peubah2 Acak (Random Variables)
DISTRIBUSI PROBABILITAS KONTINU
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Variabel Acak Kontinu dan Distribusi Probabilitas
PROBABILITAS VARIABEL KONTINYU
STATISTIKA Materi : Pengantar Statistika deskriptif
SEBARAN PEUBAH ACAK KONTINU KHUSUS 1
1.3 Distribusi Probabilitas Kontinu
Random Variable (Peubah Acak)
Bagian 5 – DISTRIBUSI KONTINYU Laboratorium Sistem Produksi 2004
3. Peubah2 Acak (Random Variables)
Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
Distribusi Peluang Kontinu
Oleh : Dr. Ardi Kurniawan, M.Si.
Distribusi Peluang Kontinu
Random Variate Distribusi Kontinu dan Diskrit
1. TEORI PENDUKUNG 1.1 Pendahuluan 1.2 Variabel acak
Distribusi Weibull.
Distribusi Teoritis Variabel Acak Kontinu
Transcript presentasi:

[MA 2513] PROBSTAT1 DISTRIBUSI UNIFORM/SERAGAM Dalam proses stokhastik, distribusi uniform ini banyak terkait, bahkan kontribusinya dalam engineering sangat berperan. DEFINISI : Variabel Random X dikatakan berdistribusi uniform/seragam dalam selang (a,b) dengan a < b, jika fungsi padat peluang (pdf) Fungsi distribusinya F (x)= P (X  x) adalah : GRAFIK f (x) F (x) akan disajikan dikelas Selanjutnya mean dan variance :

[MA 2513] PROBSTAT2 DISTRIBUSI EKSPONENSIAL Distribusi Eksponensial banyak penggunaanya dan sangat berkaitan dengan proses Poisson yang bahasannya secara mendalam dimatakuliah Probstok DEFINISI : Variabel Random X mempunyai fungsi padat peluang (pdf) dimana  > 0, disebut berdistribusi eksponensial dengan parameter  Dengan demikian, ditulis sbb : X ~ EXP (  ) atau X~ EXP ( ) Kadang-kadang parameter  diganti dengan

[MA 2513] PROBSTAT3 Fungsi Distribusinya : Bagaimana grafik dari f (x) dan F (x)? Selanjutnya, jika X ~ EXP (  ), maka : Dengan notasi disebut : Fungsi Survival (survival function) atau fungsi peluang ekor dari distribusi X. Dengan demikian : diantara semua variabel random kontinu (VRK) yang non negatif, hanya distribusi eksponential yang tidak mempunyai memori (HAVE NO MEMORY) DISTRIBUSI EKSPONENSIAL

[MA 2513] PROBSTAT4 Bukti : Jadi:

[MA 2513] PROBSTAT5 DISTRIBUSI GAMMA Distribusi Gamma banyak kita temui dalam aplikasinya di Engineering, misalkan dalam studi mengenai Realibilitas System. Selain itu mempunyai kaitan yang sangat penting dengan distribusi Poisson. Karena pdfnya terkait dengan fungsi Gamma, maka kita mulai dengan mendefinisikan fungsi Gamma. Definisi : Fungsi Gamma diberi lambang Г(x), dan untuk x > 0 Dari definisi terlihat bahwa : Г(1) = 1 Dapat ditunjukan bahwa : Untuk x > 0  Г(x+1) = x Г (x) Sedangkan, untuk x bilangan bulat (integer) Г(x +1) = x!

[MA 2513] PROBSTAT6 Fungsi Gamma sangat erat sekali terkait dengan fungsi Beta, yang didefinisikan sebagai berikut : Definisi: X~ GAM ( ,  ) ;  > 0,  > 0

[MA 2513] PROBSTAT7 Fungsi Distribusi

[MA 2513] PROBSTAT8 DISTRIBUSI ERLANG Distribusi erlang memainkan peranan terpenting dalam teori antrian (Queing Theory). Hal yang khusus dari Distribusi Gamma, dengan  =  bilangan bulat X ~ ERL (  )

[MA 2513] PROBSTAT9 DISTRIBUSI BETA

[MA 2513] PROBSTAT10 DISTRIBUSI CHI- SQUARE X ~ GAM ( ,  ) Misal :  =  /2 dan  = 2 maka akan menghasilkan pdf dari  2 distribution. Chi- Square distriburtion memainkan perananan terpenting dalam statistika inferensial. Definisi : Variabel Random X dikatakan berdistribusi CHI-SQUARE dengan  degrees of freedom, jika mempunyai pdf : Jika, 2 ~   X Maka :  2; 2  XX 2 )21()(    ttM X

[MA 2513] PROBSTAT11 DISTRIBUSI KAI-KUADRAT (  2 - Distribution)

[MA 2513] PROBSTAT12 DISTRIBUSI WEIBULL Pada tahun 1951 seorang Enginereer (swedia) bernama : Waloddi Weibull, mengenalkan yang ia sebut dengan : “a statistical distribution function of wide applicability” He was right distribusi Weibull dipakai sebagai dasar dalam model time-to- failure, sebagai bentuk alternatif dari distribusi eksponensial Definisi :X ~ WEI ( ,  ) ;  > 0,  > 0

[MA 2513] PROBSTAT13 Fungsi Distribusi :

[MA 2513] PROBSTAT14 X ~ WEI ( ,  ) ;  > 0,  > 0 Variabel Random X dikatakan berdistribusi Rayleight, dengan parameter  > 0

[MA 2513] PROBSTAT15 Distribusi Gamma Distribusi Erlang Distribusi Weibull Distribusi Rayleigh Distribusi Eksponensial Distribusi Kai-Kuadrat Distribusi Normal Distribusi Beta Distribusi Uniform  = 2  =  bil bulat  = 1  =  = 1  = 1