EKSPEKTASI DARI VARIABEL RANDOM

Slides:



Advertisements
Presentasi serupa
DISTRIBUSI MULTIVARIAT
Advertisements

Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
EKSPEKTASI DAN VARIANSI
BAB IV LIMIT DAN KEKONTINUAN FUNGSI
Distribusi Beta, t dan F.
Analisa Data Statistik
PROBABILITAS BERSYARAT DAN EKSPEKTASI BERSYARAT
BAHAN AJAR KALKULUS INTEGRAL Oleh: ENDANG LISTYANI PERSAMAAN DIFERENSIAL Masalah: Tentukanlah persamaan suatu kurva y= f(x) yang melalui titik (1,3) dan.
TRANSFORMASI RANDOM VARIABEL
Deret Taylor & Maclaurin
Sebaran Bentuk Kuadrat
BAB 10 DISTRIBUSI TEORITIS
Pendahuluan Landasan Teori.
SEBARAN BENTUK KUADRAT
ITK-121 KALKULUS I 3 SKS Dicky Dermawan
INTEGRAL TAK TENTU  ... dx  4 x x kf ( x ) dx
DISTRIBUSI PROBABILITAS
Limit Distribusi.
BEBERAPA EKSPEKTASI KHUSUS
DISTRIBUSI PELUANG.
Distribusi Probabilitas
Ekspektasi Matematika
DISTRIBUSI PROBABILITAS MARGINAL & BERSYARAT
Nilai Maksimum dan Minimum untuk Fungsi Multi Variabel
Achmad Fahrurozi-Universitas Gunadarma
VARIABEL RANDOM.
6. INTEGRAL.
DISTRIBUSI TEORETIS.
Distribusi Gamma dan Chi Square
6. INTEGRAL.
6. INTEGRAL.
Uniform Convergence of Series: Tests and Theorems
Distribusi Peluang Diskrit atau Teoritis (z, t, F dan chi square)
TRANSFORMASI VARIABEL RANDOM DISKRIT
Oleh : FITRI UTAMININGRUM, ST, MT
DISTRIBUSI TEORETIS Tujuan :
Distribusi Hipergeometrik Distribusi Poisson.
DISTRIBUSI EKSPONENSIAL
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 2
KOEFISIEN KORELASI.
Fungsi distribusi dari Y adalah : G(y)=Pr(Y≤y)=Pr(u(X ≤y)=Pr(X≤w(y))=
Pembangkit Random Number. Definisi _1 (i). Himp. Semua hasil yang mungkin dari suatu eksperimen dan dinyatakan dengan S. (i). Himp. Semua hasil yang mungkin.
BAB IV PEMBANGKIT RANDOM VARIATE
NILAI HARAPAN (HARAPAN MATEMATIK)
Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
PROBABILITY DAN JOINT DENSITY FUNCTION
Pembangkit Random Variate
FUNGSI – FUNGSI MONOTON DAN TEOREMA FUNDAMENTAL PERTAMA DALAM KALKULUS
BAB IV PEMBANGKIT RANDOM VARIATE
2017/4/14   EKSPEKTASI BERSYARAT
BAB III LIMIT FUNGSI DAN KEKONTINUAN.
PROBABILITAS & STATISTIK MUG2D3
5.6. Teorema Dasar Kalkulus Pertama
6. INTEGRAL.
VARIABEL RANDOM VARIABEL RANDOM (VR) pada dasarnya adalah bilangan random. Misalkan kita melempar 3 koin, maka ruang sampelnya adalah: Beberapa contoh.
Random Variate Distribusi Kontinu dan Diskrit
Simulasi Monte Carlo.
DISTRIBUSI PROBABILITAS TEORITIS
Variabel Acak dan Nilai Harapan
Harapan matematik (ekspektasi)
LIMIT Kania Evita Dewi.
Variansi, Kovariansi, dan Korelasi
Tutun Juhana Review probabilitas Tutun Juhana
Tutun Juhana Review probabilitas Tutun Juhana
EXPEKTASI, KOVARIAN DAN KORELASI
HARGA HARAPAN.
Harapan Matematik.
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
Transcript presentasi:

EKSPEKTASI DARI VARIABEL RANDOM

Misalkan X suatu variabel random yang mempunyai pdf f(x) sedemikian hingga : konvergen absolut (kasus diskrit) atau konvergen absolut (kasus kontinu) Maka ekspektasi dari varaiabel random X didefinisikan sbb : untuk kasus diskrit Atau untuk kasus kontinu E(X) : ekspektasi matematik dari X atau nilai ekspekstasi dari X

Ilustrasi : Misalkan terdapat 4 kepingan yang terdiri dari 3 keping bernomor 1 dan 1 keping bernomor 2. 4 kepingan tersebut dimasukkan ke dalam mangkok, kemudian diaduk. Dengan mata tertutup, seseorang disuruh mengambil 1 kepingan dari dalam mangkok tsb. Apabila terambil kepingan bernomor 1 akan diberi imbalan $1 dan apabila terambil kepingan bernomor 2 akan diberi imbalan $2. Berapakah imbalan yang akan diperoleh oleh orang tersebut? Probabilitas terambil kepingan bernomor 1 adalah ¾, sedangkan probabilitas terambil kepingan bernomor 2 adalah ¼. Sehingga E(X) = ¾ . $1 + ¼ .$2 = $ 1,25.

Misalkan X variabel random diskrit yang mempunyai pdf sbb : Contoh : Misalkan X variabel random diskrit yang mempunyai pdf sbb : f(x) = 0 untuk x yang lainnya E(X) = 1.4/10 +2.1/10 +3.3/10+4.2/10 = 2,3 2. Misalkan X variabel random kontinu yang mempunyai pdf sbb x 1 2 3 4 f(x) 4/10 1/10 3/10 2/10

Ekspektasi Fungsi dari Variabel Random X Misalkan Y = u(X) adalah fungsi dari variabel random X dengan ruang nilai A , dalam hal ini X dimisalkan variabel random kontinu. Misalkan y=u(x) adalah fungsi yang kontinu naik sehingga inversnya x = w(y) juga merupakan fungsi kontinu naik. Karena X variabel random maka Y juga variabel random dan fungsi distribusinya sbb : dimana f(x) adalah pdf dari X.

Dengan menggunakan teorema dasar kalkulus, diperoleh : dimana Dengan menggunakan teorema dasar kalkulus, diperoleh : dimana . g(y) adalah pdf dari Y. Apabila konvergen mutlak, maka nilai ekspektasi dari Y adalah . Karena y=u(x) maka akan ditunjukkan bahwa

Sehingga nantinya dapat ditulis : Perhatikan bentuk : Menggunakan metode substitusi, misalkan y = u(x) maka x = w(y) dan , sehingga

Jadi dapat dituliskan bahwa : untuk kasus kontinu Dan untuk kasus diskrit

Sifat-sifat Ekspektasi: 1. E(k) = k dimana k adalah konstanta 2 Sifat-sifat Ekspektasi: 1. E(k) = k dimana k adalah konstanta 2. E(kV) = kE(V) 3. E(k1V1 +k2V2) = k1E(V1) + k2E(V2) Jadi E adalah operator linier.

Contoh: Misalkan X mempunyai pdf a. b. c.