Outline
Pendahuluan
Review Peluang
Statistika Inferensi
Back
Outline
Pendahuluan
Review Peluang
Statistika Inferensi
Back
Outline
Pendahuluan
Review Peluang
Statistika Inferensi
Back
2
3
Opening
1
py
+ 98 y + 1 + 1
Opening
1
py
+ 98 y + 1 + 1
A
Andi Kresna Jaya andikresna@yahoo.com
A
Andi Kresna Jaya andikresna@yahoo.com
A
Andi Kresna Jaya andikresna@yahoo.com
A
Andi Kresna Jaya andikresna@yahoo.com
A
Andi Kresna Jaya andikresna@yahoo.com
A
Andi Kresna Jaya andikresna@yahoo.com
A
Andi Kresna Jaya andikresna@yahoo.com
0 F (x) 1
F (x) monoton tak turun
F (y ) = 0 untuk setiap titik y yang lebih kecil dari nilai terkecil
pada ruang X
F (z) = 1 untuk setiap titik z yang lebih besar dari nilai
terbesar pada ruang X .
0 F (x) 1
F (x) monoton tak turun
F (y ) = 0 untuk setiap titik y yang lebih kecil dari nilai terkecil
pada ruang X
F (z) = 1 untuk setiap titik z yang lebih besar dari nilai
terbesar pada ruang X .
0 F (x) 1
F (x) monoton tak turun
F (y ) = 0 untuk setiap titik y yang lebih kecil dari nilai terkecil
pada ruang X
F (z) = 1 untuk setiap titik z yang lebih besar dari nilai
terbesar pada ruang X .
0 F (x) 1
F (x) monoton tak turun
F (y ) = 0 untuk setiap titik y yang lebih kecil dari nilai terkecil
pada ruang X
F (z) = 1 untuk setiap titik z yang lebih besar dari nilai
terbesar pada ruang X .
0 F (x) 1
F (x) monoton tak turun
F (y ) = 0 untuk setiap titik y yang lebih kecil dari nilai terkecil
pada ruang X
F (z) = 1 untuk setiap titik z yang lebih besar dari nilai
terbesar pada ruang X .
0 F (x) 1
F (x) monoton tak turun
F (y ) = 0 untuk setiap titik y yang lebih kecil dari nilai terkecil
pada ruang X
F (z) = 1 untuk setiap titik z yang lebih besar dari nilai
terbesar pada ruang X .
R
Jika X kontinu dengan fkp fX (x), |g (x)|fX (x)dx nilainya
ada, maka ekspektasi dari Y ada dan diberikan oleh bentuk
Z
E (Y ) =
g (x)fX (x)dx
P
Jika X diskrit dengan fmp pX (x), x |g (x)|pX (x) nilainya
ada, maka ekspektasi dari Y ada dan diberikan oleh bentuk
X
E (Y ) =
g (x)pX (x)
x
Teorema 2:
E [k1 g1 (X ) + k2 g2 (X )] = k1 E [g1 (X )] + k2 E [g2 (X )]
R
Jika X kontinu dengan fkp fX (x), |g (x)|fX (x)dx nilainya
ada, maka ekspektasi dari Y ada dan diberikan oleh bentuk
Z
E (Y ) =
g (x)fX (x)dx
P
Jika X diskrit dengan fmp pX (x), x |g (x)|pX (x) nilainya
ada, maka ekspektasi dari Y ada dan diberikan oleh bentuk
X
E (Y ) =
g (x)pX (x)
x
Teorema 2:
E [k1 g1 (X ) + k2 g2 (X )] = k1 E [g1 (X )] + k2 E [g2 (X )]
R
Jika X kontinu dengan fkp fX (x), |g (x)|fX (x)dx nilainya
ada, maka ekspektasi dari Y ada dan diberikan oleh bentuk
Z
E (Y ) =
g (x)fX (x)dx
P
Jika X diskrit dengan fmp pX (x), x |g (x)|pX (x) nilainya
ada, maka ekspektasi dari Y ada dan diberikan oleh bentuk
X
E (Y ) =
g (x)pX (x)
x
Teorema 2:
E [k1 g1 (X ) + k2 g2 (X )] = k1 E [g1 (X )] + k2 E [g2 (X )]
R
Jika X kontinu dengan fkp fX (x), |g (x)|fX (x)dx nilainya
ada, maka ekspektasi dari Y ada dan diberikan oleh bentuk
Z
E (Y ) =
g (x)fX (x)dx
P
Jika X diskrit dengan fmp pX (x), x |g (x)|pX (x) nilainya
ada, maka ekspektasi dari Y ada dan diberikan oleh bentuk
X
E (Y ) =
g (x)pX (x)
x
Teorema 2:
E [k1 g1 (X ) + k2 g2 (X )] = k1 E [g1 (X )] + k2 E [g2 (X )]
Contoh:
1
2
Contoh:
1
2
Contoh:
1
2
Contoh:
1
2
Contoh:
1
2
Contoh:
1
2
Contoh:
1
2
Contoh:
1
2
Contoh:
1
2
1
, untuk x = 1, 2, , m.
m
1
, untuk x = 1, 2, , m.
m
1
, untuk x = 1, 2, , m.
m
Jika m sangat jauh lebih besar dari n, kedua tipe sampling ini
secara penerapannya akan sama.
Andi Kresna Jaya andikresna@yahoo.com
Jika m sangat jauh lebih besar dari n, kedua tipe sampling ini
secara penerapannya akan sama.
Andi Kresna Jaya andikresna@yahoo.com
n
\
{Xi y }.
i=1
Andi Kresna Jaya andikresna@yahoo.com
n
\
{Xi y }.
i=1
Andi Kresna Jaya andikresna@yahoo.com
1 , if y = m
m
Thus Yn is a consistent estimate of m.
Note that in this problem, E [X ] =
+ 1)/2. Hence
P(m
n
1
E [2X 1] = m, where X = n
i=1 Xi denotes the sample
mean.
1 , if y = m
m
Thus Yn is a consistent estimate of m.
Note that in this problem, E [X ] =
+ 1)/2. Hence
P(m
n
1
E [2X 1] = m, where X = n
i=1 Xi denotes the sample
mean.
1 , if y = m
m
Thus Yn is a consistent estimate of m.
Note that in this problem, E [X ] =
+ 1)/2. Hence
P(m
n
1
E [2X 1] = m, where X = n
i=1 Xi denotes the sample
mean.
1 , if y = m
m
Thus Yn is a consistent estimate of m.
Note that in this problem, E [X ] =
+ 1)/2. Hence
P(m
n
1
E [2X 1] = m, where X = n
i=1 Xi denotes the sample
mean.
= P X 2 < < X + 2
.
n
n
Andi Kresna Jaya andikresna@yahoo.com
= P X 2 < < X + 2
.
n
n
Andi Kresna Jaya andikresna@yahoo.com
= P X 2 < < X + 2
.
n
n
Andi Kresna Jaya andikresna@yahoo.com
= P X 2 < < X + 2
.
n
n
Andi Kresna Jaya andikresna@yahoo.com
Closing