Hampiran Norma !"r#a$ap Binomina Hampiran normal dipakai untuk menghitung peluang binominal bila p tidak dekat dengan nol atau 1. Hampiran tersebut baik sekali bila n besar dan cukup baik untuk nilai n yang kecil asal saja p cukup dekat . Hampiran normal masih baik dipakai bila np maupun ng lebih besar dari 5. T"or"ma Bila x peubah acak binominal dengan rataan M = np dan variansi = np! maka bentuk limit distribusi "=
# np np!
Bila n
)leh karena distribusi binominal mempunyai variabel diskrit& sedangkan distribusi normal bervariabel kontinue& maka dalam menggunakan distribusi normal untuk memecahkan persoalan binominal perlu diadakan penyesuaian sebagai berikut * untuk harga variabel x batas ba+ah diundurkan '&5 dan harga variabl x batas atas diajukan '&5. ,ontoh * Hitung besarnya probabilitas untuk memperoleh 5 permukaan gambar dalam 1 kali lemparan dari mata uang logam yang masih baik - = 1 & x = 5 dan p = . $5 / 1 ( =
1 0 1 x 50$1 5(0
5
= 12 x =
1 1 x 4 1 3
12 = '&1245 5'26
= 114
5&5 6
. $5&5 : x : 5&5(
= . $9'&31 : " : 9'& 2( = . $" : 9 '& 2( ; . $" : 9'&31( = '&4352 ; '&12 = '&1241
.erbedaan antara hasil rumus binomial dengan normal = '&1241 ; '&1245 = '&'''4 karena kecil sekali dapat kita abaikan. %. Di&!ri'(&i Gamma <ksperimen9eksperimen probabilitas yang hasilnya menunjukkan suatu bentuk distribusi yang mempunyai variasi ukuran kemencengan yang cukup signi=ikan& distribusi >amma merupakan salah satu alternati= model yang banyak digunakan. ?erlebih dahulu akan diperkenalkan sebuah =ungsi gamma. @ungsi gamma r $( adalah * r $ ( =
x
'
A 1
x e dx
Ci=at9si=at penting =ungsi gamma adalah * 1. Dntuk sebuah bilangan bulat positi= n& $n( = $n ; 1( 0 . Eide=inisikan = $18 ( = Eistribusi gamma
F
.eubah acak kontinu x berdistribusi gamma& dengan parameter dan & bila padatnya diberikan oleh * =$x * & ( =
1 x A 1e x8G x ' G $AA
= ' untuk x lainnya Bila B ' dan B ' Eistribusi >amma Ctandard Hika parameter skala sebuah distribusi gamma = 1 diperoleh suatu distribusi gamma standar.
1 t t A e dt @> = $x * ( = . $I x( = J$A( ' x
,ontoh * Kariable acak kontinu x yang menyatakan ketahanan suatu bantalan peluru $dalam ribaun jam( yang diberi pembebanan dinamis pada suatu putaran kerja tertentu mengikuti suatu distribusi gamma dengan = 3 dan = 15& ?entukan& probabilitas sebuah bantalan peluru dapat digunakan selama 6' ribu91 ' ribu jam dengan pembebanan dinamik pada putaran kerja tersebut0 Ha+ab * . $6' x 1 '( = . $x 1 '( ; . $x 6'( = @> $1 '/ 3 & 15( 9 @> $6' / 3& 15 ( = @> $1 '815 / 3( 9 @> $6'815/ 3( = @> $3 /3( 9 @> $5 / 3( = '&551' ; '&'511 = '&5252 4. Eistribusi <ksponensial Eistribusi >amma khususnya dengan = 1 disebut distribusi eksponensial. .eubah acak kontinu x distribusi eksponensial dengan parameter & bila =ungsi padatnya diberikan oleh *
1. =< $x / G (
'
e x8G dx = 1 ; e9x8
,ontoh * Misalkan x adalah +aktu $response time( suatu terminal komputer on9line yang merupakan tenggang +aktu antara masuknya suatu permintaan dari pengguna sampai sistem mulai memberikan tanggapan atas permintaan tersebut& memiliki suatu distribusi eksponensial dengan +aktu tanggap rata9 rata 5 detik. Hika seseorang perintah tersebut akan dijalankan selambat9 lambatnya setelah 1' detik. . $I 1'( = @ $1' /
1 ( = 1 ; e91'8'& = 1 ; e9 = 1 ; '&145 = '&365 5
5. Eistribusi Lhi9kuadrat $I ( Eistribusi gamma khas yang kedua diperoleh bila = K8 & = kuadrat dengan derajat kebebasan K. .eubah acak kontinu I berdistribusi khi9kuadrat dengan derajat kebebasan K& bila =ungsi padatnya diberikan oleh *
1 x $v8 J$v8 (
dan K
bilangan bulat positi=. @ungsi peluang padat seperti itu disebut distribusi khi9
@x $x / v( =
( 1 x8
v8
& x 4'
T"or"ma )
Mataan dan variansi distribusi gamma adalah * = dan = 7kibat 1 Mataan dan variansi distribusi eksponensial adalah = dan = 7kibat Mataan dan variansi distribusi khi9kuadrat adalah = K dan = K
DA*TAR PUSTAKA
Ejar+anto& dkk. 1226. Statistik Induktif. B.@< *Nogyakarta Harinaldi. Hakarta. ''5. Prinsip-prinsip Statistik untuk Teknik dan Sains. <rlangga *