2
BAB 00 PENGANTAR Statistika adalah suatu disiplin ilmu yang mempelajari sekumpulan konsep dan metode mulai dari pengumpulan, penyajian, analisis, dan interpretasi data sampai pada pengambilan keputusan pada suatu situasi tertentu dimana terdapat ketidakpastian. Statistika adalah ilmu pasti yang tidak pastiKetidakpastian dalam Matematika dapat diukur dengan probabilitas. Dan probabilitas inilah yang menjadi dasar dari teori-teori Statistika. S, , adalah ruang ukuran*), disebut ukuran. Khusus apabila S 1 ,maka disebut ukuran probabilitas dan ditulis P sehingga S, ,P disebut ruang probabilitas. *) Ruang ukuran (measure space) akan dipelajari lebih banyak dalam Analisis Real MATERI PENGANTAR STATISTIKA MATEMATIKA I : 1. Teori Probabilitas/ Peluang 2. Variabel Random dan Distribusi Peluang 3. Distribusi Peluang Bersama 4. Distribusi Peluang Diskrit 5. Distribusi Peluang Kontinu 6. Pendekatan suatu Distribusi 7. DIstribusi Peluang Keluarga Skala, Lokasi, dan Eksponensial Refferensi : Bain, L. J., and Engelhardt, M., (1992)., Introduction to Probability and Mathematical Statistics 2ed, Duxbury, California: Duxbury Press (Bab 1 7) Dudewicz, E.J., and Mishra. Statistika Matematika Modern. Penerjemah RK.Sembiring. Penerbit ITB Bandung (Bab 1-6) Hogg, R. V., and Craig, A.T., (1978), Intoduction to Mathematical Statistics 4ed., New York: Macmillan Publishing Co., Inc., and London: Collier Macmillan Publishers (Bab 1-5) PENILAIAN : UAS : 40% UTS : 30% TUGAS : 20% LAIN-LAIN : 10% M ST S

PSM I_00

  • Upload
    starky

  • View
    264

  • Download
    4

Embed Size (px)

Citation preview

Page 1: PSM  I_00

BAB 00 PENGANTAR

Statistika adalah suatu disiplin ilmu yang mempelajari sekumpulan konsep dan metode mulai

dari pengumpulan, penyajian, analisis, dan interpretasi data sampai pada pengambilan

keputusan pada suatu situasi tertentu dimana terdapat ketidakpastian.

“Statistika adalah ilmu pasti yang tidak pasti”

Ketidakpastian dalam Matematika dapat diukur dengan probabilitas. Dan probabilitas inilah

yang menjadi dasar dari teori-teori Statistika.

S, ,

adalah ruang ukuran*), disebut ukuran.

Khusus apabila S 1 ,maka disebut ukuran

probabilitas dan ditulis P sehingga S, ,P

disebut ruang probabilitas.

*) Ruang ukuran (measure space) akan dipelajari lebih banyak dalam Analisis Real

MATERI PENGANTAR STATISTIKA MATEMATIKA I :

1. Teori Probabilitas/ Peluang

2. Variabel Random dan Distribusi Peluang

3. Distribusi Peluang Bersama

4. Distribusi Peluang Diskrit

5. Distribusi Peluang Kontinu

6. Pendekatan suatu Distribusi

7. DIstribusi Peluang Keluarga Skala, Lokasi, dan Eksponensial

Refferensi :

Bain, L. J., and Engelhardt, M., (1992)., Introduction to Probability and Mathematical

Statistics 2ed, Duxbury, California: Duxbury Press (Bab 1 – 7)

Dudewicz, E.J., and Mishra. Statistika Matematika Modern. Penerjemah RK.Sembiring.

Penerbit ITB Bandung (Bab 1-6)

Hogg, R. V., and Craig, A.T., (1978), Intoduction to Mathematical Statistics 4ed., New York:

Macmillan Publishing Co., Inc., and London: Collier Macmillan Publishers (Bab 1-5)

PENILAIAN :

UAS : 40%

UTS : 30%

TUGAS : 20%

LAIN-LAIN : 10%

M

ST

S

Page 2: PSM  I_00

Materi Perkuliahan PSM I

0. Pendahuluan

2

Moh. Farhan Qudratullah, M.Si

Prodi MAT dan P MAT F SAINTEK UIN Sunan Kalijaga Yogyakarta

TOKOH PROBABILITAS :

Gerolamo Cardano (1501-1576) sebagai Ilmuwan sekaligus

penjudi sejati, sekitar tahun 1550 menulis buku berjudul

“The Book on Dice Games”. Buku ini yang merupakan

pondasi berkembangnya teori probabilitas, sehingga Ia

disebut sebagai “The Father of Theory Probability”.

Selanjutnya Blaise Pascal (1623-1662) dan Pierre De Fermat

(1601-1665) menyempurnakan hasil karya Cardano yang

pada akhirnya dihimpun oleh Jakob Bernaoully menjadi text

book : “Introductory Probability”.

Kemudian pada abad ke-18 Karl Fredrich Gauss (1777-1855)

memperkenalkan suatu fungsi probabilitas distribusi normal

atau dikenal juga distribusi Gauss yang merupakan induk dari

segala distribusi.

Gerolamo Cardano

Blaise Pascsal Piere De Fermat

Jacob Bernouly

Karl Freadrich Gauss 2

2

1x

axt 2

2

1f x e . .e

2