NOTASI PENTING

Jumlah (sum)


Rata-rata (average)


Hasil kali (product)

1
1
...
n
n n i
i
D X X X X
=
= + + + =

1
1 1
... 1
n n
n n i
i
i i
X X X X
X X
n n n
= =
+ + +
= = =

1
1
...
n
n n i
i
P X X X X
=
= =
[
SIFAT-SIFAT NOTASI SIGMA
1 1
n n
i i
i i
kX k X
= =
=

1
n
i
k nk
=
=

( )
1 2 1 2
1 1 1
n n n
i i i i
i i i
k X k Y k X k Y
= = =
+ = +

( )( )
1 1 1 1 1
1
n n n n n
i i i i i i i i
i i i i i
X X Y Y X Y nXY X Y X Y
n
= = = = =
| |
= =
|
\ .

PELUANG DAN FREKUENSI RELATIF
P(A)= #(A)/#(S) dari teoritis

Fr(A)= n(A)/n(S) dari kejadian riil

Untuk n-> P(A)=Fr(A)
0 200 400 600 800 1000 1200 1400
0
.
2
0
.
3
0
.
4
0
.
5
0
.
6
0
.
7
0
.
8
Peluang dan Frekwensi Relatif
N-Sampel
P

d
a
n

F
r
JENIS DARI CARA PEGAMBILAN
Hasil pengukuran, bersifat kontinu. Data
metrik

Hasil pencacahan, bersifat diskrit:
banyaknya orang yang antri, data
enumeratif, banyaknya kecelakaan
JENIS DATA DARI SKALANYA
Nominal: Penggunaan angka hanya sebagai label, sama
sekali bukan menunjukkan bilangan (misalnya 1: untuk
Laki-laki, 0: untuk perempuan). Tidak bisa dibandingkan ,
tidak ada urutan superioritas. Contoh: faktor (jenis
kelamin, asal daerah)
Ordinal: Angka menunjukkan urutan (nilai 0-4), dapat
diurut, tidak dapat dibandingkan (rasio), jarak tidak sama,
belum ada skala 0.
Interval: Angka menunjukkan pengukuran dengan jarak
yang relatif sama, sudah ada nilai 0 (tetapi tidak mutlak),
belum bisa dibandingkan (rasio)
Rasio: Angka memiliki sifat bilangan secara sempurna.
Dapat dirasiokan 60=2x30. Sudah ada 0 mutlak. Contoh
berat badan, tingi badan
JENIS DATA
Diskrit: Pencacahan (jumlah orang yang antri, jumlah
kecelakaan pada suatu titik/waktu & tempat)
Percobaan Bernoulli
Antrian
Kontinu:Pengukuran (waktu dibutuhkan seseorang
dalam antrian)
Nilai ujian, tinggi badan
Produksi (nonnegatif )
DISTRIBUSI PELUANG
DISTRIBUSI PELUANG
Distribusi Peluang Diskret: sebuah tabel atau
rumus yg memcantumkan semua kemungkinan
nilai suatu peubah acak diskret berikut
peluangnya
Distribusi Peluang Kontinu: Peubah acak kontinu
berpeluang nol untuk mengambil salah satu
nilainya sehingga distribusi peluangnya tidak dpt
diberikan dalam bentuk tabel, tapi menghitung
peluang bagi berbagai selang peubahn acak
kontinu seperti P(a<x<b)
dx e
n 2
1
) b x a ( P
2
x
2
1
b
a
|
.
|

\
|
o
t

o
= < <
}
Contoh:
Ad 1. Distribusi peluang bagi jumlah bilangan bila
sepasang dadu dilempar: dua buah dadu dapat
mendarat dalam 6
2
= 36 cara
x 2 3 4 5 6 7 8 9 10 11 12
P(X-x)
1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
Peluang
Peubah acak diskret
Ad 2. Misal distribusi normal peluang harga x
antara a dan b:
Yang termasuk distribusi peluang diskret yaitu
distribusi binom, multinom, hipergeometrik dan
distribusi poisson.
Sedangkan peluang kontinu yaitu distribusi
normal, chi-square dan distribusi F
x N x x n x
) 1 (
x
N
) x X ( P atau q p
x
n
) p , n ; x ( b

t t
|
|
.
|

\
|
= =
|
|
.
|

\
|
=
)! x N ( ! x
! N
x
N

=
|
|
.
|

\
|
1. Distribusi Binom
Percobaan binom: dlm pelemparan sekeping uang
logam sebayak 5 kali, hasil tiap ulangan mungkin
muncul sisi G atau A, kita dapat menentukan salah
satu diantara keduanya sebagai berhasil.
Definisi Distribusi binom: bila suatu ulangan binom
mempunyai peluang keberhasilan p & kegagalan q =
1-p, maka dist peluang bagi acak binom x, yaitu
banyaknya keberhasilan dlm ulangan yang bebas
adalah:
Untuk x = 0, 1, 2,, n; 0 < < 1
032 , 0
6
5
! 2 ! 3
! 5
6
5
6
1
3
5
) 3 x ( P
5
2
2 3
= =
|
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|
= =
Dist. Binom mempunyai parameter, yaitu rata-rata
& simpangan baku
) 1 ( N
N
t t = o
t =
npq
np
= o
=
atau
Contoh:
Tentukan peluang memdapatkan tepat tiga bilangan
2 bila sebuah dadu setimbang dilemparkan 5 kali?

Jawab:

1859 . 0 2173 . 0 4032 . 0
) 4 . 0 , 15 ; x ( b ) 4 . 0 , 15 ; x ( b ) 5 x ( P . c
8779 . 0 0271 . 0 9050 . 0
) 4 . 0 , 15 ; x ( b ) 4 . 0 , 15 ; x ( b ) 4 . 0 , 15 ; x ( b ) 8 x 3 ( P . b
0338 . 0 9662 . 0 1
4 . 0 , 15 ; x ( b 1 ) 10 x ( P 1 ) 10 x ( P . a
4
0 x
5
0 x
2
0 x
8
0 x
8
3 x
9
0 x
= =
= =
= =
= = s s
= =
= < = >

= =
= = =
=
Contoh:
Peluang seekor ikan sembuh dari penyakit adalah 0,4. Bila
15 ekor diketahui menderita penyakit, berapa peluang:
a. Sekurang2nya 10 ekor ikan dapat sembuh
b. Ada 3 sampai 8 ekor yang sembuh
c. Tepat 5 ekor yang sembuh

Jawab:

1 p dan n x dengan
p ... p p
x ,.., x , x
n
) n , p ,.., p , p ; x ,.., x , x ( f
k
1 i
i
k
1 i
i
x
k
x
2
x
1
k 2 1
k 2 1 k 2 1
k 2 1
= =
|
|
.
|

\
|
=

= =
2. Distribusi Multinom
Seandainya dalam percobaan binom tersebut tiap
ulangan menghasilkan lebih dari dua kemungkinan
hasil disebut percobaan multinom
Misal percobaan pelemparan dua dadu; muncul
bilangan yang sama, total kedua bilangan = 7 atau
11 atau bukan keduanya
Defenisi: bila tiap ulangan menghasilkan salah satu
dari k hasil percobaan E1,E2,,Ek dengan peluang
p1,p2,..,pk, maka dist. peluang bagi peubah acak
x1,x2,,xk yg menyatakan berapa kali E1,E2,,Ek
terjadi dalam dan ulangan yang bebas adalah
Contoh:
Dalam pelemparan sebuah dadu sebanyak 12 kali,
peluang munculnya mata 1, mata 2,,mata 6
masing-masing tepat dua kali?

Jawab:

0034 . 0
6
1
! 2 ! 2 ! 2 ! 2 ! 2 ! 2
! 12
6
1
6
1
6
1
6
1
6
1
6
1
2 , 2 , 2 , 2 , 2 , 2
12
) 12 ,
6
1
,
6
1
,
6
1
,
6
1
,
6
1
,
6
1
; 2 , 2 , 2 , 2 , 2 , 2 ( f
6
2
2 2 2 2 2 2
=
(
(

|
.
|

\
|
=
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|
=
Contoh:
Dalam pelemparan sebuah dadu sebanyak 12 kali,
peluang munculnya mata 1, mata 2,,mata 6
masing-masing tepat dua kali?

Jawab:

k ..., , 2 , 1 , 0 x untuk
n
N
x n
k N
x
k
) k , n ; x ( h
=
|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|
=
3. Distribusi Hipergeometrik
Percob. Hipergeometrik yaitu peluang terambilnya x
keberhasilan dari k benda (berhasil) & n-x kegagalan
dari N-k benda (gagal), bila suatu contoh berukuran &
diambil dari sebuah populasi terhingga berukuran N
Distr. Hipergeometrik yaitu distribusi peluang dari
banyaknya keberhasilan x dalam percobaan di atas
disebut peubah acak hipergeometrik
|
.
|

\
|

= o =
N
k
1
N
k
n
1 N
n N
;
N
nk
Nilai tengah ( ) dan ragam ( ) dist.
Hipergeometrik

724 , 0
5
50
5
47
0
3
) 3 , 50 ; 0 ( h ) 0 ( P =
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
= = 253 , 0
5
50
4
47
1
3
) 3 , 50 ; 1 ( h ) 1 ( P =
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
= =
Contoh:
Segerombolan ikan t.a. 50 ekor & 3 diantaranya ikan layang
sec. acak diambil 5 ekor. Brp peluang diantara 5 ekor tadi:
a. Tidak terdapat ikan layang
b. Terdapat tidak lebih dari seekor ikan layang

Jawab:
a. dik: n = 5; k = 3; N = 50; & x = 0 b. dik: x = 0,1 & P(0)=0,724
Jadi peluang paling byk seekor ikan
layang diantara 5 ekor ikan yg diambil
adalah 0,724 + 0,253 = 0,977
1042 , 0 7851 , 0 8893 , 0 ) 4 ; x ( P ) 4 ; x ( P
atau 1042 , 0
! 6
4 e
) 4 ; 6 ( P
5
0 x
6
0 x
6 4
= =
= =

= =

Contoh:
Rata2 jmlh hari tutup krn salju selama musim dingin di suatu
kota di AS adalah 4. Brp peluang bhw sekolah2 di kota itu
akan tutup selama 6 hari dalam suatu musim dingin

Jawab:
a. dik: = 4 & x = 6
4. Distribusi Poisson
Percob. Poisson: percob.yg menghslkan nilai2 yg terjd
selama selang wktu tertentu atau di daerah tertentu
Dist. Poisson: dist. peluang dr bil. x yg menyatakan
banyaknya hsil percob. dlm percob. Poisson.
! x
e
) ; x ( P
x

=
Untuk x = 1, 2, .
= rata-rata
e = 2,71828
2
x
2
1
e
2
1
) , , x ( n ) x ( f
|
.
|

\
|
o

t o
= o =
Untuk -<x< ; = 3,14159; e = 2,71828
5. Distribusi Normal
Suatu peubah acak kontinu x yg memiliki
dist. berbentuk genta disebut peubah
acak normal, dengan persamaan kurva
normal yg bergantung pada parameter
dan adalah


x
Daftar F pada lampiran buku Sudjana medruapakan daftra distribusi
normal baku rata2 = 0 & simpangan baku =1
o

=
x
z
0 z
0,5 0,5
-z
= 0
=1
Luas seluruh kurva = 1

Mengubah dist. Normal umum ke dist. normal baku dengan
transformasi:
Penggunaan daftar dist normal baku lihat buku Sudjana hal 140
141 & Walpole hal 182 - 188
Contoh:
Berat bayi yg baru lahir rata2 3.750 g dg simp. baku 325 g. Jika berat bayi
berdist. normal maka tentukan:
a. Brp % bayi yg beratnya lebih dari 4.500g
b. Brp bayi yang beratnya antara 3.500g & 4.500g jika semuanya ada
10.000 bayi
31 , 2
325
750 . 3 500 . 4 x
z =

=
o

=
Jawab:
a. Dik: = 3.750g dan =325 ; x = 4.500

P(z>2,31) = 0,5 P(z<2,31) = 0,5 0,4898
= 0,0104 = 1,04%

b. x1 = 3.500g & x2 = 4.500g
77 , 0
325
750 . 3 500 . 3 x
z =

=
o

=
P(3.500<x<4.500) = P(-0.77<z<2,31) = 0,5 0,4898
= P(z>-0,77) + P(z<2,31) = 0,2794 0,4898
= 0,7690
Jadi banyaknya bayi antara 3.500g & 4.500g diduga ada
0,7690 x 10.000 = 7.690 bayi
0
2,31
0,4894
0,0104
0
2,31
0,4894
0,2794
-0.77
) 1 ( N
N x
z
ya sin transforma serta ) 1 ( N & N maka
t t
t
=
t t = o t =
Hubungan dist. binom dan dist. normal, jika untuk
fenomena yang berdistribusi binom berlaku:
N cukup besar
= P(A) = tidak terlalu dekat dengan nol
Contoh: Lihat Buku Sudjana hal 144 145 & Walpole hal 196 - 202
t
1 n
t
1
k
) t ( f
n
2
1
2
|
|
.
|

\
|

+
=
Fungsi densitas dist t-Student :
6. Distribusi t-Student
Bila ukuran n ; semakin menyerupai kurva normal
baku
Bila n 30 masih menghampiri
dist. normal baku
Bila n < 30, tidak lagi berdist. normal baku, oleh karena
itu berhadapan dgn dist t-Student yang nilai-nilainya
adalah:
n
s
x
0 t
0,5 0,5