1.

Distribusi Bernoulli
Percobaan Bernoulli adalah percobaan probabilitas yang menghasilkan salah satu dari dua
kejadian yaitu sukses (x = 1) atau gagal (x = 0). Probabilitas sukses adalah p dengan p = x/n.
Nilai x adalah kejadian sukses dalam pengamatan sebanyak n.
Probabilitas gagal adalah q dengan q = 1 p. Probabilitas p merupakan parameter dari
distribusi Bernoulli yang memiliki !ungsi probabilitas densitas (pd!) sebagai berikut.
P"# $%
&ontoh dari percobaan Bernoulli adalah pemeriksaan produk acak dari produksi dengan hasil
bah'a produk dapat diterima atau rusak. Percobaan Bernoulli merupakan distribusi diskrit
yang menjadi dasar pembangun untuk distribusi diskrit yang lain seperti( Binomial) Pascal)
*eometri) dan Negati! Binomial. "istribusi Bernoulli memiliki !ungsi densitas kumulati!
(cd!)) !ungsi general momen (+*#)) mean) dan ,arians sebagai berikut.
V
2. Distribusi Binomial
Distribusi Probabilitas
Kunci aplikasi probabilitas dalam statistik adalah memperkirakan terjadinya
peluang/probabilitas yang dihubungkan dengan terjadinya peristiwa tersebut dalam
beberapa keadaan.
Jika kita mengetahui keseluruhan probabilitas dari kemungkinan outcome yang
terjadi, seluruh probabilitas kejadian tersebut akan membentuk suatu distribusi
probabilitas.
Distribusi binomial adalah salah satu distribusi probbabilitas diskrit yang paling
sering digunakan dalam analisis statistic modern. Di bidang teknik, distribusi ini erat
kaitannya dengan pengendalian kualitas (quality control).
Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi
probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal)
yang saling bebas, dimana setiap hasil percobaan memiliki probabilitas p.
ksperimen berhasil/gagal juga disebut percobaan bernoulli. Ketika n ! ", distribusi
binomial adalah distribusi bernoulli. Distribusi binomial merupakan dasar dari uji
binomial dalam uji signi#ikansi statistik.
Distribusi ini seringkali digunakan untuk memodelkan jumlah keberhasilan pada
jumlah sampel n dari jumlah populasi $. %pabila sampel tidak saling bebas (yakni
pengambilan sampel tanpa pengembalian), distribusi yang dihasilkan adalah
distribusi hipergeometrik, bukan binomial. &emakin besar $ daripada n, distribusi
binomial merupakan pendekatan yang baik dan banyak digunakan.
Distribusi 'inomial adalah suatu distribusi probabilitas yang dapat digunakan
bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses 'ernoulli.
(isalnya, dalam perlemparan sekeping uang logam sebanyak ) kali, hasil setiap
ulangan mungkin muncul sisi gambar atau sisi angka. 'egitu pula, bila kartu diambil
berturut*turut, kita dapat memberi label +berhasil+ bila kartu yang terambil adalah
kartu merah atau ,gagal, bila yang terambil adalah kartu hitam. -langan*ulangan
tersebut bersi#at bebas dan peluang keberhasilan setiap ulangan tetap sama, yaitu
sebesar .,). (/onald . 0alpole)
Distribusi 'inomial biasa dirumuskan seperti 1
B (x;n,p) =
n
c
x
p
x
q
n-x
Dimana 1
2 ! .,",3,4,.....,n
n ! banyaknya ulangan
2 ! banyaknya kerberhasilan dalam peubah acak 2
p ! 5eluang berhasil dalam setiap ulangan
q ! 5eluang gagal, dimana q ! " * p dalam setiap ulangan
6ontoh 1
Dadu dilemparkan ) kali, diharapkan keluar mata 7 dua kali, maka kejadian ini dapat
ditulis b(3,),"/7) 2!3, n!), p!"/7
Eksperimen Binomial
&atu atau serangkaian eksperimen dinamakan eskperimen binomial bila dan hanya
bila eksperimen yang bersangkutan terdiri dari percobaan*percobaan 'ernoulli atau
percobaan*percobaan binomial.
Jika hanya berminta untuk mengetahui apakah hasil suatu percobaan disebut gagal
atau sukses, maka ruang sampel yang merumuskan percobaan diatas harus
memuat 3 unsur saja yaitu, unsur ' bagi sukses dan unsur 8 bagi gagal.
&ingkatnya, probabilita kedua unsur diatas dapat dinyatakan sebagai,
p (9':) ! p, p (98:) ! " * p ! q
Dimana 1 p ; q ! " dan . < p <"
ksperimen ini merupakan n kali percobaan 'ernoulli, sehingga harus memenuhi
kondisi*kondisi berikut1
". Jumlah percobaan n adalah konstanta yang telah ditentukan sebelumnya
(dinyatakan sebelum eksperimen dimulai).
3. &etiap pengulangan eksperimen, biasa disebut percobaan (trial), hanya dapat
menghasilkan satu dari dua keluaran yang mungkin sukses ataupun gagal.
4. 5robabilitas sukses p, dan demikian juga probabilitas gagal q ! " = p selalu
konstan dalam setiap percobaan.
>. &etiap percobaan saling bebas secara statistic, yang berarti keluaran suatu
percobaan tidak berpengaruh pada keluaran percobaan lainnya.
Syarat Distribusi Binomial
". Jumlah trial merupakan bilangan bulat 6ontoh melambungkan coin 3 kali, tidak
mungkin3 ? kali.
3. &etiap eksperiman mempunya idua outcome (hasil).
6ontoh1sukses/gagal,laki/perempuan, sehat/sakit,setuju/tidaksetuju.
4. 5eluang sukses sama setiap eksperimen.
6ontoh1 Jika pada lambungan pertama peluang keluar mata @/sukses adalah ?,
pada lambungan seterusnya juga ?. Jika sebuah dadu, yang diharapkan adalah
keluar mata lima, maka dikatakan peluang sukses adalah "/7, sedangkan peluang
gagal adalah )/7.-ntuk itu peluang sukses dilambangkan p, sedangkan peluang
gagal adalah ("*p) atau biasa juga dilambangkan q, di mana q ! "*p.
Ciri-ciri Distribusi Binomial
Distribusi 'inomial dapat diterapkan pada peristiwa yang memiliki ciri*ciri percobaan
'inomial atau 'ernoulli trial sebagai berikut 1
". &etiap percobaan hanya mempunyai 3 kemungkinan hasil 1 sukses(hasil yang
dikehendakai, dan gagal(hasil yang tidak dikehendaki)
3. &etiap percobaan bersi#at independen atau dengan pengembalian.
4. 5robabilita sukses setiap percobaan harus sama, dinyatakan dengan p.
&edangkan probabilita gagal dinyatakan dengan q, dan jumlah p dan q harus sama
dengan satu.>. Jumlah percobaan, dinyatakan dengan n, harus tertentu jumlahnya.
Penerapan Distribusi Binomial
'eberapa kasus dimana distribusi normal dapat diterapkan yaitu 1
". Jumlah pertanyaan dimana anda dapat mengharapkan bahwa terkaan anda
benar dalam ujian pilihan ganda.
3. Jumlah asuransi kecelakaan yang harus dibayar oleh perusahaan asuransi.
4. Jumlah lemparan bebas yang dilakukan oleh pemain basket selama satu musim.
Rata-rata dan Ragam Distribusi Binomial
/ata = rata A ! n . p
/agam B3 ! n . p . q
n 1 ukuran populasi
p 1 peluang berhasil dalam setiap ulangan
q 1 peluang gagal, dimana q ! "*p dalam setiap ulangan
3. Distribusi Poisson
Mengembalikan distribusi Poisson. Aplikasi umum distribusi Poisson adalah meramalkan
sejumlah peristiwa selama waktu tertentu, seperti jumlah mobil yang datang di sebuah
gerbang tol dalam 1 menit.
Fungsi ini telah diganti dengan satu atau beberapa fungsi baru yang mungkin menyediakan
akurasi yang lebih baik dan namanya lebih mencerminkan penggunaannya. Meskipun fungsi
ini masih tersedia untuk kompatibilitas mundur, Anda harus mempertimbangkan
menggunakan fungsi baru mulai dari sekarang, karena fungsi ini mungkin tidak tersedia di
versi !cel mendatang.
Sintaks
P"#$$"%&!,mean,cumulative'
$intaks fungsi P"#$$"% memiliki argumen berikut(
X )iperlukan. *umlah peristiwa.
Mean )iperlukan. %ilai numerik yang diinginkan.
Cumulative )iperlukan. %ilai logika yang menentukan bentuk distribusi
probabilitas yang dikembalikan. *ika kumulatif +,-, maka P"#$$"%
mengembalikan probabilitas kumulatif Poisson bahwa sejumlah kejadian acak akan
terjadi antara nol dan ! inklusif. jika FA/$, maka mengembalikan fungsi massa
probabilitas Poisson bahwa peristiwa yang terjadi akan tepat sejumlah !.
Keterangan
*ika ! bukan bilangan bulat, maka dipotong.
*ika ! atau rata0rata nonnumerik, maka P"#$$"% mengembalikan nilai kesalahan
12A/-3.
*ika ! 4 5, P"#$$"% mengembalikan nilai kesalahan 1%-M3.
*ika rata0rata 4 5, P"#$$"% mengembalikan nilai kesalahan 1%-M3.
P"#$$"% dihitung sebagai berikut(
6ontoh
$alin contoh data di dalam tabel berikut ini dan tempel ke dalam sel A1 lembar kerja !cel
yang baru. Agar rumus memperlihatkan hasil, pilih datanya, tekan F7, lalu tekan nter. *ika
perlu, Anda bisa menyesuaikan lebar kolom untuk melihat semua data.
Data Deskripsi
7 *umlah kejadian
8 ,ata0rata yang diharapkan
Rumus Deskripsi (Hasil) Hasil
9P"#$$"%&A7,A:,+,-'
Probabilitas Poisson kumulatif dengan persyaratan di
atas &5,17;<87'
5,17;<87
9P"#$$"%&A7,A:,FA/$'
Fungsi massa probabilitas Poisson untuk persyaratan
di atas &5,5=;77;'
5,5=;77;
Apabila diketahui bahwa dalam distribusi binomial nilai p & peluang' sangat kecil dan dan
nilai n sangat besar sehingga np 0> ? dengan ? suatu bilangan terhingga positip, maka rumus
binomial tersebut menjadi (
P& ! 9 k' 9 , k 9 5, 1, 7, @@@..
,umus ini disebut rumus distribusi Poisson.
6ontoh (
Menurut pengalaman sebuah mesin cetak merek Anu setiap mencetak 1555 lembar ada 1
lembar yang cacat. Aetika mesin itu dioperasikan mencetak 785 lembar, berapa nilai
kemungkinan akan terdapat kerusakan sebanyak
1. Aurang dari 8 lembar
7. Antara : dan 8 lembar.
Penyelesaian (
%ilai peluang rusak p 9 5,551. n 785 , ? 9 n.p 9 5,78
)engan rumus P& ! 9 k' 9 ,
P&5' 9 5,BB==. P&1' 9 5,1C;B. P&7' 9 5,57;:. P&:' 9 5,5575. P&;' 9 5,5551. P&8' 9 5,5555,
maka
1. P& k 4 8 ' 9 P&5' D P&1' D P&7' D P&;' 9 5,CCCC
7. P& : 4 k 4 8 ' 9 P&:' D P&;' D P&8' 9 5,5571