Anda di halaman 1dari 6

Nunung Nurhayati

Teori Peluang (PAM 2231)-Unsoed

Bab 3 Beberapa Distribusi Khusus


Pada Bab ini dibahas beberapa jenis distribusi yang sering digunakan pada kuliah-kuliah statistik, yaitu 1. Distribusi binomial dan distribusi yang terkait dengan distribusi binomial (distribusi Bernoulli, distribusi binomial negatif, distribusi geometrik, distribusi trinomial, dan distribusi multinomial). 2. Distribusi Poisson. 3. Distribusi Gamma dan keluarganya (distribusi khi-kuadrat, distribusi eksponensial, dan distribusi beta). 4. Distribusi normal. 5. Distribusi normal multivariat. 6. Distribusi t dan distribusi F .

3.1

Distribusi Binomial dan Distribusi yang Berkaitan

Distribusi Bernoulli. Distribusi Bernoulli terbentuk dari percobaan Bernoulli yaitu percobaan acak yang hanya mempunyai 2 hasil yang mungkin, sukses atau gagal. Dalam praktek, penamaan sukses atau gagal dapat menyatakan suatu pasangan yang berlawanan, misalnya pria-wanita, hidup-mati, lulus-gagal, dan pasangan lainnya. Misal S = {sukses, gagal} menyatakan ruang sampel dari percobaan Bernoulli dan X menyatakan varibel acak yang terdenisi di S dengan aturan X(c) = 1, c = sukses 0, c = gagal.

Berdasarkan sifat peluang, jika peluang sukses adalah p maka peluang gagalnya 1 p sehingga pmf dari X dapat ditulis sebagai p(x) = px (1 p)1x , x = 0, 1 0, x lainnya (1)

Selanjutnya variabel acak X dengan pmf seperti pada persamaan (1) dikatakan variabel acak yang berdistribusi Bernoulli. Mean dari distribusi Bernoulli adalah
1

= E[X] =
x=0

xpx (1 p)1x = 0 + p = p

Nunung Nurhayati

Teori Peluang (PAM 2231)-Unsoed

sedangkan variansinya adalah


1

2 = Var(X) =
x=0 2

(x p)2 px (1 p)1x

= p (1 p) + (1 p2 )p = p(1 p).

Distribusi Binomial. Jika percobaan Bernoulli dilakukan berulang-ulang sebanyak n kali maka hasil-hasil yang mungkin akan berupa deretan n bilangan-bilangan nol dan satu. Sebagai contoh untuk n = 10, hasil yang mungkin dapat berupa 1 atau 0 atau yang lainnya. Secara umum, jika Xi menyatakan hasil yang keluar dari percobaan Bernoulli ke-i dan X menyatakan banyaknya sukses yang diperoleh dari n kali percobaan, maka nilai X yang mungkin adalah x = 0, 1, 2, . . . , n. Karena Xi bernilai 0 atau 1, variabel acak X juga dapat dipandang sebagai penjumlahan n variabel acak Bernoulli atau X = X1 + X2 + . . . + Xn , Posisi sukses dan gagal, dapat terletak pada indeks i mana saja dengan i = 1, 2, . . . , n. Dengan demikian, banyaknya komposisi yang mungkin akan berupa kombinasi dari n percobaan diambil x sukses, atau n x komposisi. Jika antar percobaan bersifat independen, peluang untuk satu komposisi adalah px (1 p)nx . Akibatnya, peluang terjadinya x sukses dari n percobaan Bernoulli adalah jumlahan peluang-peluang yang dimiliki oleh masing-masing (n ) komposisi yang mungkin, yaitu x p(x) = P (X = x) = n x px (1 p)nx , x = 0, 1, 2, . . . , n (2) = n! x!(n x)! 0 0 0 1 1 1 1 0 0 0 1 0 1 1 0 0

Karena p 0 dan x bulat nonnegatif maka p(x) 0. Untuk menunjukkan bahwa total jumlah persamaan (3) adalah 1, dapat digunakan sifat ekspansi binomial, yaitu
n

(a + b) =
x=0

n x

bx anx .

Nunung Nurhayati

Teori Peluang (PAM 2231)-Unsoed

Dengan menggunakan sifat tersebut,


n n

p(x) =
x=0 x=0

n x

px (1 p)nx

= [(1 p) + p]n = 1 Jadi, p(x) pada persamaan (2) memenuhi sifat-sifat pmf. Selanjutnya variabel acak X dengan pmf p(x) = (n )px (1 p)nx x = 0, 1, . . . , n x 0 x lainnya (3)

dan 0 untuk x lainnya, dikatakan variabel acak yang berdistribusi Binomial dengan parameter n dan p, dinotasikan dengan X B(n, p) atau X b(n, p). Pada Bab 1 telah dibahas bahwa ada beberapa cara dalam menentukan mean dan variansi dari suatu distribusi, salah satunya adalah melalui mgf M (t). Distribusi binomial mempunyai mgf
n n

M (t) = E[e ] =
x=0 n

tx

e p(x) =
x=0

tx

etx

n x

px (1 p)nx

=
x=0

n x

(petx )x (1 p)nx (4)

= [(1 p) + pet ]n yang berlaku untuk setiap bilangan riil t. Karena M (t) = n[(1 p) + pet ]n1 (pet ) dan M (t) = n[(1 p) + pet ]n1 (pet ) + n(n 1)[(1 p) + pet ]n2 (pet )2 maka = M (0) = np dan 2 = M (0) 2 = np = n(n 1)p2 (np)2 = np(1 p).

Contoh 3.1.1. Misal pada pelantunan satu keping koin seimbang, kejadian sukses didenisikan sebagai munculnya bagian muka. Jika X banyaknya bagian muka dari 7 kali lantunan yang independen, (a) Tentukan mgf dari X, mean dan variansinya. (b) Tentukan P (0 X 1) dan P (X = 5). 3

Nunung Nurhayati

Teori Peluang (PAM 2231)-Unsoed

Penyelesaian (a) Diketahui X berdistribusi binomial dengan n = 7 dan p = mgf dari X adalah 1 M (t) = ( 2 + 1 et )7 , 2 Sementara itu, mean dan variansi dari X adalah = np = 7 2 7 dan 2 = np(1 p) = . 4
1 2

Dari persamaan (4),

1 (b) Diketahui X B(7, 2 ) maka pmf dari X

p(x) = sehingga

1 (7 )( 1 )x (1 2 )7x x = 0, 1, . . . , 7 x 2 0 x lainnya

P (0 X 1) = p(0) + p(1) = dan 7! P (X = 5) = p(5) = 5! 2! 1 2


5

7 8 1 + = 128 128 128 1 2


2

21 . 128

Pembangkitan data simulasi dari distribusi B(n, p), menghitung P (X = x), menghitung P (X x), dan membuat plot pmf atau cdf yang dihasilkan, dapat dilakukan berbagai software statistik, salah satunya melalui program R yang dapat diunduh secara gratis dari http://cran.r-project.org. Contoh-contoh perintah pada R yang terkait dengan distribusi binomial, misalnya rbinom(10,1,1/2) # membangkitkan data dari distribusi B(10,1/2) dbinom(4,20,1/2) # menghitung P(X=4) jika X berdistribusi B(20,1/2) pbinom(4,20,1/2) # menghitung P(X<=4) jika X berdistribusi B(20,1/2) # Membuat plot pmf dari distribusi B(n,p) n<-20; p<-1/2 x<-0:n y<-dbinom(x,n,p) plot(x,y,pch=20,col=4)

1 Contoh 3.1.2. Jika Y berdistribusi B(n, 3 ) tentukan nilai pengulangan n terkecil sehingga P (Y 1) > 0, 8.

Nunung Nurhayati

Teori Peluang (PAM 2231)-Unsoed

Penyelesaian.

Karena P (Y 1) = 1 P (Y = 0) = 1 ( 2 )n , maka 3 P (Y 1) > 0.80


2 1 ( 3 )n > 0, 8

0, 2 > ( 2 )n 3

Tetapi 0, 2 > ( 2 )n 3 log(0, 2) < n log( 2 ) 3 n> log(0, 2) = 0, 39693 log( 2 ) 3 4

Jadi nilai n terkecil sehingga P (Y 1) > 0, 8 adalah n = 4.

Contoh 3.1.3. Misal X1 , X2 , X3 tiga variabel acak iid dengan cdf F (x). Jika Y menyatakan nilai tengah dari X1 , X2 , X3 , tentukan cdf dan pdf dari Y .

Penyelesaian. Diketahui variabel acak Y menyatakan nilai tengah dari X1 , X2 , X3 . Peristiwa {Y y} terjadi jika dan hanya jika paling sedikit dua dari variabel acak X1 , X2 , X3 nilainya kurang dari atau sama dengan y. Dengan kata lain, peristiwa {Y y} peristiwa A atau B

dengan A menyatakan peristiwa 2 dari 3 variabel acak X1 , X2 , X3 , nilainya masingmasing y, dan B menyatakan peristiwa {X1 y, X2 y, X3 y}. Jika K menyatakan banyaknya variabel acak di antara X1 , X2 , X3 yang lebih kecil atau sama dengan y, maka K dapat dipandang sebagai peubah acak binomial dengan sukses didenisikan sebagai {Xi y}, banyak pengulangan n = 3, dan peluang sukses p = P (Y y) = F (y). Akibatnya, peluang terjadinya peristiwa A adalah P (A) = P (K = 2) = 3 2 [F (y)]2 [1 F (y)].

Sementara itu, karena X1 , X2 , X3 independen maka peluang terjadinya peristiwa B adalah P (B) = P (X1 y, X2 y, X3 y) = P (X1 y)P (X2 y)P (X3 y) = [F (y)]3 Jadi, cdf dari Y adalah G(y) = P (Y y) = P (A) + P (B) = 3 2 [F (y)]2 [1 F (y)] + [F (y)]3

= 3 [F (y)]2 [1 F (y)] + [F (y)]3 dan jika F (x) kontinu maka pdf dari X adalah g(y) = G (y) = 6F (y)[1 F (y)]f (y).

Nunung Nurhayati

Teori Peluang (PAM 2231)-Unsoed

Latihan
1 1. Jika mgf dari variabel acak X adalah M (t) = ( 3 + 2 )5 , tentukan P (X = 2atau3). 3 2 2. Jika mgf dari variabel acak X adalah M (t) = ( 3 + 1 )9 , tunjukkan bahwa 3 5

P ( 2 < X < + 2) =
x=1

9 x

1 3

2 3

9x

3. Jika X B(n, p), tunjukkan bahwa E X =p n dan E X p n


2

p(1 p) n

4. Misal variabel acak X1 , X2 , X3 iid dengan pdf f (x) = 3x2 , 0 < x < 1, dan 0 untuk x lainnya. Tentukan peluang bahwa tepat 2 dari 3 variabel acak tersebut peluangnya lebih dari 1 . 2 5. Misal Y B(n, 2 ). Jika n = 3, hitung P (2 Y ). Jika n = 5, hitung P (3 Y ). 3 6. Misal Y B(n, 1 ). Tentukan n terkecil sehingga P (Y 1) 0, 7. 4 7. Misal X1 B(3, 2 ) dan X2 B(4, 1 ). Hitung P (X1 = X2 ). 3 2 8. Bagi pembaca yang mempunyai program R atau S-PLUS: (a) Gambarkan plot pmf dari distribusinya B(15; 0, 2) dengan perintah berikut: n<-15; p<-0.2 x<-0:n y<-dbinom(x,n,p) plot(x,y,pch=20,col=4) (b) Ulangi bagian (a) untuk n = 15 dan untuk beberapa nilai p yaitu p = 0.1, p = 0.2, . . . , p = 0.9. Bagaimana perilaku plot pmf jika peluang sukses p diperbesar? (c) Ulangi bagian (a) untuk p = 0.05 dan untuk beberapa nilai n yaitu n = 10, 20, 50, 200. Bagaimana perilaku plot pmf ketika pengulangan n diperbanyak? Apakah plot pmf mempunyai kecenderungan konvergen mendekati kurva/grak tertentu?