LAPORAN PRAKTIKUM

STATISTIKA INDUSTRI I
DISTRIBUSI BINOMIAL ,NORMAL DAN POISON

Disusun Oleh :
Nama & NIM : 1. DEDI ARFIANTO 115100307113002
Asisten : Rheysa Permata Sari ,STP









LABORATORIUM KOMPUTASI DAN ANALISIS SISTEM
JURUSAN TEKNOLOGI INDUSTRI PERTANIAN
FAKULTAS TEKNOLOGI PERTANIAN
UNIVERSITAS BRAWIJAYA
2012






BAB I
PENDAHULUAN
1.1 Latar belakang
Dengan adanya suatu peluang atau kemungkinan sesuatu yang di ramalkan itu muncul
tergantung bagaimana suatu pecobaan itu dilakukan dengan benar .oleh karena itu kita
dapat menggunakan distribusi binomial ,normal dan poison untuk mengitung suatu
kejadian yang didalamnya berkemungkinan terdapat hal yang cacat dan sebaliknya jadi
hal itu bisa diramalkan .
Binomial salah satu ditribusi probabilitas yang dapat digunakan bila mana suatu
proses sampling dapat diasumsikan sesuai Dengan proses benoulli sedangkan normal
ditribusi yang paling pentingdalam teori probabilitas .dan poison merupakan distribusi
yang digunakan untuk variabel diskrit acak .


1.2 Tujuan
1. Mengetahui tentang teori ditribusi binomial , normal dan poison .
2. Dapat menyelesaikan soal menggunkan teori dari rumus ditribusi binomial , normal
dan poison.
















BAB II
TINJAUAN PUSTAKA
Probabilitas Binomial Distribusi
Untuk memahami distribusi binomial dan distribusi probabilitas binomial, hal ini membantu
untuk memahami percobaan binomial dan beberapa notasi yang terkait, sehingga kita
menutup topik tersebut pertama.
Percobaan Binomial
Sebuah percobaan binomial (juga dikenal sebagai percobaan Bernoulli) memiliki properti
berikut:
Percobaan terdiri dari n percobaan diulang.
Setiap percobaan dapat menghasilkan dua kemungkinan hasil. Kami menyebutnya
salah satu hasil sukses dan yang lainnya, gagal.
Probabilitas keberhasilan, dilambangkan dengan P, adalah sama pada setiap
persidangan.
Uji coba yang independen , yaitu, hasil pada satu percobaan tidak mempengaruhi hasil
pada uji coba lainnya.
Pertimbangkan percobaan statistik berikut. Anda flip koin 2 kali dan menghitung berapa kali
tanah koin di kepala. Ini adalah percobaan binomial karena:
Percobaan terdiri dari percobaan diulang. Kami melempar koin 2 kali.
Setiap percobaan dapat menghasilkan dua hasil yang mungkin - kepala atau ekor.
Probabilitas keberhasilan adalah konstan - 0,5 diadili setiap.
Uji coba yang independen; yang, mendapatkan kepala pada satu percobaan tidak
mempengaruhi apakah kita mendapatkan kepala pada uji coba lainnya.
Distribusi Binomial
Sebuah variabel acak binomial adalah jumlah sukses x dalam n percobaan diulang dari
eksperimen binomial. Para distribusi probabilitas dari variabel acak binomial disebut
distribusi binomial (juga dikenal sebagai distribusi Bernoulli).
Misalkan kita flip koin dua kali dan menghitung jumlah kepala (keberhasilan). Variabel acak
binomial adalah jumlah kepala, yang dapat mengambil nilai-nilai 0, 1 atau 2. Distribusi
binomial adalah sebagai berikut.
Jumlah kepala Kemungkinan
0 0.25
1 0.50
2 0.25
Distribusi binomial memiliki properti berikut:
Mean dari distribusi
(x
) sama dengan n * P.
Para varians (
2

x)
adalah n * P * (1 - P).
Para standar deviasi (
x)
adalah sqrt [n * P * (1 - P)].

Probabilitas Binomial
Probabilitas binomial mengacu pada probabilitas bahwa hasil percobaan binomial yang persis
keberhasilan x. Sebagai contoh, pada tabel di atas, kita melihat bahwa probabilitas binomial
untuk mendapatkan tepat satu kepala dalam dua koin flips adalah 0,50.
Mengingat x, n, dan P, kita dapat menghitung probabilitas binomial berdasarkan rumus
berikut:
Formula Binomial. Misalkan suatu percobaan binomial terdiri dari n percobaan dan hasil
dalam keberhasilan x. Jika probabilitas keberhasilan pada percobaan individu adalah P, maka
probabilitas binomial adalah:

Contoh 1

Misalkan sebuah dadu dilempar 5 kali. Berapa probabilitas untuk mendapatkan tepat 2
merangkak?
Solusi: Ini adalah percobaan binomial di mana jumlah percobaan adalah sama dengan 5,
jumlah keberhasilan sama dengan 2, dan probabilitas keberhasilan pada percobaan tunggal
adalah 1/6 atau sekitar 0,167. Oleh karena itu, probabilitas binomial adalah:
b (2, 5, 0,167) =
5
C
2
* (0,167)
2
* (0,833)
3
b (2, 5, 0,167) = 0,161
Kumulatif Binomial Probabilitas
Sebuah probabilitas binomial kumulatif mengacu pada probabilitas bahwa variabel acak
binomial jatuh dalam kisaran tertentu (misalnya, lebih besar dari atau sama dengan batas
bawah menyatakan dan kurang dari atau sama dengan batas atas disebutkan).
Sebagai contoh, kita mungkin akan tertarik dengan probabilitas binomial kumulatif
mendapatkan 45 atau lebih sedikit kepala dalam 100 kali pelemparan koin (lihat Contoh 1 di
bawah). Ini akan menjadi jumlah dari semua probabilitas binomial individu.
b (x <45; 100, 0,5) = b (x = 0; 100, 0,5) + b (x = 1; 100, 0,5) + ... + B (x = 44; 100, 0,5) + b (x
= 45; 100, 0,5)
DISTRIBUSI NORMAL
Definisi
Variabel x dikatakan berdistribusi normal dengan parameter dan 2, jika x mempunyai
fungsi densitas :

Untuk -~ < x < ~
Distribusi ini dilambangkan dengan x ~ N ( , 2),
THEOREM
-> Jika x ~ N ( , 2), maka :
-> 1. Mean = E (x) =
-> 2. Variansi = Var(x) = 2
-> 3. Momen = Mx(t) = e t + 2t
THEOREM 2
Distribusi normal N ( , 2) mempunyai sifat-sifatNYA :
-> 1. Asimtotik terhadap sumbu mendatar
-> 2. Simetrik terhadap garis x =
-> 3. mempunyai titik balik
-> 4. mempunyai dua titik belok yang
berjarak dari sumbu simetri
THEOREM 3
Jika x berdistribusi normal N ( , 2) maka Variabel random z = (x- )/ berdistribusi
normal N(0,1) yang dikenal sebagai distribusi normal standar atau normal baku
DISTRIBUSI POISSON
Percobaan poisson adalah percobaan yang menghasilkan peubah acak X yang bernilai
numeric , yaitu banyaknya sukses selama selang waktu tertentu dapat berupa sedetik ,
semenit , sehari maupun sebulan daerah tertentu dapat berupa satu meter , satu kilometer
persegi .

Sifat percobaan poisson

1. Banyaknya sukses terjadi dalam suatu selang waktu atau daerah tertentu
2. Peluang terjadinya suatu sukses dalam selang waktu yang amat pendek atau pendek
atau dalam daerah yang kecil sebanding dengan panjang selang waktu atau besarnya
daerah
3. Peluang terjadinya lebih dari satu sukses dalam selang waktu pendek atau daerah
sempit dapat diabaikan .

Distribusi poisson
Distribusi peluang peubah acak poisson X , menyatakan banyaknya sukses yang terjadi
dalam selang waktu atau daerah tertentu .

Contoh : Rata-rata banyakanya partikel radioaktif yang mellewati suatu penghitung
selama 1 milidetik dalam suatu percobaan laboratorium adalah empat .berapakah
peluang empat partikel melewati penghitung dalam suatu milidetik tertentu

Teorema 1
->Rataan dan variansi ditribusi poisson p ( x; ) keduanya sama dengan .
->Bila n besar dan p dekat dengan nol , distribusi poisson dapat digunakan , dengan
=np , untuk menghampiri peluang binominal .
-> bila p dekat dengan 1 , ditribusi poisson masih dapat dipakai untuk menghampiri
peluang binomial apa uang telah dinamai atau gagal jadi mengganti p dengna suatu nilai
yang dekat dengna nol
Teorema 2
Misalkan X peubah acak binominal dengan distribusi peluang b(x;n,p) . bila n , p 0 , dan
=np tetap sama , maka b(x;n,p) p (x;)
Contoh : dalam suatu proses produksi yang menghasilkan barang dari gelas , terjadi
gelembung atau cacat yang kadang-kadang menyebabkan barang tersebut sulit
dipasarkan . diketahuai bahwa rata-rata 1 dari 1000 barang yang di hasilkan mempunyai
suatu atau lebih gelembung . berapa peluang bahwa dalam sampel acak sebesar 8000
barang akan berisi kurang dari 7 yang bergelembung ?