Pada mata kuliah ini akan dipelajari teori statistik yang mendasari konsep pengambilan keputusan melalui pengujian hipotesis sehingga mahasiswa dapat menguasai konsep distribusi sampling, estimasi parameter yang meliputi penaksiran titik, interval, metode penentuan penaksir dan sifat-sifat penaksir. Kemudian juga dipelajari tentang metode pengujian hipotesis pada sampling distribusi normal melalui penerapan pengujian mean dan varians, analisis regresi linear, baik sederhana atau berganda, regresi logistik, regresi poisson dan negative binomial, model untuk klasifikasi, klastering serta aplikasi dalam metode statistika nonparametrik. Dengan demikian mahasiswa akan memiliki pengalaman belajar untuk berfikir secara kristis dan mampu memberikan keputusan yang tepat tentang penggunaan konsep tersebut

1. Mahasiswa mampu menjelaskan konsep statistik inferensial seperti distribusi sampling, penaksiran titik dan interval, sifat-sifat penaksir, uji hipotesis, penentuan statistik uji baik untuk pengujian prorporsi dan mean untuk satu lebih sampel serta analisis regresi , generalized liniermodel, klasifikasi, klastering dan statistika non parameterik.

2. Mahasiswa mampu menerapkan konsep statistika inferensia dalam pengambilan keputusan statistik pada permasalahan riil.

1. Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K. (2017). Probability & Statistics for Engineers & Scientists. 2007. Pearson Cloth.

2. Bruce, P., Bruce, A., & Gedeck, P. (2020). Practical statistics for data scientists: 50+ essential concepts using R and Python. OReilly Media.

3. Agresti, A., & Kateri, M. (2021). Foundations of Statistics for Data Scientists: With R and Python. Chapman and Hall/CRC.

4. Kaptein, M., & van den Heuvel, E. (2022).Statistics for Data Scientists.Springer

5. Hogg, R. V., Tanis, E. A., & Zimmerman, D. L. (2010). Probability and statistical inference (9th ed.). Upper Saddle River, NJ, USA:: Pearson/Prentice Hall.

6. Efron, B., & Hastie, T. (2016). Computer age statistical inference . Cambridge University Press.

7. Paolella, M. S. (2018). Fundamental Statistical Inference: A Computational Approach . John Wiley & Sons