Fungsi Kepekatan Probabilitas (Probability Density Function)

Slides:



Advertisements
Presentasi serupa
DISTRIBUSI MULTIVARIAT
Advertisements

PROBABILITAS BERSYARAT DAN EKSPEKTASI BERSYARAT
Bab 4. Variabel Acak dan Distribusi Probabilitas
Pendahuluan Landasan Teori.
Integral Lipat Tiga Andaikan R suatu daerah macam I di bidang xy dan F1 dan F2 fungsi dua peubah yang kontinu pada daerah R dengan F1(x,y) ≤ F2(x,y). Misalkan.
DISTRIBUSI PELUANG.
Nilai Harapan.
Distribusi Probabilitas
Ekspektasi Matematika
DISTRIBUSI PROBABILITAS MARGINAL & BERSYARAT
VARIABEL RANDOM.
DISTRIBUSI TEORETIS.
PEUBAH ACAK DAN DISTRIBUSI PROBABILITAS
Distribusi Probabilitas Kontinu()
Dasar probabilitas.
Oleh : FITRI UTAMININGRUM, ST, MT
Peubah Acak Kontinu.
BAB II VARIABEL ACAK DAN NILAI HARAPAN.
Integral Lipat Tiga Andaikan R suatu daerah macam I di bidang xy dan F1 dan F2 fungsi dua peubah yang kontinu pada daerah R dengan F1(x,y) ≤ F2(x,y). Misalkan.
Peubah Acak Kontinu Pertemuan Kesebelas Fungsi Kepekatan Peluang
Fungsi distribusi dari Y adalah : G(y)=Pr(Y≤y)=Pr(u(X ≤y)=Pr(X≤w(y))=
TRANSPORMASI PEUBAH ACAK DENGAN FUNGSI PEMBANGKIT MOMEN
NILAI HARAPAN (HARAPAN MATEMATIK)
Variabel Acak 2.1 Variabel Acak Diskrit 2.2 Variabel Acak Kontinu
Peubah Acak dan Distribusi Peluang Kontinu
Statistika Matematika 1
PROBABILITY DAN JOINT DENSITY FUNCTION
NILAI HARAPAN DAN MOMEN
TRANSFORMASI PEUBAH ACAK-ACAK
Sebaran Peluang Kontinu (I) Pertemuan 7 Matakuliah: I0014 / Biostatistika Tahun: 2008.
SEBARAN PELUANG BERSAMA 2
VARIABEL ACAK DAN NILAI HARAPAN
SEBARAN FUNGSI PEUBAH ACAK
KOVARIANS DUA PEUBAH ACAK
Distribusi Probabilitas Uniform Diskrit
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 1
Review probabilitas (2)
PENARIKAN CONTOH DAN SEBARANNYA – 1
Materi Pokok 26 KORELASI DUA PEUBAH ACAK
SEBARAN DARI FUNGSI PEUBAH ACAK
Variabel Acak dan Distribusi Probabilitas
BAB II VARIABEL ACAK DAN NILAI HARAPAN.
Sebaran Peluang (II) Pertemuan 4
VARIABEL ACAK DAN NILAI HARAPAN
METODE PENDUGAAN TITIK – 1
Distribusi Probabilitas
Fungsi Probabilitas Kumulatif (Fungsi Sebaran) Untuk Satu Peubah Acak
Sebaran Binomial Trinomial dan Multinomial
MOMEN DAN FUNGSI PEMBANGKIT MOMEN
Pertemuan 13 INTEGRAL.
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Variabel Acak Kontinu dan Distribusi Probabilitas
SEBARAN PEUBAH ACAK KONTINU KHUSUS 2
BEBERAPA CONTOH FUNGSI KEPEKATAN PELUANG (PROBABILITAS)
DISTRIBUSI VARIABEL RANDOM “DISKRIT” KHUSUS “ Bernoulli ” PMtk III B
SEBARAN GAMMA DAN KHI-KUADRAT.
Fungsi Probabilitas Kumulatif (Fungsi Sebaran) Peubah Acak Ganda
Tutun Juhana Review probabilitas Tutun Juhana
Tutun Juhana Review probabilitas Tutun Juhana
EXPEKTASI, KOVARIAN DAN KORELASI
SEBARAN PEUBAH ACAK KONTINU KHUSUS 1
Random Variable (Peubah Acak)
Integral.
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 1
Harapan Matematik.
Materi. Terima Kasih !!!
HARAPAN MATEMATIKA Tri Rahajoeningroem, MT Jurusan Teknik Elektro
Variable Kontinu Acak dan Distribusi Probabilitas
DISTRIBUSI PROBABILITAS
1. TEORI PENDUKUNG 1.1 Pendahuluan 1.2 Variabel acak
Transcript presentasi:

Fungsi Kepekatan Probabilitas (Probability Density Function)

Jika X1, X2, …, Xn merupakan peubah acak kontinu dengan fungsi kepekatan probabilitas f(x)0, maka integral dari fungsi kepekatan probabilitas f(x) untuk semua nilai sama dengan satu atau

Jika batas untuk integral bukan - dan + atau kita akan menentukan probabilitas nilai X antara a dan b, maka dapat ditulis sebagai berikut Contoh dapat dilihat pada materi pendukung

Sifat-sifat Fungsi Probabilitas 1 Sifat-sifat Fungsi Probabilitas 1. 0  p(x)  1 untuk peubah acak X diskrit 2. f(x)  0 untuk peubah acak X kontinu 3.  p(x) = 1 untuk peubah acak diskrit (jumlah seluruh fungsi probabilitas x) 4. untuk peubah acak kontinu

Contoh 1 : Waktu kerusakan tabung sinar katoda dengan fungsi kepekatan probabilitas sebagai berikut : f(t) =  e -t untuk t0 = 0 untuk selainnya di mana  merupakan suatu konstanta yang dikenal sebagai tingkat kerusakan.

Jika kita ingin mengetahui P(T>100), T sebagai peubah acak yang menyatakan masa hidup tabung sinar katode dalam satuan jam.

Jadi P(T>100) adalah masa hidupnya paling sedikit 100 jam Jadi P(T>100) adalah masa hidupnya paling sedikit 100 jam. Hal ini sama dengan menyatakan P(100< T < ) dan dapat ditulis sebagai berikut

Contoh 2 : Bila X merupakan peubah acak kontinu dengan fungsi kepekatan pro-babilitas f(x) = x untuk 0  x <1 = 2-x untuk 1  x < 2 = 0 untuk selainnya (Lihat Materi Pendukung)

Probabilitas berikut dihitung :