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.. ISBN-10: XX–XXX–XXXX–X ISBN-13: XXX–XX–XXX–XXXX–X . Printed by .

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

.

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

.

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

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

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

.

Daftar Tabel xi .

.

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

ditulis Ac . dan mencatat ciri gambarnya yang mungkin sebagai peristiwa: keriting (K). . Contoh 1. x ∈ A Jelas bahwa B − A = B ∩ Ac . adalah himpunan semua unsur yang di luar A. kita perlu mendefinisikan secara formal relasi berikut ini. . B. Peluang 1. huruf besar A. hati (H). . E untuk menyatakan peristiwa. . b. A ⊂ B menyatakan "A adalah himpunan bagian dari B" atau ekivalen dengan B ⊃ A yang menyatakan "B memuat A". sebagaimana B ∩ A dapat ditulis sebagai BA. 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. adalah himpunan unsurunsur yang adalah sekaligus unsur dari kedua A dan B. untuk menyatakan unsur-unsur atau peristiwa elementer atau hasil yang mungkin dari suatu percobaan. Ruang sampelnya adalah S = K ∪ B ∪ H ∪ G. 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. atau gunungan (G). 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. kita akan gunakan operasi aljabar dalam S sebagaimana halnya operasi aljabar dari himpunan. A ∪ C = B. . . adalah himpunan semua unsur dari B yang di luar A. ditulis A ∪ B. A ∩ B = x ∈ S : x ∈ A dan x ∈ B Komplemen: Komplemen dari A. c.2 Bab 1.2 Pandang percobaan mencabut satu kartu dari tumpukan kartu bridge. . ditulis B − A. Pada umumnya akan digunakan huruf kecil a. berlian (B). Ac = H ∪ G. ditulis A ∩ B. B − A = x ∈ S : x ∈ B. C c = KC − A = H ∪ G = Ac .2 Aljabar Peristiwa Dengan ruang sampel S sebagai universum atau himpunan totalitas semua peristiwa elementer. Ac = x ∈ S : x ∈ A Komplemen relatif: Komplemen dari A relatif terhadap B. Sementara a ∈ A menyatakan "a adalah unsur dalam A".

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

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

. Untuk itu guru mempunyai sebanyak 13 × 12 = 156 cara memilih wakil kelasnya. (a1 . Guru menunjuk seorang siswa dan seorang siswi untuk mewakili kelas tersebut ke pertemuan antar kelas.. Berapa macamkah dapat dibentuk kata biner 8-bit.4 Menghitung Peluang: Teknik Pencacahan Untuk menghitung peluang pada situasi yang agak komplek. . 1.. (am ...  (a2 . Menghitung Peluang: Teknik Pencacahan 5 Kedua.2) 1.1 Kaidah Perkalian Berikut adalah kaidah perkalian yang sangat bermanfaat. maka ada mn hasil yang mungkin (titik sampel) untuk pasangan kedua percobaan itu. . Komponen percobaan pertama mempunyai n1 hasil yang mungkin.. . .4. Banyaknya ujung cabang akhir adalah mn.           (a2 . b2 . KAIDAH PERKALIAN: Jika sebuah percobaan mempunyai m hasil dan sebuah percobaan lainnya mempunyai n hasil.. bn )  (am . percobaan kedua mempunyai n2 . b2 ) . a2 .1. ...1) pada (1. . b1 ) (am . . yang masing-masing digitnya dapat bernilai 0 atau 1. b2 ) (a2 . . PERLUASAN KAIDAH PERKALIAN: Sebuah percobaan merupakan gabungan dari p buah percobaan komponen.. komponen percobaan ke-p mempunyai np hasil yang mungkin dari percobaan itu. . . pandang A ∪ B sebagai uni dari dua buah peristiwa tak-bertemu. b1 ) E =A×B =   . .. 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..4 Suatu kelas terdiri atas 12 siswa laki-laki (siswa) dan 13 siswa perempuan (siswi). sehingga P (A ∪ B) = P (A) + P (B − A) Substitusi (1. Jawab: Ada 2 × 2 × 2 × 2 × 2 × 2 × 2 × 2 = 28 = 256 macam. . perlu dikembangkan cara sistematik dalam mencacah unsur peristiwa. .5 Sebuah kata biner 8-bit merupakan barisan 8 digit. . b2 ) . (1. Bukti: Nyatakan percobaan pertama sebagai A = (a1 . . Cara lain juga dapat ditempuh dengan membuat diagram cabang. bn ). . an ) dan percobaan kedua sebagai B = (b1 . A dan B − A. Contoh 1. maka pasangan dari kedua percobaan itu adalah  (a1 . .2) memberikan hasil yang diharapkan. bn ) . . b1 ) (a1 . yaitu untuk setiap cabang (dari m cabang) percobaan pertama barcabang menjadi n cabang lagi untuk percobaan kedua.4. Contoh 1.

yaitu M(merah). tersedia n = 5 potong kertas yang sama dan sebangun berbentuk empat persegi panjang namun dalam warna yang berbeda. Berapa peluang bahwa sekurang-kurangnya dua diantara mereka mempunyai hari ulang tahun sama? Misalkan A adalah peristiwa dimaksud. ketiga. (2)(1). n)! = 0! = 1 dapat tidak dituliskan ]. yaitu c(S) = 365. untuk menetapkan lapis kedua hanya tinggal 4 pilihan warna. Sehingga dengan kaidah perkalian.(10) = 676000. didapat 5 × 4 × 3 = 60 cara yang mungkin untuk membuat bendera dalam susunan seperti dikehendaki. Kemudian sebuah bendera harus dibuat dengan menyusun k = 3 potong di antara kertas warna yang tersedia itu (dalam susunan vertikal dari atas ke bawah). kedua. yaitu P (n) = P (n. n) = (n−k)! Akibat A Banyaknya ragam pengaturan berurut n obyek yang ada ialah permutasi n obyek. Peristiwa Ac dapat terjadi dalam P (n. untuk 0 ≤ k ≤ n. 26! Jelaslah c(S) = (26). atau N). permutasi k dari n ialah P (k. . Secara umum. adalah peristiwa bahwa kesemua n orang itu berhari ulang tahun berbeda. untuk menentukan warna lapis bawah hanya tinggal 3 pilihan lagi. sedangkan c(A) = P (2. ada tersedia 5 pilihan (M. 365) = 365 × 364 × . Banyaknya unsur S yaitu banyaknya hari ulang tahun yang mungkin untuk n orang. notasi c! dibaca c-faktorial. untuk menyatakan c! = c(c − 1)(c − 2) .6 Anggaplah bahwa nomor plat mobil di suatu daerah dibedakan oleh susunan dari dua huruf dan diikuti oleh tiga digit. n) = n! [Catatan: penyebut (n. H(hijau). Peluang 1. n! yaitu P (k. .P (3.6923 676000 c(S) Contoh 1. P (A) = c(A) = 468000 = 0. 5) = 5! n! (5−3)! = 60. × (365 − n + 1). B. . dengan definisi 0! = 1. . Misalnya. 5! Hasil 60 = 5 × 4 × 3 di atas sama dengan 5! = (5−3)! .2 Permutasi dan Kombinasi Suatu permutasi itu suatu pengaturan beberapa obyek secara berurutan. untuk menetapkan warna lapis atas. Ac . B(biru). 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. Contoh 1. . K(kuning). dan N(nila). 10! = 7! (26 × 25) × (10 × 9 × 8) = 468000 Sehingga. Maka komplemennya.6 Bab 1. Untuk bilangan cacah c > 0. × (365 − n + 1) c(Ac ) = c(S) 365n P (Ac ) = . Dikatakan bahwa pengaturan berurut 2 3 obyek dari 5 obyek yang tersedia dapat dilakukan dalam permutasi 3 dari 5 atau P (3. n) = (n−k)! Aturan A Banyaknya ragam pengaturan berurut k obyek dari n obyek yang ada ialah permutasi k dari n. Pertanyaan: Berapa macam bendera yang mungkin dapat dibuat? Salah satu cara pandang adalah melihat ini sebagai sebuah percobaan dengan 3 tingkat komponen percobaan: pertama. 10) = 24! . K. Jadi 365 × 364 × . H.7 [Persoalan Ultah] Misalkan di suatu kamar asrama tinggal n orang mahasiswa. .4. 26).

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

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

2.3.1 Parameter adalah sembarang nilai yang menjelaskan ciri atau karakteristik populasi.4 Fungsi dari Variabel Random Definisi 2. 9 .4 2. Definisi 2.4 2.2.1 2. Sudah menjadi kebiasaan untuk melambangkan parameter dengan huruf Yunani.2.3.2.3.3.Bab 2 Peubah Acak 2.3 2.3 2.2 2.3.6 Variabel Random Kontinu Beberapa fungsi dan integral Variabel Random Uniform Distribusi Eksponensial Distribusi Gamma Distribusi Normal Distribusi Beta 2.2.2 Statistik merupakan sembarang nilai yang menjelaskan ciri atau karakteristik suatu sampel.1 2.3.3 2.1 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 2.2 2. Untuk ratarata populasi dilambangkan dengan µ.

.10 Bab 2. Bila statistik itu berupa rata-rata sampel. Peubah Acak Gambar 2. Statistik biasanya dinyatakan dalam huruf kecil biasa.5 meskipun sangat dekat dengan itu. kita melambangkan dengan x. jika diambil lagi sebuah sampel acak dari populasi yang sama dan kemudian dihitung. Karena dari populasi yang sama banyak sekali ¯ kemungkinan sampel acak yang dapat diambil. tentunya kita dapat membayangkan bahwa statistik itu bervariasi dari sampel satu ke sampel lainnya.1: This is a figure. maka nilai yang terbesar mungkin saja 5 bukan 4 dan rata-rata hitungnya tidak lagi 1. Dengan kata lain.

3 3.Bab 3 Distribusi Bersama 3.2 Variabel Random Diskret Variabel Random Kontinu Variabel Random Takbergantungan Distribusi Bersyarat Kasus Diskret Kasus Kontinu 11 .1 3.4.4.1 3.4 3.2 3.

Sign up to vote on this title
UsefulNot useful