1

A. DEFINISI DAN CONTOH DISTRIBUSI BINOMIAL

Distribusi Binomial adalah suatu distribusi probabilitas yang dapat digunakan bilamana suatu
proses sampling dapat diasumsikan sesuai dengan proses Bernoulli. Misalnya, dalam
perlemparan sekeping uang logam sebanyak 5 kali, hasil setiap ulangan mungkin muncul sisi
gambar atau sisi angka. Begitu 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. Ulangan-ulangan tersebut bersifat bebas dan peluang keberhasilan setiap
ulangan tetap sama,taitu sebasar ..(Ronald E. Walpole)

CIRI CIRI DISTRIBUSI BINOMIAL
Percobaan diulang sebanyak n kali.
Hasil setiap ulangan dapat dikategorikan ke dalam 2 kelas, misal :
BERHASIL atau GAGAL;
YA atau TIDAK;
SUCCESS or FAILED.
Peluang berhasil / sukses dinyatakan dengan p dan dalam setiap ulangan nilai p tetap.
Peluang gagal dinyatakan dengan q, dimana q = 1-p.
Setiap ulangan bersifat bebas (independen) satu dengan lainnya.
Percobaannya terdiri atas n ulangan (Ronald.E Walpole)
Nilai n < 20 dan p > 0.05

RUMUS DISTRIBUSI BINOMIAL
b(x;n,p) = nCx px qn-x dimana x = 0,1,2,3,,n
n : banyaknya ulangan
x : banyaknya keberhasilan dalam peubah acak x
p : peluang berhasil dalam setiap ulangan
q : peluang gagal, dimana q = 1-p dalam setiap ulangan

Catatan : Agar anda mudah dalam membedakan p dengan q, anda harus dapat menetapkan
mana kejadian SUKSES dan mana kejadian GAGAL. Anda dapat menetapkan bahwa
kejadian yang menjadi pertanyaan atau ditanyakan adalah = kejadian SUKSES.

Contoh Distribusi Binomial :
1.Berdasarkan data biro perjalanan PT Mandala Wisata air, yang khusus menangani
perjalanan wisata turis manca negara, 20% dari turis menyatakan sangat puas berkunjung ke
Indonesia, 40% menyatakan puas, 25% menyatakan biasa saja dan sisanya menyatakan
kurang puas. Apabila kita bertemu dengan 5 orang dari peserta wisata turis manca negara
yang pernah berkunjung ke Indonesia, berapakah probabilitas :
a.Paling banyak 2 di antaranya menyatakan sangat puas.
b.Paling sedikit 1 di antaranya menyatakan kurang puas
c.Tepat 2 diantaranya menyatakan biasa saja
d.Ada 2 sampai 4 yang menyatakan puas
Jawab :
a.X 2
Lihat tabel dan lakukan penjumlahan sebagai berikut :
b(x; n, p) = b(0; 5, 0.20) + b(1; 5, 0.20) + b(2; 5, 0.20) =
0.32768 + 0.40960 + 0.20480 = 0.94208 atau
b(x=0) = 5C0 (0.20)0 (0.80)5 = 0.32768
b(x=1) = 5C1 (0.20)0 (0.80)4 = 0.40960
b(x=2) = 5C2 (0.20)0 (0.80)3 = 0.20480
2
+
Maka hasil x 2 adalah = 0.94208
b.X 1
Lihat tabel dan lakukan penjumlahan sebagai berikut :
b(1; 5, 0.15) + b(2; 5, 0.15) + b(3; 5, 0.15) + b(4; 5, 0.15) + b(5; 5, 0.15) =
0.3915 + 0.1382 + 0.0244 + 0.002 + 0.0001 = 0.5562 atau
b(x 1; 5, 0.15) = 1 b(x = 0)
1 5C0 (0.15)0 (0.85)5
1 0.4437 = 0.5563
c.X = 2
b(2; 5, 0.25) = 0.2637
d.X 2 X 4
Lihat tabel dan lakukan penjumlahan sebagai berikut :
b(2; 5, 0.40) + b(3; 5, 0.40) + b(4; 5, 0.40) = 0.3456 + 0.2304 + 0.0768 = 0.6528
Analisis masing masing point :
a.Sebanyak paling banyak 2 dari 5 orang dengan jumlah 0.94208 atau 94,28% yang
menyatakan sangat puas adalah sangat besar.
b.Paling sedikit 1 dari 5 orang (berarti semuanya) dengan jumlah 0,5563 atau 55,63% yang
menyatakan kurang puas dapat dikatakan cukup besar (karena lebih dari 50%).
c.Tepat 2 dari 5 orang yang menyatakan biasa saja dengan jumlah 0,2637 atau 26,37% adalah
kecil (karena dibawah 50%).
d.Ada 2 sampai 4 yang menyatakan puas dengan jumlah 0,6528% atau 65,28% dapat
dikatakan cukup besar.
Analisis keseluruhan :
A. Persentase
Jika diambil persentase terbesar tanpa memperhatikan jumlah X, maka persentase terbesar
ada di point pertama (a) yaitu 94,28% yang menyatakan sangat puas. Hal tersebut
menandakan banyak turis manca negara yang sangat menyukai Indonesia.
B. Nilai X
Jika dilihat dari jumlah X, maka perlu diperhatikan point kedua (b). Jumlah X adalah paling
sedikit 1 dari 5 orang (berarti X>=1) yaitu 55,63% yang menyatakan kurang puas . Hal
tersebut berarti kelima (semua) turis manca negara kurang puas terhadap kunjungannya ke
Indonesia.


2.Kepala bagian produksi PT SAMSUNG melaporkan bahwa rata - rata produksi televisi
yang rusak setiap kali produksi adalah sebesar 15 %. Jika dari total produksi tersebut diambil
secara acak sebanyak 4 buah televisi, berapakah perhitungan dengan nilai probabilitas 2 ?
Jawab : p ( rusak ) = 0,15, q ( baik ) = 0,85, x = 2, n = 4
Rumus : b ( x ; n ; p ) = nCx px q n-x
b (x = 2 ; 4 ; 0,12 ) = 4C2 (0,15)2 (0,85)(4 2)
= 0,0975
Analisis : Dengan jumlah 0,0975 atau 9,75% dari sampel acak sebanyak 4 buah televisi dan
rata rata produk rusak setiap kali produksi adalah sebesar 15%, dapat dikatakan kecil.
Namun pada kenyataannya, meskipun dilihat secara persentase kecil (hanya 9,75%) yang
namanya produk rusak harus tetap dikurangi atau bahkan dihilangkan untuk mengurangi
kerugian.

RATA RATA dan RAGAM DISTRIBUSI BINOMIAL
Rata rata = n . p
3
Ragam 2 = n . p . q
n : ukuran populasi
p : peluang berhasil dalam setiap ulangan
q : peluang gagal, dimana q = 1-p dalam setiap ulangan

Contoh Rata rata dan Ragam Distribusi Binomial :
Untuk b (5; 5, 20) dimana x = 5, n = 5 dan p = 0.20
q = 1-p ; q = 1-0.20 = sehingga q = 0.80




B. DEFINISI DISTRIBUSI POIISON

Distribusi Poisson diberi nama sesuai dengan penemunya yaitu Siemon D. Poisson. Distibusi
ini merupakan distribusi probabilitas untuk variabel diskrit acak yang mempunyai nilai 0,1, 2,
3 dst. Suatu bentuk dari distribusi ini adalah rumus pendekatan peluang Poisson untuk
peluang Binomial yang dapat digunakan untuk pendekatan probabilitas Binomial dalam
situasi tertentu.
Rumus Poisson dapat digunakan untuk menghitung probabilitas dari jumlah kedatangan,
misalnya : probabilitas jumlah kedatangan nasabah pada suatu bank pada jam kantor.
Distribusi Poisson ini digunakan untuk menghitung probabilitas menurut satuan waktu.

B. Rumus Pendekatan Peluang Poisson untuk Binomial
Pendekatan Peluang Poisson untuk Peluang Binomial dilakukan untuk mendekatkan
probabilitas probabilitas dari kelas sukses (x) dari n percobaan Binomial dalam situasi
dimana n sangat besar dan probabilitas kelas sukses (p) sangat kecil. Aturan yang diikuti oleh
kebanyakan ahli statistika adalah bahwa n cukup besar dan p cukup kecil, jika n adalah 20
atau lebih dari 20 dan p adalah 0.05 atau kurang dari 0.05. Pada pendekatan ini
rumusnya lebih mudah untuk digunakan dibandingkan dengan rumus Binomial.

Rumus pendekatannya adalah :
P ( x ; ) = e

.
X

X ! Dimana : e = 2.71828
= rata ratakeberhasilan = n . p
x = Banyaknya unsur berhasil dalam sampel
n = Jumlah / ukuran populasi
p = probabilitas kelas sukses

Contoh soal :
1. Dua ratus penumpang telah memesan tiket untuk sebuah penerbangan luar negeri. Jika
probabilitas penumpang yang telah mempunyai tiket tidak akan datang adalah 0.01
maka berapakah peluang ada 3 orang yang tidak datang.
2. Rata rata seorang sekretaris baru melakukan lima kesalahan mengetik per halaman.
Berapakah peluang bahwa pada halaman berikut ia :
1. Tidak ada kesalahan ( x = 0 )
2. Tidak lebih dari tiga kesalahan ( x 3) atau ( 0,1,2,3 )
3. Lebih dari tiga kesalahan ( x > 3 ) atau ( 4,,15)


4
Jawab :
1. Dik : n = 200, P = 0.01, X = 3, = n . p = 200 . 0.01 = 2
P ( x ; ) = e

.
X

X!
= 2.71828
2
. 2
3
= 0.1804 atau 18.04 %
3!
2. Dik : = 5
a. x = 0 P ( x ; ) = e

.
X

X!
P ( 0 ; 5 ) = 2.71828
5
. 5
0
= 0.0067
0!

b. x 3 ; P ( x ; ) = e

.
X

X!
P (x 3 , 5) = P( x 1, ) +.+p(x3, )
= P( 0, 5 ) + P (1, 5 ) + P ( 2, 5 ) + P ( 3, 5 )
= 0.0067 + 0.0337 + 0.0842 + 0.1404
= 0.2650 atau 26.5 %

c. X > 3 ; P ( x ; ) = e

.
X

X!
P (X > 3 , 5) = P( X
4
, ) +.+p(X
15
, )
= P( 4, 5 ) + P (5, 5 ) + + P ( 15, 5 ) atau

P (X > 3 , 5) = 1 [P ( X 3 , 5 ) ]
= 1 [ P ( X
0
, ) +.+ p (X
3
, ) ]
= 1 [ P ( 0, 5 ) +.+p ( 3, 5 ) ]
= 1 [ 0.2650 ]
= 73.5 %


Distribusi Poisson dalam konteks yang lebih luas dari pada rumus pertama tadi. Sebagai
ilustrasi, misalkan pada hari Senin ini adalah jam kerja yang sibuk pada suatu bank, dan kita
tertarik oleh jumlah nasabah yang mungkin datang selama jam kerja tersebut, dengan
ketertarikan kita sebenarnya terletak pada interval waktu dan jumlah kedatangan dalam
interval waktu jika proses kedatangannya mempunyai karakteristik sebagai berikut:

1. Tingkat kedatangan rata rata setiap unit waktu adalah konstant. Dalam ilustrasi tadi
dapat berarti bahwa jika tingkat kedatangan rata rata untuk periode jam adalah,
misalkan 72 kedatangan setiap jam, maka tingkat ini melambangkan interval waktu
pada jam kerja tadi : yaitu tingkat yang dapat dirubah kepada rata rata yaitu 36
kedatangan setiap jam atau 1.2 kedatangan setiap menit.

2. Jumlah kedatangan pada interval waktu tidak bergantung pada ( bebas apa yang terjadi
di interval waktu yang sudah lewat. Dalam ilustrasi tadi, dapat berarti bahwa
kesempatan dari sebuah kedatangan di menit berikutnya adalah sama.

3. Tidak memiliki kesamaan bahwa akan lebih dari satu kedatangan dalam interval
pendek, semakin pendek interval, semakin mendekati nol adalah probabilitas yang lebih
5
dari satu kedatangan. Dalam ilustrasi tadi, bisa berarti bahwa adalah tidak mungkin
untuk lebih dari satu nasabah yang dapat melawati jalan masuk dalam waktu satu detik.

Rumus proses poisson :
P ( x ) = e
. t
. ( . t )
x

X! Dimana : = Tingkat rata rata kedatangan tiap unit waktu
t = Jumlah unit waktu
x = Jumlah kedatangan dalam t unit waktu

Contoh soal :
Jika rata rata kedatangan = 72 setiap jam, berapakah peluang dari x = 4 kedatangan dan t
= 3 menit. Gunakan proses poisson.!
Jawab :
Dik : = 72 kedatangan setiap jam atau 72 / jam maka 1 jam atau 60 menit adalah unit
waktunya. Berarti 3 menit adalah 3 / 60 = 1 / 20 unit waktu maka t t = 1 / 20 dan x = 4

P ( x ) = e
. t
. ( . t )
x

X!
P ( x ) = e
72 . ( 1/ 20 )
. ( 72 . 1 / 20 )
4

4!= 0.191 atau 19.1 %

C. DEFINISI DISTRIBUSI MULTINOMIAL


Percobaan multinomial terjadi bila tiap usaha dapat memberikan lebih dari 2 hasil
yang mungkin.Jadi pembagian hasil pabrik jadi ringan, berat/masih dapat diterima, demikaian
juga percobaan kecelakaan disuatu simpang jalan menurut hari dalam seminggu merupakan
percobaan multinomial. Penarikan suatu kartu dari sekotak kartu brige dengan pengambilan
juga merupakan percobaan multinomial bila yang menjadi perhatian keempat warna kartu.

Umumnya, bila suatu usaha dapat menghasilkan k hasil mungkin E
1
, E
2
, E
3
,....E
K

dengan peluang p
1
, p
2
,, p
k
maka distribusi multinomial akan memberikan peluang bahwa
E
1
, terjadi sebanyak x
1
kali, E
2
x
2
kali,...,E
k
x
k
kali dalam n usaha bebas dengan :
x
1
+ x
2
+.... + x
k
= n.

Distribusi peluang gabungan seperti ini akan dinyatakan dengan f(x1, x
2
,..., x
k
; p
1
, p
2
,
p
3
,...p
k
, n). Jelas bahwa p
1
, p
2
,...+ p
k
= 1, karena hasil tiap usaha haeuslah salah dari k hasil
yang mungkin.

Untuk menurunkan rumus umum, cara pada khasus binomial akan ditempuh. Karena
tiap usaha saling bebas, maka tiap urutan tertentu menghasilkan x
1
hasil untuk E
1
, x
2
untuk
6
E
2
,...,x
k
untuk E
k
akan terjadi dengan peluang
k
x
k
x x
p p p ....
2 1
2 1
. Jumlah urutan yang memberikan
hasil sama untuk n usaha sama dengan banyaknya cara memisahkan n benda menjadi k
kelompok dengan sebanyak x
1
pada kelompok pertama, x
2
pada kelompok kedua,..., x
k
pada
kelompok ke-k, ini dapat dikerjakan dalam
.
! !... !
!
,... ,
2 1 2 1
cara
x x x
n
x x x
n
k k
=
|
|
.
|

\
|


Karena tiap bagian saling terpisah dan terjadi dengan peluang yang sama, maka distribusi
multinomial dapat diperoleh dengan mengalikan peluang untuk taip urutan tertentu dengan
banyaknya cara mengelompokkan n benda dalam k kelompok.

Distribusi multinomial Bila suatu usaha tertentu dapat menghasilkan k macam
hasil E
1
, E
2
,..., E
k
dengan peluang p
1
, p
2
,..., p
k
, maka distribusi peluang peubah acak x
1
,
x
2
,..., x
k
yang menyatakan banyak terjadinya E
1
,E
2
,..., E
k
dalam n usaha bebas ialah :

f (x
1
, x
2
,,x
k
; p
1
, p
2
,,p
k
, n )=
|
|
.
|

\
|
k
x x x
n
,..., ,
2 1
k
x
k
x x
p p p ....
2 1
2 1

dengan

=
=
k
i
i
n x
1
dan

=
=
k
i
i
p
1
1 sedang 0 <
i
p <1

k
x x x + + + ....
2 1
= 0,1,2,3,.....
distribusi ini diberi nama distribusi multinomial karena suku dalam penguraian multinomial
( )
k
p p p + + + ....
2 1
n
berpadanan sama dengan kemungkinan nilai f(x
1
,x
2
...,x
k
; p
1
,p
2
,...p
k
, n)
contoh soal:

1. Bila dua dadu dilantunkan 6 kali, berapakah peluang mendapatkan jumlah 7 atau
11 muncul duaan kali, sepasang bilangan yang sama satu kali, dan kombinasi lainnya
3 kali?
Jawab:
Misalkan kejadian berikut menyatakan
E
1
: jumlah 7 atau 11 muncul;
7
{(3,4),(4,3),(5,2),(2,5),(6,1),(1,6),(6,5)(5,6)}
E
2
: pasangan bilangan yang sama mncul;
{(1,1),(1,2),(3,3),(4,4,),(5,5),(6,6)}
E
3
: baik pasangan yang sama maupun jumlah 7 atau 11 tidak muncul.
Sehingga peluang masing masing kejadian diatas adalah
dan p p ,
6
1
36
6
,
9
2
36
8
2 1
= = = =
18
11
36
22
36
14 36
3
= =

= p . Nilai ini tidak berubah selama

ke-6 usaha dilakukan. Dengan menggunakan distribusi multinomial dengan,
1
x = 2,
2
x =
1,
3
x = 3, maka diperoleh peluang yang dinyatakan:
|
.
|

\
|
6 ,
18
11
,
6
1
,
9
2
; 3 , 1 , 2 f |
.
|

\
|
=
3 , 1 , 2
6
3 1 2
18
11
6
1
9
2
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|


3
3
2
2
18
11
.
6
1
.
9
2
.
! 3 ! 1 ! 2
! 6
=
= 0,1127

2. Proses pembuatan pensil dalam sebuah pabrik melibatkan banyak buruh dan proses
tersebut terjadi berulang-ulang. Pada suatu pemeriksaan terakhir yang dilakukan telah
memperlihatkan bahwa 85% adalah baik, 10% ternyata tidak baik tetapi masih
bisa diperbaiki dan 5% produksinya rusak dan harus dibuang. jika sebuah sample
acak dengan 20 unit dipilih, berapa peluang jumlah unit baik sebanyak 18 unit,
tidak baik tetapi bisa diperbaiki sebanyak 2 dan unit rusak tidak ada?
Jawab:
Kita misalkan,
E
1
: banyak unit baik
E
2
: banyak unit tidak baik bisa diperbaiki
E
3
: banyak unit rusak dan harus dibuang
1
p = 0,85 ;
2
p = 0,1;
3
p = 0,05
x
1
=18; x
2
= 2; x
3
= 0 ( syarat x
1
+x
2
+x
3
= n = 20 )
Maka;
0 2 18
) 05 , 0 ( ) 1 , 0 ( ) 85 , 0 (
! 0 ! 2 ! 18
! 20
|
.
|

\
|
= f
= 190(0,85)
18
(0,01)
= 0,102
8

3. Sebuah kartu diambil dari sekotak kartu bridge berisi 52 yang dikocok. Hasilnya
dicatat & dikembalikan. Bila percobaan diulang 3 kali. Berapa peluang terambil 1 As, 1
Queen, 1 King?
Jawab :
1
p =
13
1
52
4
;
13
1
52
4
;
3
1
52
4
3 2
= = = = = p p
1 ; 1 ; 1
3 2 1
= = = x x x ,n = 3
1 1 1
13
1
13
1
13
1
! 1 ! 1 ! 1
! 3
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
= f
= |
.
|

\
|
2197
1
6 =
2197
6
= 0,00273
Latihan Soal :
1. Dalam sebuah organisasi sedang melakukan kegiatan bukti social mengunjungi
daerah daerah yang terkena banjir, dalam kunjungannya 6,7 % belum mendapatkan
bantuan. Jika daerah yang dikunjungi adalah 15 daerah, berapa peluang daerah baik
sebanyak 11, daerah masih tersendat sebanyak 3 dan 1 belum mendapatkan bantuan?
2. Jika sebuah sekotak kartu bridge dikocok acak, berapa peluang mendapat kartu As 2
kali, kartu merah 2 kali dan Quen 1 kali?
3. Bila sebuah dadu dilempar 6 kali, berapa peluang mendapatkan mata dadu bilangan
genap muncul 1 kali, mata dadu bilangan lebih dari dua muncul 3 kali dan mata dadu
bilangan ganjil muncul 2 kali?
4. Bila dua dadu dilempar 8 kali, berapa peluang mendapatkan jumlah 4 atau 12 muncul
3 kali, berjumlah bilangan prima muncul 2 kali, dan bilangan berjumlah kurang dari 8
muncul 3 kali?
5. Dalam sebuah kelas mendapat 80% siswa masuk sekolah, 15% siswa sakit dan 5%
siswa izin tidak masuk sekolah.Jika sample dalam sebuah kelas terdapat 30 siswa,
berapa peluang siswa masuk sebanyak 20, sakit sebanyak 8 dan tidak masuk
sebanyak 2?
Jawaban :
1. Diketahui ;
9
1
p
= 0,733 ;
2
p = 0,2 ;
3
p = 0,067
x
1
= 11 ; x
2
= 3 ; x
3
= 1, n = 15
) ( ) ( ) (
1 3 11
067 , 0 2 , 0 733 , 0
! 1 ! 3 ! 1
15
= f
= 455 ( 0,733)
11
( 0,008 ) (0,067)
= 0,24388(0,733)
11

= 0,008004236

2. Diketahui ;
1
p

=
13
1
52
4
;
2
1
52
26
;
3
1
52
4
3 2
= = = = = p p
x
1
= 2, x
2
= 2, x
3
= 1, n = 5
! 1 ! 2 ! 2
! 5
= f
1 2 2
13
1
2
1
13
1
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|

= 30 |
.
|

\
|
|
.
|

\
|
|
.
|

\
|
13
1
4
1
169
1

=
8788
30
= 0,0034
3. Diketahui ;
2 1
;
2
1
p genap p = = = 2 =
3
2
; =
3
p ganjil =
2
1

x
1
= 1 ; x
2
= 3 ; x
3
= 2, n = 6
2 3 1
2
1
3
2
2
1
! 2 ! 3 ! 1
! 6
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
= f
= 60 |
.
|

\
|
216
8

= 2,22
10
4. Diketahui ;
1
p = berjumlah 4 atau 12 = { ) 2 , 2 ( , (1,3), (3,1), (6, } ) 6
9
1
36
4
=
2
p = berjumlah bilangan prima =
{ 1 ( ,2),(1,4),(1,6),(2,1),(2,3),(2,5),(3,2),(3,4),(4,1),(4,3),(5,2),(5,6),(6,1),(6, } ) 5
18
7
36
14
=
3
p
= berjumlah bilangan kurang dari 8 =
{( 1,1),(1,2,),(1,3),(1,4),(1,5),(1,6),(2,1),(2,2),(2,3),(3,1),(3,2),(3,3),(2,4),(4,1),
(5,1),(4,2),(3,4),(4,3),(2,5),(5,2),(6,1 } ) =
36
21
;
12
7

3 ; 2 ; 3
3 2 1
= = = x x x , n = 8
3 2 3
12
7
18
7
9
1
! 3 ! 2 ! 3
! 8
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
= f
=
1 . 2 . 3 . 1 . 2 !. 3
! 3 . 4 . 5 . 6 . 7 . 8
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
1728
343
324
49
729
1

= 560 |
.
|

\
|
408146688
16807

= 0,02306014 023 , 0 ~

5. Diketahui;
05 , 0 ; 15 , 0 ; 8 , 0
3 2 1
= = = p p p
2 ; 8 ; 20
3 2 1
= = = x x x , n = 30
) ( ) ( ) (
2 8 20
05 , 0 5 1 , 0 8 , 0
! 2 ! 8 ! 20
! 30
= f
= 0,000016813894


11
D. DEFINISI DISTRIBUSI NORMAL

Distribusi Normal adalah model distribusi kontinyu yang paling penting dalam teori
probabilitas. Distribusi Normal diterapkan dalam berbagai permasalahan. Distribusi normal
memiliki kurva berbentuk lonceng yang simetris. Dua parameter yang menentukan distribusi
normal adalah rataan / ekspektasi () dan standar deviasi ().

Fungsi kerapatan probabilitas dari distribusi normal diberikan dalam rumus berikut:



(rumit ya.. :-P)

Dimana adalah rata-rata, adalah standar deviasi dan = 3,14159 Contoh grafik fungsi
kerapatan probabilitas dari distribusi normal digambarkan dalam Gambar 1.



Gambar 1. Grafik fungsi probabilitas distribusi normal

Grafik fungsi distribusi normal tersebut di atas membentang dari minus tak hingga
hingga tak hingga. Hanya saja, semakin jauh dengan rata-rata (M
1
), nilai probabilitas akan
semakin mendekati nol.

Contoh soal 1:
Dari penelitian terhadap 150 orang laki-laki yang berumur 4060 tahun didapatkan rata-rata
kadar kolesterol () mereka 215 mg % dan simpangan baku = 45 mg %. Hitunglah peluang
kita mendapatkan seorang yang kadar kolesterolnya:
a. < 200 mg %
b. > 250 mg %
c. antara 200 275 mg %

Jawab :
Ilustrasi dari soal tersebut di atas ditunjukkan dalam Gambar berikut :

12


Untuk menghitung nilai probabiltas dari pertanyaan di atas, kita gunakan rumus fungsi
probabilitas distribusi normal. Karena nilai probabilitas yang dibutuhkan adalah pada rentang
nilai x tertentu, maka kita harus menggunakan integral untuk menghitungnya.

a. P (<200 mg) =
dx e
x
2
2
2
) ( 200
2
1
o

t o

}

b. P (> 250 mg) =
dx e
x
2
2
2
) (
250
2
1
o

t o

}

c. P(200< x <275) =
dx e
x
2
2
2
) ( 275
200
2
1
o

t o