STATISTIKA DAN PROBABILITAS

Distribusi Probabilitas
1. Distribusi Diskrit : fungsi p(y) yang
memberikan nilai peluang untuk setiap
variabel y yang DISKRIT, dengan syarat :
a. 0 < p(y) < 1

b.

c. , dengan P(y) adalah peluang
kumulatif dari y

Bernouli Trial
a. Ciri-ciri :
- Percobaan menghasilkan 2 keluaran M.
E., yaitu S = SUKSES dan F = GAGAL
- Keluaran bersifat exhaustive, yaitu :
tidak ada keluaran yang lain
- P(S) = p dan P (F) = q, sehingga p+q =
1
b. Diberikan oleh : P(Y = y) = p^y.q^(1-y) ,
dengan y = 1 jika S muncul atau 0 jika F
muncul
c. = p dan

p.q

Distribusi Binomial
a. Ciri-ciri :
- Percobaan terdiri atas n kali bernoulli
trial yang identik
- Hanya ada 2 keluaran M.E., yaitu S =
SUKSES dan F = GAGAL untuk tiap
trial
- P(S) = p dan P (F) = q, bernilai tetap
dari satu trial ke trial lain
- Semua trial saling independen
- Variabel random Binomial Y adalah
adalah jumlah S dalam n trial
b. Diberikan oleh


Dengan :
p = peluang sukses dalam trial tunggal
q = 1 p
n = jumlah trial
y = jumlah sukses dalam n trial
c. = n.p dan

n.p.q



Distribusi Multinomial
a. Ciri-ciri
- Percobaan terdiri atas n kali trial yang
identik
- Terdapat k jenis keluaran untuk tiap
trial
- p1, p2, p3,..,pk, yaitu peluang dari
masing- masing keluaran, bernilai tetap
dari satu trial ke trial lain, dan p1+ p2+
p3+ + pk = 1
- Semua trial bersifat independen
- Variabel random multinomial adalah
Y1, Y2, Y3,,Yk untuk setiap k jenis
keluaran
b. Diberikan oleh :



c. i = pi dan

n.pi.(1-pi)

Distribusi Binomial Negatif
Percobaan BINOMIAL NEGATIF ingin
mengetahui peluang bahwa sukses ke-r terjadi
pada usaha ke-x. Sehingga distribusi
BINOMIAL NEGATIF merupakan
banyaknya usaha yang berakhir tepat pada
sukses ke r.
a. Ciri-ciri
- Kondisi umum IDENTIK dengan
distribusi peluang binomial
- Pengecualian pada perubahan definisi
variabel random Y.
Y = jumlah trial yang diperlukan untuk
memperoleh keluaran S (SUKSES) ke-i
b. Diberikan oleh


c. = r/p dan

r.q/p^2






Distribusi Geometric
Distribusi GEOMETRIC, yaitu banyaknya
usaha yang berakhir pada sukses yang
pertama
a. Ciri-ciri
Distribusi Binomial negatif dengan r =1
(mencapai SUKES pertama)
b. Diberikan oleh :

c. = 1/p dan

q/p^2

Distribusi Hypergeometric
a. Ciri-ciri
- Percobaan terdiri atas pengambilan
random n elemen tanpa pengembalian
dari total N elemen
- Terdapat S (SUKSES) sebanyak r dan
F(GAGAL) sebanyak N-r
- Ukuran n dianggap besar sebanding N
(n/ N > 0,05)
- Variabel random hypergeometric Y
adalah jumlah S (SUKSES) dalam
pengambilan n elemen
b. Diberikan oleh :






c.


Distribusi poison
a. Ciri-ciri
- Variabel random y = jumlah
kemunculan kejadian yang diamati
selama unit ukuran tertentu (contoh :
jarak, area, volume, dll)
- Nilai peluang dari sebuah kejadian
adalah sama untuk setiap ukuran
tertentu
- Jumlah kejadian yang muncul untuk
setiap unit adalah independent
- = rata rata jumlah kejadian dalam
setiap unit ukur



b. Diberikan oleh :




c.

2. Distribusi Kontinyu : fungsi f(y) yang
memberikan nilai peluang untuk setiap
variabel y yang KONTINYU, dengan syarat :
a. 0 < f(y) < 1

b.
c.

Distribusi seragam
a. Ciri-ciri
- Variabel random seragam Y = salah
satu nilai dalam interval a y b
- Setiap Y memiliki nilai peluang
seragam dalam selang a y b
b. Diberikan oleh :



c.

Distribusi Normal / Gauss
a. Kurva berbentuk garis lengkung yang
halus dan menyerupai genta/ lonceng
b. Kedua ekor/ ujungnya semakin mendekati
sumbu absisnya tetapi tidak pernah
memotong
c. Distribusi normal memiliki dua
parameter, yaitu dan yang masing
masing menentukan lokasi dan bentuk
distribusi
d. Titik tertinggi kurva normal berada pada
rata rata
e. Distribusi normal adalah distribusi yang
simetris
f. Simpangan baku (standar deviasi = ),
menentukan lebarnya kurva. Makin kecil
, maka bentuk kurva makin runcing
g. Total luas daerah dibawah kurva normal
adalah 1
h. Jika jarak dari masing masing nilai X
diukur dengan , maka kira kira 68%
berjarak 1, 95% berjarak 2, dan 99%
berjarak 3.

Distribusi eksponensial
a. Ciri-ciri
Jika suatu peristiwa terjadi dalam konteks
proses poisson, maka panjangnya waktu
atau ruang antar dua peristiwa yang
berurutan mengikuti distribusi probabilitas
kontinyu. Karena waktu atau ruang bersifat
kontinu, pengukuran seperti
itumenghasilkan variabel random kontinu.
Distribusi eksponensial sering disebut
sebagai distribusi waktu. Peristiwanya
sangat erat dengan peristiwa pada
distribusi poisson.
b. Fungsi kerapatan eksponensial diberikan
oleh :

T1 = waktu kejadian yang pertama dalam
proses poisson, dan disebut waktu ulang
atau waktu antara dua kejadian yang
berurutan, karena kejadian sukses
independen dari waktu ke waktu.
Lamda = rata rata jumlah kejadian
dalam setiap unit ukuran
c. Rata-rata


d. Fungsi distribusi T1 dapat dicari dengan
persamaan :



Estimasi
Terdapat 2 rumus estimasi :
1. s


Rumus ini berlaku untuk sampel besar (n
30) dari populasi yang tak terbatas atau dari
populasi terbatas akan tetapi penarikan
sampel dilakukan dengan pengembalian.

2. d

Rumus ini berlaku untuk populasi terbatas,
akan tetapi sampel sebanyak n diambil tanpa
pengembalian dari populasi N elemen dan
diketahui



3. d

Rumus ini berlaku untuk sampel kecil (n <
30) yang diambildari populasi ( tidak
diketahui) dengan pengembalian. Rumus ini
diperoleh dari rumus 1 dengan jalan
mengganti dengan s dan Z/2 dengan t /2.


Confidence Interval
1. CI untuk teta diketahui
Asumsi
- Standar deviasi populasi diketahui
- Populasi berdistribusi normal
- Jika populasi tidak normal gunakan sampel
yang besar
- Estimasi CI


Level confidence
- Kepercayaan dalam interval yang berisi
parameter populasi tak diketahui
Presisi
- Kedekatan pada parameter yang tidak
diketahui
Biaya
- Biaya digunakan untuk menentukan
ukuran sampel
Ditentukan dengan 100(1-@)%

-

Interpretasi frekuensi relatif
- Dalam proses yang lama, dari semua
confidence interval yang dapat dibangun
akan berisi parameter yang tidak diketahui
Interval tertentu baik yang berisi parameter
maupun yang tidak berisi parameter
- Tidak ada probabilitas yang terlibat dalam
interval tertentu
Menentukan ukuran sampel untuk mean





2. CI untuk teta tdk diketahui
Asumsi
- Standar deviasi populasi tidak diketahui
- Populasi berdistribusi normal
- Jika populasi tidak normal, gunakan
sampel besar
Gunakan distribusi Students t
Estimasi CI


Uji Hipotesa
1. Hipotesa Null H0
Dimulai dengan asumsi bahwa hipotesa
null adalah benar (praduga tidak bersalah
hingga terbukti salah)
Menyatakan status quo
Selalu menggunakan tanda =
Mungkin atau tidak mungkin ditolak
2. Hipotesa alternatif H1
Merupakan kebalikan dari hipotesa null
[misalnya : rata2 jumlah TV setiap rumah
lebih kurang dari 3 (H1 : 3)
Menolak status quo
Tidak pernah menggunakan tanda = sign
Mungkin atau tidak mungkin diterima
Umunya hipotesa dipercaya menjadi benar
oleh peneliti
3. Langkah-langkah umu dalam Uji Hipotesa
a. Tentukan H0
b. Tentukan H1
c. Pilih @
d. Pilih n
e. Pilih test
f. Tentukan nilai kritis
g. Kumpulkan data
h. Hitung statistik tes dan p-value
i. Buat keputusan statistik
j. Kesimpulan
4. Z Testt one-tail untuk mean diketahui

5. T test untuk mean tidak diketahui



Latihan Soal
1. Seorang penderita penyakit darah yang jarang
terjadi mempunyai probabilitas 0,4 untuk
sembuh. Jika diketahui ada 15 orang yang
telah mengidap penyakit tersebut, berapakah
probabilitas
a. Paling sedikit 10 sembuh
Jawab :
P(y > 10) = P(10) + P(11) + ... + P(15)
=

= excel = 0,0338

2. Sebuah perusahaan ingin menilai cara
pemeriksaan yang sekarang dalam
pengiriman 50 barang yang sama. Cara ini
dengan mengambil sampel sebesar 5 dan
lolos pemeriksaan bila berisi tidak lebih dari
2 yang cacat. Berapa proporsi yang
mengandung 20% cacat akan lolos
pemeriksaan?
Jawab :
20% dari 5 = 1
P(y=1) =

) / (

) = 0,184

3. Rata-rata banyaknya partikel radioaktif yang
melewati suatu penghitung selama 1 milidetik
dalam suatu percobaan di laboratorium adalah
4. Berapakah probabilitas 6 partikel melewati
penghitung dalam suatu milidetik tertentu
Jawab :
P(y=6) =

4. Selama pengamatan triwulan pertama 2003,
standar deviasi dari suku bunga deposito
untuk waktu 12 bulan adalah 0,73%. Untuk
melihat lebih lanjut dari pergerakan suku
bunga, maka diambil sampel 60 bank dari 138
bank yang ada. Hasilnya, ternyata rata rata
suku bunga bank pada 60 bank adalah 7,72%.
Buatlah selang kepercayaan untuk rata rata
populasi dengan tingkat kepercayaan 95% !
Jawab :
N = 60;

= 7,72; = 0,73; tingkat = 95%

5. Seorang manajer bank ingin menentukan rata-rata
deposito bulanan per nasabah di bank tersebut.
Untuk mengestimasinya menggunakan tingkat
kepercayaan (confidence interval). Berapa ukuran
sampel yang harus diambil bila ia ingin yakin
99% dan kesalahannya tidak lebih dari 200 juta
rupiah. Diasumsikan standar deviasi untuk
deposito bulanan semua nasabah adalah1 milyar
rupiah.
Jawab :
* biar ngitungnya gampang maka 1 milyar dan
200 jt diredominasi jadi 10 dan 2 ^_^

6. Seseorang ingin menyelidiki berapa proporsi
sekretaris di seluruh perkantoran di Surabaya
yang dilengkapi dengan komputer di ruang
kerjanya. Ia akan menjawab pertanyaan ini
dengan melakukan survey acak. Berapa ukuran
sampel yang harus diambil apabila ia ingin yakin
95% dan error tidak lebih dari 0.05? Anggap
bahwa proporsi aktual tidak diketahui sebelumnya
(asumsi p=0.5)
Jawab :

7. Apakah rata-rata kotak sereal berisi lebih
dari 368 gram? 25 sampel random
menunjukkan X = 372,5. Perusahaan
menentukan 15 gram. Tes dengan level =
0.05
Jawab :
Keyword = tulisan tebal = H1
- H0 < 368; H1 > 368
- = 0.05; n = 25;
- Test One tail
- Nilai kritis (liat tabel) = 1,645)
- Test statistik







- Karena nilai kritis > nilai Z atau 1,645 > 1,5 atau
dalam grafik nilai kritis berada di sebelah kanan
(zona tolak) maka yang diterima adalah H0
- Kesimpulannya maka tidak benar jika berat rata-
rata kotak sereal adalah 368 gram