NILAI HARAPAN DAN MOMEN

Slides:



Advertisements
Presentasi serupa
PENGERTIAN DAN PROSEDUR PENDUGA BEDA DAN PENDUGA REGRESI
Advertisements

Nilai Harapan.
Distribusi Peluang Diskrit atau Teoritis (z, t, F dan chi square)
Statistika Matematika I
BAB II VARIABEL ACAK DAN NILAI HARAPAN.
Peubah Acak Kontinu Pertemuan Kesebelas Fungsi Kepekatan Peluang
Proses Stokastik Semester Ganjil 2013/2014
Terapan Integral Lipat Dua
TRANSPORMASI PEUBAH ACAK DENGAN FUNGSI PEMBANGKIT MOMEN
NILAI HARAPAN (HARAPAN MATEMATIK)
Statistika Matematika 1
SEBARAN PEUBAH ACAK DISKRIT KHUSUS 2
Pertemuan Keempatbelas
VARIABEL ACAK DAN NILAI HARAPAN.
SAMPLING ACAK STRATIFIKASI
DEVIASI/SIMPANGAN STATISTIK DESKRIPTIF
Fungsi Kepekatan Probabilitas (Probability Density Function)
Pertemuan 26 RUANG METRIK.
Materi Pokok 04 PENDUGAAN TITIK Konsep Dasar pendugaan titik
PENDUGAAN SELANG (INTERVAL) NILAI TENGAH
VARIABEL ACAK DAN NILAI HARAPAN
TRANSFORMASI PEUBAH ACAK-ACAK
SEBARAN NORMAL.
METODE STATISTIKA (STK211)
SEBARAN PEUBAH ACAK KONTINU KHUSUS 3
SEBARAN PELUANG BERSAMA 2
VARIABEL ACAK DAN NILAI HARAPAN
SEBARAN FUNGSI PEUBAH ACAK
Metode Empat Persegi Panjang, Trapesium, Titik Tengah
Sebaran Peluang Diskrit (II) Pertemuan 6
METODE STATISTIKA (STK211)
KOVARIANS DUA PEUBAH ACAK
Program Studi Statistika Semester Ganjil 2012
PENARIKAN CONTOH DAN SEBARANNYA – 1
Materi Pokok 26 KORELASI DUA PEUBAH ACAK
TEORI PENARIKAN CONTOH DAN SEBAGAINYA
PENDUGAAN SELANG RAGAM DAN PROPORSI
SEBARAN DARI FUNGSI PEUBAH ACAK
BAB II VARIABEL ACAK DAN NILAI HARAPAN.
Program Studi Statistika Semester Ganjil 2012
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Sebaran Peluang (II) Pertemuan 4
VARIABEL ACAK DAN NILAI HARAPAN
SEBARAN PEUBAH ACAK DISKRIT KHUSUS 3
SEBARAN PELUANG DISKRIT KHUSUS 1
Parameter distribusi peluang
KETAKSAMAAN MARKOV DAN CHEBYSHEV
Fungsi Probabilitas Kumulatif (Fungsi Sebaran) Untuk Satu Peubah Acak
Variansi, Kovariansi, dan Korelasi
MOMEN DAN FUNGSI PEMBANGKIT MOMEN
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
SEBARAN PEUBAH ACAK KONTINU KHUSUS 2
SEBARAN GAMMA DAN KHI-KUADRAT.
Fungsi Probabilitas Kumulatif (Fungsi Sebaran) Peubah Acak Ganda
SEBARAN PEUBAH ACAK KONTINU KHUSUS 1
Metode Penaksiran Nisbah dan Regresi
D0124 Statistika Industri Pertemuan 12 dan 13
Taksiran Ukuran Sampel (Untuk Proporsi)
NOTASI SEBARAN BINOMIAL
FUNGSI PEMBANGKIT MOMEN P.A. DISKRIT KHUSUS
Ukuran Penyebaran Data
HARAPAN MATEMATIKA Tri Rahajoeningroem, MT Jurusan Teknik Elektro
C. Ukuran Penyebaran Data
Peta Konsep. Peta Konsep C. Ukuran Penyebaran Data.
Nilai Harapan Peubah Acak
Review Aljabar Matriks
Parameter distribusi peluang
PERTEMUAN Ke- 2 STATISTIKA EKONOMI II
1. TEORI PENDUKUNG 1.1 Pendahuluan 1.2 Variabel acak
Metode Empat Persegi Panjang, Trapesium, Titik Tengah
Transcript presentasi:

NILAI HARAPAN DAN MOMEN Materi Pokok 09 NILAI HARAPAN DAN MOMEN Nilai harapan peubah acak X Ambil X sebagai sebuah peubah acak dengan fungsi peluang (kepekatan) f (x) maka nilai tengah atau nilai harapan X adalah , bila X diskrit dan , bila X kontinu Nilai harapan peubah acak g (x) Ambil g (x) sebagai fungsi dari peubah acak X dengan fungsi peluang (kepekatan) f (x) maka nilai tengah atau nilai harapan g (x) adalah

Aplikasi Nilai Harapan Peubah Acak Diskrit Ambil fungsi peluang peubah acak X = f (x) dengan f (x) = , untuk x = 1, 2, 3 maka Untuk g (x) = x2 maka nilai harapan Fungsi g (x) = E (g (x)) = E (x2),

Untuk g (x) = (x - )2 = (x - )2 maka E [(x - )2] = E (x2) - 2 = 2 2 = ragam X = varians X

Aplikasi Nilai Harapan Peubah Acak Kontinu Ambil fungsi kepekatan peubah acak X = f (x) dengan Untuk g (x) = x2 maka E [g (x)] = E (x2) E (x2) = 2

Untuk g (x) = (x - )2 = 2 = ragam x = varians x

Momen Peubah Acak Momen ke r peubah acak x disekitar nilai tengah = r Definisi untuk x yang kontinu Momen ke r peubah acak x di sekitar titik asal = 1r = E (xr) dengan r = 0, 1, 2, ……. Hubungan antara ke dua macam momen diberikan sebagai berikut:

Untuk kasus tertentu: Beberapa Teori Nilai Harapan: Jika C adalah konstan, maka E (c X) = C E (X) Jika X dan Y merupakan peubah acak, maka E (X + Y) = E (X) + E (Y) Jika peubah acak X dan Y bebas maka E (XY) = E (X) E (Y)

Varians 2 = E [(x - )2] = E (x2) - 2 = E (x2) – [E (x)]2 dengan,  = E (x) Jika c konstan maka Var (cX) = c2 var (X) E [(x – a)2] adalah minimum bila a =  = E (x) Jika peubah acak X dan Y bebas Var (X + Y) = Var (X) + Var (Y) atau Var (X - Y) = Var (X) + Var (Y) atau Peragam (Kovarians) Dua Peubah Acak X dan Y adalah dua peubah acak dengan fungsi bersama (gabungan) f (x, y) maka peragam (kovarians) dan Y adalah XY = E [(X - X) (Y - Y)]

Peragam (kovarians) dari dua peubah acak X dan Y dengan nilai tengah masing-masing X dan Y diberikan oleh xy = E (XY) - X Y Koefisien Korelasi Peubah Acak X dan Y Misalkan X dan Y merupakan peubah acak dengan peragam (kovarians) xy dan simpangan baku masing-masing X dan Y, maka koefisien korelasi X dan Y adalah Jika X dan Y adalah peubah acak dengan fungsi peluang (kepekatan) f (x, y) maka

Teorema Chebyshev Peluang bahwa setiap peubah acak X akan mengambil suatu nilai di dalam k simpangan baku dari nilai tengah paling sedikit adalah Memperkirakan rataan dan Varians Jika fungsi peubah acak H (x) diuraikan dengan bentuk deret Taylor: H (x) = H() + H1() (x - ) + ½ H11() (x - )2 H1(x), H11(x) …. Adalah turunan pertama, kedua, ….., dari fungsi H(x) E [H(x)] = H() +½ H11() 2 dimana 2 = Var (x)