P. 1
4. Distribusi Probabiltias Teoretis Pertemuan Ke-6

4. Distribusi Probabiltias Teoretis Pertemuan Ke-6

|Views: 2|Likes:
Dipublikasikan oleh Anggito Abimanyu
pembelajaran statistik probabilitas
pembelajaran statistik probabilitas

More info:

Categories:Types, School Work
Published by: Anggito Abimanyu on Jun 09, 2013
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPTX, PDF, TXT or read online from Scribd
See more
See less

12/30/2013

pdf

text

original

DISTRIBUSI

PROBABILITAS
Pokok Bahasan ke-6
1
By. Slamet Wahyudi
Variabel Random :
2
 adalah suatu fungsi yang menghubungkan
sebuah bilangan riil dengan setiap unsur
didalam ruang sampel S.
 Untuk menyatakan variabel random
digunakan sebuah huruf besar, misalkan X.
Sedangkan huruf kecilnya, misalkan x,
menunjukkan salah satu dari nilainya.
Contoh :
3
 Pengambilan barang sebanyak 3 kali maka
kemungkinan mendapatkan barang Baik dan
Cacat adalah:
 S = {BBB, BBC, BCB, CBB, BCC, CBC, CCB,
CCC}
dengan B menunjukkan “tanpa cacat (baik)”
dan C menunjukkan “cacat”.
 Variabel random X yang menyatakan jumlah
barang yang cacat pada saat tiga komponen
elektronik diuji, maka ditulis X = {0, 1, 2, 3}
Variabel random diskrit:
4
 Jika suatu ruang sampel berisi sejumlah
kemungkinan terhingga atau urutan yang
tidak terbatas dengan unsur sebanyak
bilangan bulat, maka ruang sampel ini
disebut Ruang Sampel Diskrit, dan variabel
random yang didefinisikan disebut Variabel
Random Diskrit. Bila digambarkan pada
sebuah garis interval berbentuk sederatan
titik-titik yang terpisah

 0 1 2 3 4 5 6
Variabel random kontinu:
5
 Jika suatu ruang sampel berisi sejumlah
kemungkinan tak terhingga yang sama
dengan jumlah titik-titik didalam sebuah
segmen garis, maka ruang sampel ini disebut
Ruang Sampel Kontinu, dan variabel random
yang didefinisikan disebut Variabel Random
Kontinu. Bila digambarkan pada garis interval
berupa sederatan titik yang bersambung
membentuk garis lurus
0 6
Nilai variabel kontinu dpt terjadi dimana pun
Distribusi Probabilitas
Teoretis:
6
 Kumpulan pasangan nilai-nilai dari variabel
acak X dengan probabilitas nilai-nilai variabel
random X, yaitu P(X=x) disebut distribusi
probabilitas X (distribusi X)
 Suatu daftar yang disusun berdasarkan
probabilitas dari peristiwa-peristiwa
bersangkutan. Frekuensi dari distribusi
diperoleh melalui perhitungan secara
matematis.
Contoh
Sebuah mata uang logam dgn permukaan I = A dan
permukaan II = B dilemparkan ke atas sebanyak 3 kali.
Buatkan distribusi teoretisnya dan gambarkan grafiknya!
Jawab:
Ruang sampel S = {AAA, AAB, ABA, BAA, BBA, BAB, BBB}
Jika X adalah jml muncul permukaan I (A), maka
untuk AAA didapat X = 3 AAB didapat X = 2
untuk ABA didapat X = 2 BAA didapat X = 2
untuk ABB didapat X = 1 BBA didapat X = 1
untuk BAB didapat X = 1 BBB didapat X = 0
Maka X = {0, 1, 2, 3}
7
 Tabel hasil pelemparan sebuah mata uang
logam sebanyak 3 kali

8
X P(X)
0 0,125
1 0,375
2 0,375
3 0,125
Jumlah 1,000
Chart Title
X
Gambar Grafik batang distribusi
teoretis pelemparan uang logam 3 kali
Distribusi Probabilitas Diskrit
X (1):
9
 Suatu daftar atau distribusi dari semua nilai variabel
random diskrit dengan probabilitas terjadinya masing-
masing nilai tersebut, jika memenuhi syarat:
- f (x) > 0, x e R
- f (x) = 1
- P(X = x) = f(x)
Contoh:
Dalam sebuah kotak terdapat 4 bola biru dan 2 bola kuning,
secara acak diambil 3 bola. Tentukan distribusi probabilitas
X, jika X menyatakan banyaknya bola kuning yang terambil.

Penyelesaian
 N = 6, (4 + 2), p = 3, kombinasi C
6
3
didapat 20 titik sampel
 n
1
untk mendapatkan bola kuning: C
2
x

 n
2
untk mendapatkan bola biru: C
4
3-x
(ketika kuning sudah
diambil satu maka kesempatan biru diambil sudah
berkurang satu)
 Distribusi probabilitas:
konsep P(kuning) dan
P(biru)
P(kuning) x P(biru)
untuk x = 0

10
P(X = x) = f(x)
=
C
2
x .
C
4
3-x

, x = 0, 1, 2
C
6
3

P(X = 0) =
C
2
0 .
C
4
3-0

= 0,2
C
6
3

Penyelesaian
untuk x = 1 untuk x = 2


Distribusi probabilitasnya:


Yang termasuk distribusi teoretis diskrit adalah:
1) Distribusi binomial
2) Distribusi hipergeometrik, dan
3) Distribusi poisson


11
P(X = 1) =
C
2
1 .
C
4
3-
1

= 0,6
C
6
3

P(X = 2) =
C
2
2 .
C
4
3-
2

= 0,2
C
6
3

x 0 1 2
P(X) 0,2 0,6 0,2
Distribusi Probabilitas Kontinu
X (1):
12
 Suatu daftar atau distribusi dari semua nilai
variabel random kontinu dengan
probabilitas terjadinya masing-masing nilai
tersebut, syaratnya:



 Contoh:
suatu variabel random kontinu X yang
memiliki nilai antara x = 1 dan x = 3,
memiliki fungsi
tentukan nilai P(X < 2)

R x semua untuk x f e > , 0 ) (
1 ) ( =
}
·
· ÷
dx x f
}
= < <
b
a
dx x f b x a P ) ( ) (
f(X) =
1 + x
Penyelesaian:
 P ( X < 2) = P(1 < X < 2
=} f(1+x) dx
= x + x
2
|

= (2+2
2
) – (1+1
2
)
= 6 – 2 = 4
Distribusi tergolong distribusi teoretis kontinu
adalah
1) Distribusi normal
2) Distribusi _
2
3) Distribusi F, dan
4) Distribusi t
13
Nilai harapan distribusi
teoretis
14
 Nilai ekspektasi X adalah nilai tengah (rata-rata)
dari variabel random diskrit X.
 Utk distribusi probabiltias diskrit:
E(X) = µ = Ex . f(x), atau
E(X) = µ = E(x . P(x))
 Utk distribusi probabilitas kontinu:
}
= dx x f x X E ) ( . ) (
Contoh:
15
 Sekelompok ahli sebuah perusahaan terdiri dari 4 orang
ahli manajemen dan 3 orang ahli IT. Akan dibentuk
komisi tiga orang, jika anggota komisi tiga diambil
secara acak dari ke-7 ahli tersebut. Tentukan
banyaknya ahli manajemen yang dapat duduk dalam
komisi tiga tersebut?
 Penyelesaian:
 Bila X adalah banyaknya ahli manajemen dalam komisi
tiga, maka variabel random X dapat bernilai = 0, 1, 2, 3
 Distribusi probabilitas dari variabel x dapat dihitung
dengan kombinasi yaitu:

P(X = x) = f(x)
=
C
4
x .
C
3
3-x

, x = 0, 1, 2,
3
C
7
3

f(0) = 1/35 f(1) = 12/35
f(2) = 18/35 f(3) = 4/35
Distribusi probabilitasnya adalah:


Nilai harapan ahli manajemen yang diduduk di komisi 3
adalah:
E(X) = Ex . f(x)
= 0 . f(0) + 1 . f(1) + 2 . f(2) + 3 . f(3)
= 0 (1/35) + 1. (12/35) + 2 . (18/35) + 3. (4/35)
= 1,7
Andaikan komisi 3 dibentuk berulang, maka diharapkan
ahli manajemen akan berada di komisi 3 sebanyak 1,7
atau sekitar 2







16
x 0 1 2 3
f(X) 1/35 12/35 18/35 4/35
Distribusi Probabilitas Kontinu X (3):
17
 Nilai ekspektasi X adalah nilai tengah
(rata-rata) dari variabel random kontinu X.
 Dinyatakan dengan E(X), yaitu:

}
= dx x f x X E ) ( . ) (
Distribusi Binomial
(Distribusi Probabilitas Diskrit)
18
 Percobaan Bernoulli :
Sifat-sifat sebagai berikut :
 Percobaan itu terdiri dari n pengulangan
 Tiap pengulangan memberikan hasil yang dapat
diidentifikasi sukses atau gagal
 Probabilitas sukses dinyatakan dengan p, tetap
konstan (tidak berubah) dari satu pengulangan ke
pengulangan lainnya, sedangkan probabilitas
gagal adalah q = 1- p
 Tiap pengulangan dan pengulangan lainnya
saling bebas.

Distribusi Binomial
19
 Banyaknya X sukses dalam n
pengulangan suatu percobaan bernoulli
disebut sebagai variabel random
Binomial, sedangkan distribusi
probabilitasnya disebut distribusi
Binomial dan nilainya dinyatakan sebagai
:
b(x,n,p) dimana x = 1, 2, …, n

x n x
q p
x
n
c p n x b
÷
|
|
.
|

\
|
= ) , ; (
Rata-rata dan Variansi Distribusi
Binomial :
20
 Rata-rata =


 Variansi =

np
npq
2
Contoh
21
 Sebuah dadu dilempar 4 kali. Tentukan probabilitas dari
peristiwa berikut:
 Mata dadu 5 muncul 1 kali
 Mata dadu genap muncul 2 kali
 Mata dadu 2 atau 6 muncul sebanyak 4 kali
Penyelesaian:
a. Peluang mata dadu 5 muncul (p) = 1/6, maka q = 1 – p =
5/6
n = 4 (banyaknya percobaan) dan x = 1 (muncul 1 kali)
P(X = 1) = C
4
1
. p
1
. q
3
= 4 . (1/6)
1
. (5/6)
3
= 0,386

b) Mata dadu genap ada 3 yaitu 2, 4 dan 6
sehingga p=3/6 = ½ dan q = 1 – p, q = 1 – ½
= ½ , n=4 dan x = 2
P(X = 2) = C
4
2
. p
2
. q
2
= 6 . (1/2)
2
. (1/2)
2
= 0,375
c) P(X=4) = 0,0123
22
Probabilitas binomial komunlatif
(PBK)
 PBK = Σ C
n
x
. p
x
. q
n-x

= Σ P(X = x)
= P(X = 0) + P(X = 1) + P(X = 2) +... P(X = n)
Contoh:
Sebanyak 5 orang mahasiswa akan mengikuti ujian
sarjana dan diperkirakan probabilitas kelulusannya
adalah 0,7. hitunglah probabilitas:
a. Paling banyak 2 orang lulus
b. Yang akan lulus antara 2 sampai 3 orang
c. Paling sedikit 4 diantaranya lulus
23
Penyelesaian
a) n = 5, p = 0,7; q = 0,3 x= 0, 1 dan 2
P(X ≤ 2) = P(X=0) + P(X=1) + P(X=2)
= C
5
0
. p
0
. q
5
+ C
5
1
. p
1
. q
4
+ C
5
2
. p
2
. q
3
= 1. (0,7)
0
.(0,3)
5
+5.(0,7)
1
.(0,3)
4
+10.(0,7)
2
.(0,3)
3


= 0,16
b) n = 5, p = 0,7; q = 0,3 x= 2 dan 3; P(2 ≤X≤ 3) = 0,44
c) n = 5, p = 0,7; q = 0,3 x= 4 dan 5; P(4 ≥X) = 0,53


24
DISTRIBUSI
HIPERGEOMETRIK
Menggunakan kejadian saling komplemen tanpa
pengembalian
Rumus:

Keterangan:
N = ukuran populasi
n = ukuran sampel
k = banyaknya unsur yang sama pada populasi
x = banyaknya peristiwa

25
P(X=x) = h(x, N, n, k)
=
C
k
x
. C
N-1
n-
1
C
N
n
CONTOH
 Sebuah kotak berisi 50 bola lampu, 5
diantaranya pecah. Apabila sampel diambil 4
bola, berapakah probabilitas dua diantaranya
pecah?

 Penyelesaian
N = 50, n = 4, k = 5, x = 2



P(X=2) = 9900/(230.300) = 0,043


26
P(X=2) =
C
5
2
. C
50-1
4-1
C
50
4
DISTRIBUSI POISSON
 Ditemukan oleh S. D. Poisson (1781 – 1841)
ahli matematika Perancis.
 Ciri-ciri distribusi Poisson
1. banyaknya hasil percobaan yang terjadi dalam
suatu interval waktu (daerah tertentu) tidak
tergantung banyaknya percobaan ditempat
lain
2. Probabilitas pada interval waktu yang sempit
dan daerah yang kecil sebanding dengan
besarnya daerah tersebut
3. Probabilitas pada daerah yang sempit/singkat
dapat diabaikan

27
 Rumus Distribusi Poisson:
ì = rata-rata terjadinya
suatu peristiwa
e = bilangan 2,71828
Contoh:
Sebuah toko komputer mencatat rata-rata
penjualan flashdisc setiap hari 5 buah. Jika
permintaan akan flashdisc tersebut mengikut
distribusi Poisson, tentukan probabilitas untuk
penjualan a) 0 flashdisc, b) 3 flashdisc


28
P(X=x) =
ì
x
. e

X!

Penyelesaian
 ì = 5, e
-5
= 0,00674
a. P(X=0) = 5
0
. 0,00674/0!
= 1 (0,00674)/1
= 0,00674
b. P(X=3) = 5
3
. 0,00674/3!
= 125 (0,00674)/6
= 0,14

29
P(X=0) =
ì
0
. e

0!

P(X=3) =
ì
3
. e

3!

Probabilitas Poisson Komulatif
(PPK)
 Rumus PPK:


PPK = E P(X=x)
PPK = P(X=0) + P(X=1) + ...+ P(X=n)
Contoh:
Sebuah toko komputer mencatat rata-rata penjualan
flashdisc setiap hari 5 buah. Jika permintaan akan
flashdisc tersebut mengikut distribusi Poisson, tentukan
probabilitas untuk penjualan a) paling banyak 2 flashdisc,
b) antaikan stok tinggal 3 flashdisc, berapakah peluang
lebih dari 3.

30
PPK =
E
ì
x
. e

X!

Penyelesaian
 ì = 5, e
-5
= 0,00674
a. P(X=0,1,2) = EP(X=x)
= P(X=0) + P(X=1) + P(X=2)
= 0,125

b. P(X≥3) = 1 - EP(X=x)
= 1 – (P(X=0) + P(X=1) + P(X=2) +
P(X=3) = 1 – 0,265
= 0,735

31

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->