Program Studi Perbankan Syariah

Fakultas Ekonomi dan Bisnis Islam

UIN Ar-raniry

LEMBAR JAWABAN FINAL

STATISTIKA
NAMA : Maulizar
NIM : 170603213
TANGGAL : 01-01-2022

a. Ciri-ciri distribusi normal :
Disusun dari variable random
kontinukurva distribusi normal
mempunyai satu puncak ( uni-
normal)
Kurva berbentuk simetris dan
menyerupai lonceng hingga
mean,median dan modus terletak
pada satu titik.
Kurva normal dibentuk dengan N
yang tal terhingga
Peristiwa yang dimiliki tetap
independen
Ekor kurva mendekati absis pada
penyimpangan 3 sd kekanan dan
kekiri dari rata-rata dan ekor grafik
dapat dikembangkan sampai tak
terbatas tanpa mnyentuh sumbu
absis.
1. Sebutkan ciri-ciri dari: (15 menit)
a. Distribusi normal
b. Distribusi poison
c. Sifat probabilitas
b. Ciri-ciri Distribusi
c. Sifat-sifat probabilitas
Distribusi Poisson memiliki ciri - ciri sebagai berikut:
kejadian A :0 ≤P(A) ≤ 1, artinya
•Banyaknya percobaan yang terjadi dalam suatu selang nilai probabilitas kejadian A selalu
waktu atau suatu daerah tertentu, tidak tergantung pada terletak antara 0 dan 1P(A) = 0,
banyaknya hasil percobaan yang terjadi pada selang artinya dalam hal kejadian A tidak
waktu atau daerah lain yang terpisah.
terjadi (himpunan kosong), maka
•Peluang terjadinya satu hasil percobaan selama suatu probabilitas kejadian A adalah 0.
selang wakt yang singkat sekali atau dalam suatu selang Dapat dikatakan bahwa kejadian A
yang kecil. Sebanding dengan panjang selang waktu mustahil untuk terjadi.P(A) = 1,
tersebut atau besarnya daerah tersebut dan tidak
tergantung pada banyak hasil percobaan yang terjadi
artinya dalam hal kejadian A, maka
diluar selang waktu dan daerah tertentu. probabilitas kejadian A adalah 1.
Dapat dikatakan bahwa kejadian A
•Peluang bahwa lebih dari satu hasil percobaan akan pasti terjadi.
terjadi dalam selang waktu yang singkat tersebut atau
dalam daerah yang kecil tersebut diabaikan.
$$\begin{align*}f(y,\mu)=\left(\frac{\mathbf{e^{-\mu}\
mu^{y}}}{\mathbf{y!}}\right)\
end{align*} ;y=0,1,2,...$$ dan $\mu>0$ Dalam
distribusi Poisson, rataan dan variansi adalah bernilai
sama dan dapat dituliskan sebagai berikut:
$E(y)=Var(Y)=\mu$
 2. Jelaskan perbedaan dan persamaan analisis linear dan korelasi

PERBEDAAN REGRESI DAN KORELASI

• Perbedaan Kunci Antara Korelasi dan Regresi

• Poin-poin yang diberikan di bawah ini, menjelaskan perbedaan antara korelasi dan regresi secara rinci:
1. Ukuran statistik yang menentukan hubungan atau asosiasi dua kuantitas dikenal sebagai Korelasi. Regresi menggambarkan bagaimana
variabel independen secara numerik terkait dengan variabel dependen.
2. Korelasi digunakan untuk merepresentasikan hubungan linier antara dua variabel. Sebaliknya, regresi digunakan agar sesuai dengan
garis terbaik dan memperkirakan satu variabel berdasarkan variabel lain.
3. Dalam korelasi, tidak ada perbedaan antara variabel dependen dan independen yaitu korelasi antara x dan y mirip dengan y dan x.
Sebaliknya, regresi y pada x berbeda dari x pada y.
4. Korelasi menunjukkan kekuatan hubungan antar variabel. Berbeda dengan, regresi mencerminkan dampak perubahan unit dalam
variabel independen pada variabel dependen.
5. Korelasi bertujuan untuk menemukan nilai numerik yang mengekspresikan hubungan antar variabel. Tidak seperti regresi yang
tujuannya adalah untuk memprediksi nilai-nilai variabel acak berdasarkan nilai-nilai variabel tetap.
ANALISIS REGRESI DAN KORELASI LINEAR
• Analisis regresi berbeda dengan analisis korelasi. Jika
-> Regresi terdiri dari
Satu variable terikat dengan satu variable bebas
(regresi sederhana)
Satu variable terikat dengan beberapa variable
bebas ( regresi berganda)
Didalam analisis regresi terdapat 2 macam
linearitas, yaitu:
 Linearitas dalam variable
Nilai rata-rata conditional variable tergantung
yang merupakan fungsi linear dari variable bebas
 Linearitas dalam parameter
Fungsi linear parameter dan dapat tidak linier
dalam variabel
dalam analisis korelasi digunakan untuk
melihathubungan dua variable, maka analisis regresi
digunakan untuk melihat pengaruh variable bebas
terhadap variable tergantung serta memprediksi nilai
variable tergantung dengan menggunakan variable
bebas. Dalam analisis regresi variable bebas berfungsi
untuk menerangkan (explanatory) sedang variable
tergantung berfungsi sebagai yang diterangkan (the
explained). Dalam analisis regresi data harus berskala
interval atau rasio.Hubungan dua variable bersifat
dependensi. Untuk menggunakan analisis regresi
diperlukan beberapa persyaratan
 Persamaan regresi
• Persamaan regresi sederhana: Y = a + bX Ket: Y = variabel kriterium X =
variabel prediktor a = variabel konstan b = koefisien arah regresi linier
Dimana harga a dan b sebagai berikut: Page 4 bentuk persamaan
regresi tersebut sering dibaca sebagai regresi X atas Y.Metode kuadrat
terkecil
Bentuk umum dari persamaan regresi linear adalah Y’= a + b X
3. Peluang seorang mahasiswa lulus statistika adalah 2/3 dan peluang lulus matematika
adalah 4/9. Peluang sekurang-kurangnya lulus salah satu pelajaran tersebut adalah 4/5.
Berapa peluang lulus kedua pelajaran tersebut?

Di ketahuai?
Mahasiswa lulus satatiska = 2/3
Peluang lulus matematika = 4/9
Kurang lulus = 4/5
Penyelesaian :
 Misalkan A menyatakan kejadian lulus statistika dan B kejadian lulus Matematika maka menurut teorema 1

             P(AΩB) = P(A) + P(B)-P(AUB)

                           = 2/3 + 4/9 – 4/5
                           = 14/45        
 Mahasiwa lulus matematika = 4/9           
             P(AΩB) = P(A) + P(B-P(AUB)
                           = 2/3 + 4/9 – 4/5
                           = 14/45    
Jadi peluang lulus kedua pelajaran tersebut adalah 14/45
4. Saya tidak mengerti buk soal no 4 