P. 1
Statistika_Matematika

Statistika_Matematika

|Views: 76|Likes:
Published by Brewz DJabriegh

More info:

Published by: Brewz DJabriegh on Oct 16, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

11/20/2012

pdf

text

original

S TATISTIKA M ATEMATIKA

Muhammad Subianto

S TATISTIKA M ATEMATIKA Muhammad Subianto .

.The work in this book/modul was partially supported by Jurusan Matematika FMIPA Universitas Syiah Kuala.. Printed by . ISBN-10: XX–XXX–XXXX–X ISBN-13: XXX–XX–XXX–XXXX–X .

S TATISTIKA M ATEMATIKA O LEH Muhammad Subianto Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Syiah Kuala 2009 .

.

v .Kata Pengantar This work would not have been possible to complete without the help of so many people.

.

. . . . . . . . . . . . . . . . . 1. . .5 Distribusi Normal . . . .2 Aljabar Peristiwa . . . . . . . . .3. . . . . . . 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. .1 Distribusi Variabel Random . . . . . 2. . . . . . .6 Distribusi Beta . . .3. . . . . . . . . . . . . . . . . . . . . vii . 2 Peubah Acak 2. . 2. . . . . . . . . .1 Distribusi Uniform Diskret . . . .3. . . .2. . . . . . . . . . . . . . . . . . . . . . . . . 2. . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Variabel Random Uniform . . . . . . . . . . . . . . . 2. . . . . . . . . . . . .2. . . . 1. . . . . . 1. . . . . . .4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Distribusi Hipergeometrik . . 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Variabel Random Kontinu . . . . . . . . . . . . . . . . . v vii ix xi 1 1 2 3 5 5 6 8 8 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 . . . . . . . . . . . . . . . .3.4 Menghitung Peluang: Teknik Pencacahan 1. . 2. . . . . . . . . . . . . . . . . . . 2. . . . . . . . . . . . 1. . . .5 Distribusi Geometrik dan Binom Negatif 2. . . . . . . . .3 Variabel Random Bernoulli dan Binom . . . 2. .4. .3 Distribusi Eksponensial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. . . . . .3 Ukuran Peluang . . .3. . . . . . . . . . . . 2. . . . . . . . . 2.4 Distribusi Gamma . . 1. . . . . . . . .1 Beberapa fungsi dan integral . . . . .2 Permutasi dan Kombinasi . . . . . . .1 Peristiwa dan Ruang Sampel . . . . . . . 2. . . . . . . . . . . .5 Peluang Bersyarat .4 Fungsi dari Variabel Random .1 Kaidah Perkalian . . . . . . .2. . . . . . .3. . .Daftar Isi Kata Pengantar Daftar Isi Daftar Gambar Daftar Tabel 1 Peluang 1. . . . . 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Variabel Random Diskret . . . .4 Distribusi Poisson . . . . . . . . . . . . . .6 Ketaktergantungan antar Peristiwa . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4. . . . . . Daftar Isi 11 11 11 11 11 11 11 .4 Distribusi Bersyarat . . . . . 3. . .1 Variabel Random Diskret . . . . 3. . . . . .3 Variabel Random Takbergantungan 3. . .2 Variabel Random Kontinu . . . . . .2 Kasus Kontinu . . . . . . . . . . . . . . .4. . . . . . . . . .1 Kasus Diskret . . . . . . . . . . . . .viii 3 Distribusi Bersama 3. . . . . . . . . . . . . 3. . . . . . . . . . . .

. . . . . . .Daftar Gambar 2. . . . . . . .1 This is a figure. . . . . . . . . . . . . . . . . . . . . 10 ix .

.

Daftar Tabel xi .

.

g). Definisi 1. (g. Peristiwa A = "coin pertama menghasilkan angka" dapat juga dinyatakan sebagai A = (a. jenis kelamin bayi yang ditunggu kelahirannya. g). (g. (a. g).Bab 1 Peluang Kata peluang akan dipakai untuk mewakili kata probability dalam buku-buku teks yang baku. a). a). dan sebagainya. Setiap hasil yang terkhayalkan dari sebuah percobaan konseptual yang dapat diulang dalam kondisi serupa akan disebut sebuah titik sampel atau hasil elementer atau peristiwa elementer. g). sisi mata dadu yang akan muncul pada lemparan pertama.1 Pelemparan dua buah coin secara serentak memberikan empat hasil terangankan yakni (g. g). (a. (a. Peluang yang ditinjau di sini khusus dibatasi pada lingkup bahasan teori dasar statistika. Ruang sampel S di sini berupa sebuah himpunan S = (g. Unsur kerandoman (randomness) memang datang secara alamiah (natural) seperti misalnya. a). Sebuah himpunan bagian sebarang dari ruang sampel (dengan titik-titik sampel sebagai unsur-unsurnya) disebut sebuah peristiwa. totalitas dari hasil-hasil terangankan (atau titik sampel. g). Definisi 1. peristiwa B = "hanya satu angka dari kedua coin" ekivalen dengan B = (a. a).1 Peristiwa dan Ruang Sampel Kita berasumsi dulu tentang adanya peristiwa yang dalam khayalan kita dapat terulangi dalam kondisi umum yang sama. Peluang berkaitan dengan adanya suatu mekanisme random (random mechanism) atau mekanisme alami (natural mechanism) yang realisasinya tidak dapat diatur sekehendak kita. 1. g). akan disebut ruang sampel. atau statistika matematik. a).2 Suatu peristiwa itu sebuah himpunan dari beberapa hasil yang mungkin dari suatu percobaan. 1 . peristiwa elementer). (a. sebagai kemungkinan hasil terangankan dari setiap coin baik coin pertama maupun coin kedua. Jadi ada empat titik sampel yang menjadikannya sebuah ruang sampel. (a. dengan g = gambar dan a = angka. ukuran curah hujan yang akan turun hari ini. peristiwa C = "tidak muncul satu angka pun dari kedua coin" adalah sama dengan C = (g. g) atau peristiwa elementer (g. (g. Contoh 1.1 Himpunan S dari semua peristiwa elementer (hasil yang mungkin) dalam suatu percobaan tertentu disebut ruang sampel untuk percobaan itu. a). yaitu suatu himpunan bagian dari S (termasuk S sendiri).

. . E untuk menyatakan peristiwa. Ruang sampelnya adalah S = K ∪ B ∪ H ∪ G. dan mencatat ciri gambarnya yang mungkin sebagai peristiwa: keriting (K). Ac = x ∈ S : x ∈ A Komplemen relatif: Komplemen dari A relatif terhadap B. adalah himpunan semua unsur yang di luar A. adalah himpunan unsurunsur yang adalah sekaligus unsur dari kedua A dan B.2 Aljabar Peristiwa Dengan ruang sampel S sebagai universum atau himpunan totalitas semua peristiwa elementer. Ac = H ∪ G. . ditulis B − A. adalah himpunan unsur-unsur dari A atau B atau keduanya: A ∪ B = x ∈ S : x ∈ A atau x ∈ B Interseksi: Interseksi (atau pertemuan) dari A dan B. b. ditulis A ∩ B. adalah himpunan semua unsur dari B yang di luar A. hati (H). kita akan gunakan operasi aljabar dalam S sebagaimana halnya operasi aljabar dari himpunan. A ⊂ B menyatakan "A adalah himpunan bagian dari B" atau ekivalen dengan B ⊃ A yang menyatakan "B memuat A". huruf besar A. atau gunungan (G). kita perlu mendefinisikan secara formal relasi berikut ini. B − A = x ∈ S : x ∈ B. Contoh 1. Pada umumnya akan digunakan huruf kecil a. A ∪ C = B. Sebagai peristiwa yang mungkin misalnya A = K ∪ B dan C = B ∪ H ∪ G Dari peristiwa-peristiwa ini dapat dibentuk A ∪ C = K ∪ B ∪ H ∪ G = S. . x ∈ A Jelas bahwa B − A = B ∩ Ac . A ∩ B = x ∈ S : x ∈ A dan x ∈ B Komplemen: Komplemen dari A. C c = KC − A = H ∪ G = Ac . c. . A⊂B⇔x∈A⇒x∈B A = B ⇔ [A ⊂ B dan B ⊂ A] pemuatan kesamaan Beberapa contoh aljabar: Uni: Uni (jumlahan atau gabungan) dari A dan B. Sementara a ∈ A menyatakan "a adalah unsur dalam A". B. Peluang 1. . . sebagaimana B ∩ A dapat ditulis sebagai BA.2 Bab 1. ditulis Ac . berlian (B). ditulis A ∪ B.2 Pandang percobaan mencabut satu kartu dari tumpukan kartu bridge. untuk menyatakan unsur-unsur atau peristiwa elementer atau hasil yang mungkin dari suatu percobaan.

4. A ∩ B = B ∩ A. . adalah peristiwa-peristiwa saling asing dan maka A1 . dan terbatas. Komutatif A ∪ B = B ∪ A.1 Untuk peristiwa sebarang A. Ukuran Peluang Sifat-sifat operasi aljabar peristiwa diberikan sebagai berikut ini. 1. (a. (a. katakan S memuat n titik sampel.5 Peluang a priori dari peristiwa A ⊂ S dinotasikan sebagai P (A). (b) hanya muncul satu angka. (g. (a) Peristiwa ’coin pertama angka’ adalah A = (a. . sehingga P (A) = 1 2 c(A) c(S) = 2 4 = . A2 . C ⊂ S. yang ukurannya ialah P (A) = c(A) c(S) Contoh 1. Karena kedua coin itu ’imbang’. A2 . membentuk suatu partisi dari S. ∞ i=1 Ai = S. g).3 Dua peristiwa A dan B dikatakan tak bertemu atau saling asing (disjoint atau mutually exclusive) apabila A ∩ B = ∅. Definisikan fungsi pencacah unsur peristiwa c(. . g). Dengan menggunakan fungsi pencacah unsur ini dapat didefinisikan peluang a priori sebagai berikut: Definisi 1. yaitu untuk peristiwa A ⊂ S maka c(A) = banyaknya unsur dalam A. (A ∩ B)c = Ac ∪ B c . De Morgan (A ∪ B)c = Ac ∩ B c . Definisi 1.). a) pada contoh 1. c(S) = n. maka diasumsikan keempat titik sampel dari S = (g.3. g). ⇒ 0 ≤ c(A) ≤ n. 2. . a). adalah saling asing apabila Ai ∩ Bj = ∅. .3 Dari pelemparan dua buah coin yang ’imbang’. Jadi. .1. Ditributif A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C).3 Ukuran Peluang Kita mulai dahulu dengan ruang sampel yang unsurnya tercacah. untuk i = j. 1 1 masing-masing dengan peluang 4 = c(S) . (c) tak satu angka pun yang muncul. . A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C). . Peristiwa-peristiwa A1 . . a). Dalil 1. 3 Definisi 1. Asosiatif A ∪ (B ∪ C) = (A ∪ B) ∪ C. A2 . berlaku sifat-sifat 1. c(∅) = 0. B. A ∩ (B ∩ C) = (A ∩ B) ∩ C. (g.4 Apabila A1 . akan dihitung peluang bahwa (a) coin pertama menampakkan angka.1 mempunyai ’kesempatan sama’ untuk muncul. 3.

dan P (C) = c(C) c(S) Bab 1. An tak saling bertemu.6 Sebuah ukuran peluang pada ruang sampel S adalah sebuah fungsi dari S ke bilangan nyata yang memenuhi aksioma berikut ini: 1.4 (b) Peristiwa ’hanya satu angka’ adalah B = (g. Sifat ini didapat dari A dan Ac tak bertemu dengan A ∪ Ac = S dan karenanya dari aksioma pertama dan ketiga. (a. S3 Jika A ⊂ B. a). pandang B sebagai uni dari dua peristiwa tak-bertemu. P (B) = P (A) + P (B − A) atau P (A) = P (B) − P (B − A) ≤ P (B) S4 Hukum Jumlahan P (A ∪ B) = P (A) + P (B) − P (A ∩ B). maka P ( ∞ Ai ) = ∞ = P (Ai ) i=1 i=1 Sifat-sifat berikut ini adalah konsekuensi dari aksioma peluang di atas: S1 P (Ac ) = 1 − P (A). P (A) + P (Ac ) = 1. sehingga P (B) = P (B − A) + P (A ∩ B) ⇒ P (B − A) = P (B) − P (A ∩ B) (1. . A2 . Sifat ini berlaku karena B dapat dinyatakan sebagai uni dari dua peristiwa tak-bertemu: B = A ∪ (B − A) dan dari aksioma ketiga. Peluang c(B) c(S) 1 4 = 2 4 = 1 2 = Selanjutnya. Secara lebih umum. B − A dan A ∩ B.1) . g). Jika A ⊂ S maka P (A) ≥ 0 3. . dan P (B) = (c) Peristiwa ’tak muncul angka’ adalah C = (g. tanpa harus membatasi diri pada ruang sampel tercacah dan terbatas. . maka P (A) ≤ P (B). Sifat ini sebagai akibat dari S1 karena ∅ = S c . Jika A dan B tak-bertemu (disjoint. maka P (A ∪ B) = P (A) + P (B). Pertama. Untuk melihat ini. P (S) = 1 2. g). secara umum ukuran peluang didefinisikan sebagai berikut: Definisi 1. jika A1 . mutually exclusive). S2 P (∅) = 0.

percobaan kedua mempunyai n2 . yang masing-masing digitnya dapat bernilai 0 atau 1. Cara lain juga dapat ditempuh dengan membuat diagram cabang. Guru menunjuk seorang siswa dan seorang siswi untuk mewakili kelas tersebut ke pertemuan antar kelas. maka ada mn hasil yang mungkin (titik sampel) untuk pasangan kedua percobaan itu. . (a1 . perlu dikembangkan cara sistematik dalam mencacah unsur peristiwa.4.4. . ...1) pada (1.. .1. (am .. b2 . b2 ) .. . . Komponen percobaan pertama mempunyai n1 hasil yang mungkin. Untuk itu guru mempunyai sebanyak 13 × 12 = 156 cara memilih wakil kelasnya. an ) dan percobaan kedua sebagai B = (b1 . A dan B − A. . b2 ) (a2 . b1 ) (a1 . . Contoh 1..  (a2 . . . . Menghitung Peluang: Teknik Pencacahan 5 Kedua. maka pasangan dari kedua percobaan itu adalah  (a1 . . komponen percobaan ke-p mempunyai np hasil yang mungkin dari percobaan itu. b1 ) E =A×B =   . .... . . Berapa macamkah dapat dibentuk kata biner 8-bit. Jawab: Ada 2 × 2 × 2 × 2 × 2 × 2 × 2 × 2 = 28 = 256 macam. sehingga P (A ∪ B) = P (A) + P (B − A) Substitusi (1. b1 ) (am .. a2 . bn ). Bukti: Nyatakan percobaan pertama sebagai A = (a1 .2) memberikan hasil yang diharapkan. (1.4 Menghitung Peluang: Teknik Pencacahan Untuk menghitung peluang pada situasi yang agak komplek.5 Sebuah kata biner 8-bit merupakan barisan 8 digit. bn ) Pengaturan unsur-unsur (titik sampel) percobaan E dalam susunan m baris dan n kolom ini memperlihatkan bahwa c(E) = c(A) × c(B) = mn.1 Kaidah Perkalian Berikut adalah kaidah perkalian yang sangat bermanfaat. bn ) . PERLUASAN KAIDAH PERKALIAN: Sebuah percobaan merupakan gabungan dari p buah percobaan komponen. pandang A ∪ B sebagai uni dari dua buah peristiwa tak-bertemu..2) 1. Banyaknya ujung cabang akhir adalah mn. Contoh 1..4 Suatu kelas terdiri atas 12 siswa laki-laki (siswa) dan 13 siswa perempuan (siswi). KAIDAH PERKALIAN: Jika sebuah percobaan mempunyai m hasil dan sebuah percobaan lainnya mempunyai n hasil. b2 ) .           (a2 . yaitu untuk setiap cabang (dari m cabang) percobaan pertama barcabang menjadi n cabang lagi untuk percobaan kedua. bn )  (am . . . . 1.

n)! = 0! = 1 dapat tidak dituliskan ]. didapat 5 × 4 × 3 = 60 cara yang mungkin untuk membuat bendera dalam susunan seperti dikehendaki. Berapakah peluang bahwa nomor plat sebuah mobil tidak memuat huruf atau tiga digit berulang? Sebut A adalah peristiwa ’nomor plat mobil tidak memuat huruf atau digit berulang’ dari ruang sampel S yang memuat semua susunan 2 huruf dan diikuti 3 digit. Peluang 1. 26! Jelaslah c(S) = (26). Contoh 1. Berapa peluang bahwa sekurang-kurangnya dua diantara mereka mempunyai hari ulang tahun sama? Misalkan A adalah peristiwa dimaksud. 365) = 365 × 364 × . 10) = 24! . . Peristiwa Ac dapat terjadi dalam P (n. 10! = 7! (26 × 25) × (10 × 9 × 8) = 468000 Sehingga. untuk 0 ≤ k ≤ n. n) = (n−k)! Aturan A Banyaknya ragam pengaturan berurut k obyek dari n obyek yang ada ialah permutasi k dari n. yaitu P (n) = P (n. 5! Hasil 60 = 5 × 4 × 3 di atas sama dengan 5! = (5−3)! . yaitu M(merah). Banyaknya unsur S yaitu banyaknya hari ulang tahun yang mungkin untuk n orang. Ac . × (365 − n + 1) c(Ac ) = c(S) 365n P (Ac ) = . Kemudian sebuah bendera harus dibuat dengan menyusun k = 3 potong di antara kertas warna yang tersedia itu (dalam susunan vertikal dari atas ke bawah). Pertanyaan: Berapa macam bendera yang mungkin dapat dibuat? Salah satu cara pandang adalah melihat ini sebagai sebuah percobaan dengan 3 tingkat komponen percobaan: pertama. dengan definisi 0! = 1. H. untuk menetapkan warna lapis atas. Misalnya. .6 Anggaplah bahwa nomor plat mobil di suatu daerah dibedakan oleh susunan dari dua huruf dan diikuti oleh tiga digit. yaitu c(S) = 365. (2)(1). ada tersedia 5 pilihan (M. . P (A) = c(A) = 468000 = 0.6 Bab 1. Sehingga dengan kaidah perkalian. tersedia n = 5 potong kertas yang sama dan sebangun berbentuk empat persegi panjang namun dalam warna yang berbeda. . H(hijau).6923 676000 c(S) Contoh 1. untuk menentukan warna lapis bawah hanya tinggal 3 pilihan lagi. Maka komplemennya. B. B(biru).P (3.7 [Persoalan Ultah] Misalkan di suatu kamar asrama tinggal n orang mahasiswa. untuk menyatakan c! = c(c − 1)(c − 2) . 26). Secara umum. . 5) = 5! n! (5−3)! = 60.2 Permutasi dan Kombinasi Suatu permutasi itu suatu pengaturan beberapa obyek secara berurutan. permutasi k dari n ialah P (k. untuk menetapkan lapis kedua hanya tinggal 4 pilihan warna.(10) = 676000. Jadi 365 × 364 × .4. dan N(nila). adalah peristiwa bahwa kesemua n orang itu berhari ulang tahun berbeda. n) = n! [Catatan: penyebut (n. atau N). ketiga. notasi c! dibaca c-faktorial. K. n! yaitu P (k. Untuk bilangan cacah c > 0. sedangkan c(A) = P (2. Dikatakan bahwa pengaturan berurut 2 3 obyek dari 5 obyek yang tersedia dapat dilakukan dalam permutasi 3 dari 5 atau P (3. × (365 − n + 1). . K(kuning). kedua. n) = (n−k)! Akibat A Banyaknya ragam pengaturan berurut n obyek yang ada ialah permutasi n obyek.

K(uning). Ini didapat dengan menjumlahkan banyaknya himpunan bagian dengan 2 obyek. peluang bahwa ada hari lahir beradu ialah P (A) > 0. Aturan B Banyaknya ragam gabungan k dari n obyek yang tersedia ialah kombinasi k dari n.4. Kombinasi k dari n adalah banyaknya cara penggabungan k obyek dari n obyek yang tersedia (tanpa memperhatikan susunan urutan). Menghitung Peluang: Teknik Pencacahan dan 365 × 364 × . . B(iru). Sekarang sebagai pengganti dari 5 potong kertas berwarna. kini berhubungan dengan hanya 1 ragam warna tinta (dari hasil campuran 3 warna serupa). maka dalam pencampuran 3 warna tinta dari 5 warna tinta yang tersedia akan menghasilkan P (3. hasilnya akan memberi warna tertentu tidak tergantung pada urutan ketiga warna dimaksud. dst. .2n = n  k=0 n k   Hasil terakhir ini dapat diinterpretasikan sebagai banyaknya himpunan bagian dari himpunan n obyek. apabila untuk a = b = 1.1. Oleh karena penyusunan berurut 3 warna dari5 warna yang ada dalam pembuatan bendera menghasilkan P (3. (n − k + 1) = (n − k)!k! k! Bilangan  n k   disebut koefisien binom. . yang muncul dalam ekspansi n   (a + b)n = k=0 n k  ak b(n−k) Beberapa sifat koefisien binom yang bermanfaat adalah:  S1 Khususnya. 5. yaitu    n k  = n! n(n − 1) . tersedia 5 botol tinta berbeda warna yaitu M(erah). H(ijau) and N(ila). 5) = 5!/(32)!. Apabila 3 botol di antaranya dicampur isinya menjadi satu. .  S2  n k   = n n−k   . 5)/3! = 5!/[(53)!(3!)] = 10 ragam kombinasi warna. Jadi untuk setiap3! ragam bendera yang dapat disusun dengan tiga warna kertas. × (365 − n + 1) 365n 7 P (A) = 1 − P (Ac ) = 1 − Tabel berikut mempelihatkan peluang dimaksud untuk berapa nilai n yang mungkin n P (A) 4 016 16 284 23 507 32 753 40 891 56 988 Dari tabel di atas ternyata bila n = 23 orang.

5 1.6 Peluang Bersyarat Ketaktergantungan antar Peristiwa . Peluang n k   S3  = n−1 k−1   + n−1 k   1.8  Bab 1.

1 2.3.2 2.4 Fungsi dari Variabel Random Definisi 2.2 Statistik merupakan sembarang nilai yang menjelaskan ciri atau karakteristik suatu sampel.3 2.3.3 2. Definisi 2.2 2.2.2. Sudah menjadi kebiasaan untuk melambangkan parameter dengan huruf Yunani.1 Parameter adalah sembarang nilai yang menjelaskan ciri atau karakteristik populasi.Bab 2 Peubah Acak 2.3.3.2.6 Variabel Random Kontinu Beberapa fungsi dan integral Variabel Random Uniform Distribusi Eksponensial Distribusi Gamma Distribusi Normal Distribusi Beta 2.1 2. Untuk ratarata populasi dilambangkan dengan µ.1 2. 9 .2 2.5 2.5 Distribusi Variabel Random Variabel Random Diskret Distribusi Uniform Diskret Distribusi Hipergeometrik Variabel Random Bernoulli dan Binom Distribusi Poisson Distribusi Geometrik dan Binom Negatif 2.2.4 2.2.4 2.3.3.3 2.

jika diambil lagi sebuah sampel acak dari populasi yang sama dan kemudian dihitung. kita melambangkan dengan x.5 meskipun sangat dekat dengan itu. Bila statistik itu berupa rata-rata sampel. Karena dari populasi yang sama banyak sekali ¯ kemungkinan sampel acak yang dapat diambil. . Statistik biasanya dinyatakan dalam huruf kecil biasa. maka nilai yang terbesar mungkin saja 5 bukan 4 dan rata-rata hitungnya tidak lagi 1.1: This is a figure. tentunya kita dapat membayangkan bahwa statistik itu bervariasi dari sampel satu ke sampel lainnya. Peubah Acak Gambar 2.10 Bab 2. Dengan kata lain.

2 Variabel Random Diskret Variabel Random Kontinu Variabel Random Takbergantungan Distribusi Bersyarat Kasus Diskret Kasus Kontinu 11 .3 3.1 3.4.Bab 3 Distribusi Bersama 3.4 3.2 3.4.1 3.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->