Anda di halaman 1dari 10

DISTRIBUSI PROBABILITAS TEORITIS Tori tentang distribusi probabilitas ini merupakan perluasan dan pendalaman dari teori probabilitas

sebelumnya.Apabila dalam teori probabilitas yang biasa bekerja dengan Populasi,maka dalam distribusi probabilitas kita bekerja dengan sample. Dalam teori probabilitas ,kita menghitung kemungkinan timbulnya gejala yang diharapkan dari variable populasi.Sedangkan dalam distribusi probabilitas ,kita mendeduksi gejala populasinya untuk menghituing kemungkinan timbulnya gejala yang diharapkan pada variable sampelnya. Model-model probabilitas ada beberapa macam,secara garis besar modelmodel tersebut dapat dilkelompokan kedalam 2 katagori berdasarkan sifat variabelnya; yaitu model variable diskrit dan model variable sinambung (continuous). Macam-macam model distribusi probabilitas diskrit yang sering dipakai adalah Distribusi Hipergeometris,Model distribusi Binomial dan distribusi Poisson. Sedang model distribusi sinambung yang akan dibicarakan adalah distribusi Normal.. A. DISTRIBUSI PROBABILITAS DISKRIT. 1.Distribusi Hipergeometris. Distribusi hipergeometris diterapkan pada kasus-kasus pada penarikan sample dimana sampelnya tidak dikembalikan lagi kedalam populasinya. Model ini merupakan pengembangan dari kaidah probabilitas bersyarat. Dalam model ini suatu populasi yang berisikan sejumlah N obyek yang dipilah menjadi 2 kelompok (sub-populasi) yang sering disebut sub-populasi sukses dan sub-populasi gagal yang sifatnya saling berlawanan. Pengertian Sukses dan gagal disini tidak selalu sama maknanya dengan istilah sukses dan gagal dalam pembicaraan sehari-hari,tetapi sekedar menunjukan adanyadua katagori hasil yang berbeda. Jika X adalah sebuah variable rambang hipergeometris,maka probabilitas fungsinya missal dari X adalah :
(C xN1 )(C nN2x ) P(x) = C nN

Dimana : X = 0,1,2,3,4..n N 1 = Sub populasi sukses N 2 = Sus populasi gagal

N = Populasi = N 1 + N 2 n = jumlah pengambilan sample dari populasinya X = jumlah timbulnya gejala sukses dari n C = Rumus kombinasi Cn r =
n! r!( n r )!

Nilai rata-rata yang diharapkan dan varian dari fungsi distribusi ini adalah : E (X) = n. ( V(x) =
N1 ) N ( N n) N 1 N n(( )(1 1 ) . n N ( N 1)

Contoh : Sebuah populasi terdiri dari 10 buah produk,4 diantaranya rusak. Tiga buah prodak diambil secara rambang sebagai sample. Ditanyakan : a. Berapa probabilitas terdapatnya sebuah produk yang rusak diantara sample tersebut? b. Berapa probabilitas terdapatnya 2 buah produk yang rusak ? c. Berapa nilai rata-rata sample dari variannya? Jawab : N = 10 , N 1 = 4 dan N 2 = 6 a. X=1
C 4 .C 6 P (X=1) = 1 10 2 C3
( 4!) (6!) . 60 1 !.3! 2!.4! = = = 0,5 (10!) 120 3!.7!

n=3

b. X= 2
4 C2 .C16 6.6 P (x=2) = 10 = 120 = 0,3 C3

c. E (X) = n. (

N1 N

) = 3.( 10 ) = 1,2
( N n)
N N

Varian =V(x) = ( N 1) . n(( n1 )(1 N1 )

= =

(10 3) 4 4 .3( )(1 ) (10 1) 10 10 7 4 6 .3. . = 0,56 9 10 10

B. Ditribusi Binomial Distribusi ini sering disebut juga distribusi Bernoulli,Koefisien binomial menunjukkan probabilitas timbulnya gejala yang diharapkan ( gejala sukses) dari sejumlah n kejadian. Model ini diterapkan pada kasusu-kasus percobaan Bernoulli. Ciri-ciri nya : 1. Tiap percobaan hanya memiliki 2 kemungkinan hasil yaitu sukses dan gagal 2. Probabilitas sukses selalu sama pada tiap-tiap kejadian ;akan tetapi probabilitas sukses tidak harus sama dengan probabilitas gagal 3. Setiap percobaan bersifat Independent. 4. Jumlah percobaan yang merupakan komponen rangkaian binomial adalah tertentu,dinyatakan dengan n. Jika fungsi X adalah sebuah variable rambang binomial maka probabilitas fungsi missal dari X adalah :
n x x P (x ) = C n x ( 1- )

Dimana ; X = 0.1,2,3.n n = jumlah percobaan X = jumlah timbulnya gejala sukses = probabilitas timbulnya gejala sukses Sedangkan nilai rata-rata harapan dan varian dari fungsi distribusi binomial adalah :

E (x) = n V (x) = n. ( 1 - ) Contoh; Berdasarkan penelitian pihak perusahaan perangkat elektronik bahwa pruduk yang beredar dimasyarakat telah dipalsukan,dari beberapa sample yang terdiri atas 20 produk yang diperksa rata-rata ditemukan satu produk palsu.Berapa probabilitas ditemukan ; a.tidak ada produk yang dipalsukan. b.tidak lebih dari 3 produk palsu dalam sample!. c.Berapa expected value dari sample?. Jawab = 0,05 ; (1-) = 0,95 ; n = 20 ; x = produk yang dipalsukan

n x x P (x ) = C n x ( 1- ) a) untuk x =0 20 P(=0) = C 0 (0,05) 0 (0,95) 20 = 1.(1).(0,3584) = 0,3584

Jadi tidak ada produk yang dipalsukan dalam sample adalah 0,3584 (35,84%) b).Untuk X 3 P(X 3) = P(X=0) + P(x=1)+P(x=2)+p(x=3) Dimana P(x=0 ) = 0,3584 20 1 19 P(x=1) = C 1 (0,05) (0,95) = 0,3772 20 P(x=2) = C 2 (0,05) 2 (0,95) 18 = 0,1887 20 3 17 P(x=3) = C 3 (0,05) (0,95) = 0,0600 ______________________________ + 3 ) P(X = P(X=0) + P(x=1)+P(x=2)+p(x=3) = 0,9844 Jadi tidak lebih dari 3 didapat pruduk palsu dari sample yang dilakukan probabiltasnya adalah 0,9844 (98,44%).

Contoh; Dari beberapa Gulungan kabel yang telah tersimpan cukup lama didalam gudang, 500 gulungan yang terambil diduga terdapat 20% cacat karena

akibat penyimpanan. Untuk lebih menyakin apakah benar hal itu, dilakukan pemeriksaan terhadap 10 gulung secara acak.Berapa kemungkinan (probabilitas) semua sample cacat? Jawab ; n = 10 ; = 0,2 ; ( 1 )=0,8 n x x P (x ) = C n x ( 1- ) 10 P(x=10)= C 10 (1- 0,2) 10 10 10 0,2 = 0,0000025 C.Distribusi Poisson Distribusi ini juga merupakan salah satu model distribusi probabilitas untuk variable rambang yang diskrit.Namun model ini digunakan untuk kasus dimana jumlah sample(n)nya sangat besar dan probabilitas terjadinya () sangat kecil karena kasus-kasus seperti ini sangat sulit diselesaikan dengan distribusi Binomial. Jika X adalah sebuah variable rambang Poisson ,maka probabilitas fungsinya adalah ; P (x) =
x .
x!

= n. X = 0, 1 , 2 , 3 .n = 2,71828 ~ 2,72 n = jumlah percoaan atau sample x = jumlah gejala yang diharapkan (sukses) = probabilitas timbulnya gejala yang

diharapkan (sukses). Adapun nilai rata-rata harapan (expected value) dan varian dari fungsi Poisson adalah sama. E ( x) = n V (x) = n

Contoh Suatu alat operator telpon rata-rata menerima satu permintaan sambungan setiap menitnya, dengan kecenderungan permintaan sambungan berdistribusi Poisson. Pertayaannya

a.Berapa probabilitasnya alat tersebut tidak menerima satu permintaan sambungan dalam satu menit ? b.Berapa probabilitas nya alat tersebut menerima kurang dari empat permintaan sambungan dalam satu menit? Jawab ; Probabilitas yang diharapkan ( )= 1 P (x) =
x .
x!

a. bila x= 0 P(x=0) =
10.2,72 1 1 = = 0,3679 0.! 2,72

b.bila x< 4 P(x<4) = P(x=0) + P(x=1) + P(x=2) + P(x=3) P( x=0) = 0,3679 P( x=1) = P(x=2) = P(x=3) =
11.2,72 1 1.! 12.2,72 1 2.! 3 1 .2,72 1 3.!

= 0,3679 = 0,1839 = 0,0613

________________________________ + P(x<4) = 0,9810 Atau dapat dikatakan Probabilitas alat tersebut menerima sambungan kurang dari 4 penerimaan sambungan adalah 98,10%. 2.Probabilitas bahwa seorang akan menderita reaksi buruk dari akibat merokok adalah 0,001.Hitunglah bahwa dari 2000 orang yang disampel dari perokok, a. tiga orang menderita reaksi buruk b. lebih dari 2 orang menderita reaksi buruk Jawab; n = 2000 ; = 0,001 = n. = 2000.0,001 = 2 a.bila x=3 P(x=3) =
2 3.2,72 2 3.!

8.(0,13534) = 0,1804 6

b.P(x>2) = 1 P(x=0)+P(x=1)+P(x=2)

P(x=0 )= P(x=1)= P(x=2)=

2 0.2,72 2 0.! 1 2 .2,72 2 1.! 2 2 .2,72 2 2.!

= 0,1353 = 0,2707 = 0,2707

___________________________ + P(X=0)+P(x=1)+P(x=2)=0,6767 Jadi P(x>2) = 1 0,6767 =0,3233 atau dapat disebutkan bahwa probabilitas dari 2000 perokok terdapat lebih dari 2 orang mederita reaksi buruk adalah 32,33% Model distribusi probabilitas data variable Distribusi Normal atau sering disebut distribusi gauss merupakan salah satu distribusi gauss merupakan salah satu distribusi probobalitas data variable yang paling sering dipakai .Model distribusi ini merupakan pendekatan untuk menghitung probabilitas timbulnya gejala yang diharapkan(gejalasukses) dari sejumlah n kejadian,untuk variable rambang/acak yang bersifat sinambung/kontiyu. Suatu distribusi dari sejumlah variable dapat dikatakan mendekati distribusi normal apabila : a. kira-kira 68% dari data nya terletak didalam interval ( - ) dan ( + ) atau b. kira-kira 95% dari datanya terletak didalam interval ( - 2) dan ( +2 ),atau c. kira-kira 99% dari datanya terletak didalam interval ( - 3) dan ( +3 ). Jika X adalah sebuah variable acak normal,dengan rata-rata populasi dan simpangan baku ,maka probabilitas fungsi massal dari x adalah : P(x) = Z =
X

Besarnya probabilitas untuk nilai-nilai Z tertentu (dari hasil perhitungan ) dapat dicari pada table area kurva normal (yang biasa terdapat dibukubuku diktat satistik pada lampiran). Y

=-2 = -1 = 1 =2

Nilai rata-rata harapan (expected value) dan varian nya adalah sama dengan rata-rata populasi dan varian populasinya ; E ( x) = V (x) = 2 Contoh soal; Berdasarkan penelitian kemampuan menyala dari bola lampu merk A rata-rata adalah 1000 jam dengan simpangan baku 50 jam. Dengan menganggap sebaran kemampuan menyala lampu berdistribusi normal,berapa probabilitas sebuah lampu yang terambil secara rambang mempunyai kemampuan menyala antara 950 sampai 1025 jam. Jawab :. Untuk kemampuan menyala 950 jam ( X1) Z1 =
X1

950 1000 50

= -1 atau = 0,3413 (liahat table Z)

Untuk kemampuan menyala 1025 jam (X2) adalah Z1 =


X1

Jadi probabilitas kemampuan menyala antara 950 sampai 1025 jam adalah 0,3413+0,915 = 0,5328 ini berarti kalau diambil sample secara rambang/acak kemungkinan didapat lampu yang menyala antara 950 sampai 1025 jam adalah 53,28%

1025 1000 50

= 0,50 atau = 0,1915 (table Z)

Soal quis ke 2 tgl 17-7-2008 1.Diketahui bahwa rata-rata 1 mobil dalam 1000 mobil yang lewat jalan kaliurang mengalami kerukan ban.Apa bila pada hari tertentu 10000 mobil lewat jalan tersebut,berapa probabilitasnya bahwa 8 mobil mengalami kerusakan ban? 2.Probabilitas bahwa seseorang akan menderita reaksi buruk dari obat tertentu adalah 0,001. Hitunglah bahwa dari 2000 orang yang meminum obat tersebut: a.tiga orang menderita reaksi buruk. b.lebih dari 2 orang menderita reaksi buruk. 3. Pada Sebuah uji coba produksi komponen elektronik yang terdiri atas terdiri dari 15 buah produk,3 diantaranya diduga rusak. Untuk membuktikan dugaan tersebut Tiga buah prodak diambil secara rambang sebagai sample. Ditanyakan : a.Berapa probabilitas terdapatnya sebuah produk yang rusak diantara sample tersebut? b.Berapa probabilitas terdapatnya 2 buah produk yang rusak ? c.Berapa nilai rata-rata sample dari variannya?