PROBABILITAS & STATISTIK MUG2D3

Slides:



Advertisements
Presentasi serupa
DISTRIBUSI MULTIVARIAT
Advertisements

EKSPEKTASI DAN VARIANSI
Analisa Data Statistik
PROBABILITAS BERSYARAT DAN EKSPEKTASI BERSYARAT

Pendahuluan Landasan Teori.
BEBERAPA EKSPEKTASI KHUSUS
DISTRIBUSI PELUANG.
Distribusi Probabilitas
EKSPEKTASI DARI VARIABEL RANDOM
Ekspektasi Matematika
DISTRIBUSI PROBABILITAS MARGINAL & BERSYARAT
DISTRIBUSI PROBABLITAS
VARIABEL RANDOM.
Oleh : FITRI UTAMININGRUM, ST, MT
KOEFISIEN KORELASI.
DISTRIBUSI PROBABLITAS (SSTS 2305 / 3 sks)
Sebaran Peluang bersyarat dan Kebebasan
Fungsi distribusi dari Y adalah : G(y)=Pr(Y≤y)=Pr(u(X ≤y)=Pr(X≤w(y))=
Variabel Acak 2.1 Variabel Acak Diskrit 2.2 Variabel Acak Kontinu
Peubah Acak dan Distribusi Peluang Kontinu
PROBABILITY DAN JOINT DENSITY FUNCTION
Responsi Teori Pendukung
Dasar probabilitas.
NILAI HARAPAN DAN MOMEN
Probabilitas dan Statistika BAB 2 Peubah acak dan distribusi peluang
VARIABEL ACAK DAN NILAI HARAPAN
2017/4/14   EKSPEKTASI BERSYARAT
VARIABEL ACAK DAN NILAI HARAPAN
STATISTIKA INDUSTRI IEG2E3
Distribusi Probabilitas Normal
STATISTIKA INDUSTRI IEG2E3
SEBARAN PELUANG BERSAMA 2
VARIABEL ACAK DAN NILAI HARAPAN
Sukiswo RANDOM VARIABLES Sukiswo Rekayasa Trafik, Sukiswo.
STATISTIKA INDUSTRI IEG2E3
Review probabilitas (2)
DISTRIBUSI KONTINYU.
VARIABEL ACAK DAN NILAI HARAPAN
Harapan matematik (ekspektasi)
Distribusi Probabilitas
Oleh : FITRI UTAMININGRUM, ST, MT)
Variansi, Kovariansi, dan Korelasi
Transformasi Peubah Acak dan Bebas Statistik
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Probabilitas dan Statistik
DISTRIBUSI VARIABEL RANDOM “DISKRIT” KHUSUS “ Bernoulli ” PMtk III B
Fungsi Probabilitas Kumulatif (Fungsi Sebaran) Peubah Acak Ganda
Tutun Juhana Review probabilitas Tutun Juhana
Tutun Juhana Review probabilitas Tutun Juhana
DISTRIBUSI NORMAL.
Simulasi sistem persediaan
EXPEKTASI, KOVARIAN DAN KORELASI
Random Variable (Peubah Acak)
DISTRIBUSI NORMAL.
STATISTIKA DESKRIPTIF
Analisa Data Statistik
Variabel Acak Diskrit & Distribusi Peluang
HARAPAN MATEMATIKA Tri Rahajoeningroem, MT Jurusan Teknik Elektro
Transformasi Peubah Acak dan Bebas Statistik
PELUANG BERSYARAT DISKRIT
PELUANG BERSYARAT DISKRIT
Variable Kontinu Acak dan Distribusi Probabilitas
Oleh : FITRI UTAMININGRUM, ST, MT)
DISTRIBUSI NORMAL.
TURUNAN FUNGSI IMPLISIT
PERTEMUAN Ke- 2 STATISTIKA EKONOMI II
Statistika dan Probabilitas
DISTRIBUSI PROBABILITAS
1. TEORI PENDUKUNG 1.1 Pendahuluan 1.2 Variabel acak
Transcript presentasi:

PROBABILITAS & STATISTIK MUG2D3 Tim Dosen (PPDU) : 1. Judi Alhilman, Drs., MSIE. 2. Agus Alex Yanuar, ST., MT. 3. ... Program Studi S1 – Teknik Industri Fakultas Rekayasa Industri Telkom University

DISTRIBUSI PELUANG BIVARIAT DAN DAN MARGINAL DISTRIBUSI GABUNGAN DISTRIBUSI MARGINAL EKSPEKTASI KOVARIANSI BEBAS STATISTIK

Joint Distribution Function DISTRIBUSI PELUANG BIVARIAT DAN MARGINAL Joint Distribution Function  

Joint Distribution Function : PMF Fungsi f(x,y) adalah sebuah joint probability distribution dari variabel random diskrit X dan Y jika: 1. f(x,y) > 0 untuk semua (x,y) 2. 3. P(X=x, Y=y) = f(x, y) untuk setiap daerah pada bidang xy, P [(X,Y)  A] =

 

  f(x,y) y g(x) 1 2 x 3/28 6/28 1/28 10/28 9/28 6/24 15/28 h(y) 12/28    

Joint Distribution Function : PDF Fungsi f(x,y) adalah sebuah joint density function dari variabel random kontinu X dan Y jika: 1. f(x,y) > 0 untuk semua (x,y) 2. 3. P[(X,Y)A] = untuk setiap daerah A yang diberikan pada bidang xy

Contoh 2 : Sebuah restoran memiliki fasilitas walk-in dan drive-in Contoh 2 : Sebuah restoran memiliki fasilitas walk-in dan drive-in. Pada suatu hari pengamatan yang dipilih secara random, tetapkan X dan Y masing-masing sebagai proporsi waktu penggunaan dari fasilitas walk-in dan drive-in. Diperkirakan joint density function dari kedua variabel random ini adalah: Pertanyaan: Periksalah apakah f(x,y) merupakan sebuah joint density function ? Berapa probabilitas walk-in sibuk kurang dari setengah hari sedangkan drive in sibuk lebih dari seperempat dan kurang dari kurang dari setengah hari? Jawab: a.

Berapa probabilitas walk-in sibuk kurang dari setengah hari sedangkan drive in sibuk lebih dari seperempat dan kurang dari kurang dari setengah hari? Jawab: b.

Distribusi Marginal : PDF & PMF Distribusi marjinal dari X saja dan dari Y saja adalah: g(x) = dan h(y) = untuk kasus diskrit, dan g(x) = dan h(y) = untuk kasus kontinu.

Dalam bentuk Tabel Distribusi Marginal: Contoh 3 : Memperhatikan soal contoh 1, fungsi distribusi peluang gabungan dinyatakan dalam tabel di samping, tunjukkan peluang distribusi marginal dari X (baris) saja dan Y (lajur) saja untuk pmf dan pdf? Jawab: a. pmf f(x,y) y g(x) 1 2 x 3/28 6/28 1/28 10/28 9/28 6/24 15/28 h(y) 12/28   Dalam bentuk Tabel Distribusi Marginal:

Jawab: b. Pdf Menurut definisi, maka g(x) = Untuk 0  x  1 dan g(x) = 0, untuk x lainnya. Dan h(y) = Untuk 0  y  1 dan h(y) = 0, untuk y lainnya.

Ekspektasi Joint Distribution Function : PMF & PDF Jika X dan Y variabel random dengan peluang gabungan f(x,y), maka nilai harapan g(X,Y) adalah: untuk kasus diskrit, dan untuk kasus kontinu.

Contoh 4 : Misal X dan Y variabel dengan distribusi peluang gabungan pada contoh 1. Hitunglah nilai harapan g(X,Y) = XY? Jawab: Pandanglah distribusi peluang gabungan pada tabel di samping. f(x,y) y g(x) 1 2 x 3/28 6/28 1/28 10/28 9/28 6/24 15/28 h(y) 12/28 Memperhatikan definisi Ekspektasi peluang gabungan pmf, maka dapat dituliskan:

Contoh 5 : Hitunglah: Jawab:

Kovariansi Joint Distribution Function : PDF & PMF  

Contoh 6 : Misal X dan Y variabel dengan distribusi peluang gabungan pada contoh 1. Hitunglah kovariansi X dan Y? Jawab: Diperoleh E(XY) = 3/14 f(x,y) y g(x) 1 2 x 3/28 6/28 1/28 10/28 9/28 6/24 15/28 h(y) 12/28   dan   jadi  

Contoh 7 : Bagian pelari pria X dan wanita Y yang menempuh lomba maraton telah dengan pdf: Carilah kovariansi X dan Y Jawab: Distribusi marginal untuk pdf: Dengan: Diperoleh Ekspektasi distribusi gabungan untuk pdf: Jadi Kovariansi :

Statistical Independence : PMF/PDF Diberikan dua variabel random X dan Y, diskrit ataupun kontinu (pmf/pdf), dengan joint distribution function, f(x,y) dan distribusi marginal g(x) dan h(y), berturut-turut. Variabel random X dan Y dikatakan independen secara statistika, jika dan hanya jika: f (x,y) = g(x)h(y) untuk semua (x,y) dalam rentang yang ada. Dengan nilah harapan: E(XY) = E(X).E(Y)

peluang f(0,1), g(0) dan h(1), yaitu: Contoh 8 : Tunjukkan bahwa variabel random pada contoh 1 tidak bebas statistik? Jawab: Pandanglah titik (0,1) dari tabel di di samping, diperoleh ketiga f(x,y) y g(x) 1 2 x 3/28 6/28 1/28 10/28 9/28 6/24 15/28 h(y) 12/28 peluang f(0,1), g(0) dan h(1), yaitu: Jelas bahwa: f(0,1)  g(0)h(1), jadi X dan Y tidak bebas statistik.