00 Kuliah 03 01 Distribusi Probabilitas Diskret Teoritis

Distribusi Probabilitas Diskret Teoritis
DISTRIBUSIPROBABILITASDISKRETTEORITIS
Suprayogi
Distribusi Probabilitas Teoritis Diskret

Distribusi seragam diskret (discreteuniform
distribution)
Distribusi hipergeometris (hypergeometric
distribution)
Distribusi Bernoulli(Bernoullidistribution)
Distribusi binomial(Binomialdistribution)
Distribusi binomialnegatif atau Pascal(negative
binomialorPascaldistribution)
Distribusi geometris (geometricdistribution)
Distribusi Poisson(Poissondistribution)
Suprayogi
Distribusi Seragam Diskret

Parameter:
X seragam diskret (a,b)

Fungsi distribusi probabilitas:
1
b a + 1 ;x = a , a + 1,L, b 1, b
f (x ) =
0;xlainnya
a,bbulat;b a
a :batas bawah
b:batas atas
Rataan:
X =
a+b
2
Variansi:
=
2
X
(b a + 1)2 1
Suprayogi
12
Contoh HistogramDistribusi Seragam

Diskret
a=1,b=6
0.1800
f(x)
0.1600
0.1400
0.1200
0.1000
0.0800
0.0600
0.0400
0.0200
0.0000
1
Suprayogi
Probabilitas Variabel RandomBerdistribusi

Seragam Diskret
P(X = x ) =
1
ba +1
r
1
x =a b a + 1
P(X r ) =
Suprayogi
Contoh Perhitungan
Jumlah pesanan yangdatang perhari diketahui berdistribusi
seragam diskret dengan jumlah pesanan yangdatang minimum
0dan maksimum 10.
Probabilitas jumlah pesanan yangdatang perhari adalah 4atau
kurang?
4
1
1 1 1 1 1
P(X 4 ) =
= + + + + = 0,4545
11 11 11 11 11
x = 0 10 0 + 1
Rataratajumlah pesanan perhari yangdatang?
X =
10 + 1
= 5,5
2
Suprayogi
Distribusi Hipergeometris
X hipergeometris (n,N,S)
C Sx C NnxS
C N ;x = 0,1,L,min{n, S}
n
f (x ) =
0;xlainnya
Suprayogi
Parameter:
n,S,Nbulat >0
n N;S N
Rataan:
X = n
S
N
Variansi:
N n S
S
n 1
N 1 N N
X2 =
Rumus Kombinasi
n
n!
C = =
r r!(n r )!
n
r
Suprayogi
Percobaan Hipergeometris
Dalam suatu populasi berukuran N,terdapat S
obyek yangdikategorikan sukses S,dan
sisanya N Sdikategorikan gagal
Suatu sampel randomberukuran ndiambil
dari populasi
Variabel randomyangmenyatakan banyaknya
obyek berkategori sukses yangterpilih
merupakan variabel randomhipergeometris
Suprayogi
Contoh HistogramDistribusi
Hipergeometris
0.6000
N=10,S=2,n=4
0.5000
f(x)
0.4000
N=10,S=4,n=4
0.3000
0.2000
0.4500
0.1000
0.4000
0.3500
0.0000
1
4
f(x)
0.4500
N=10,S=6,n=4
0.2000
0.1500
0.1000
0.0500
0.4000
0.3500
f(x)
0.3000
0.2500
0.0000
0
0.3000
0.2500
0.2000
0.1500
0.1000
0.0500
0.0000
0
Suprayogi
10

Hipergeometris
C Sx C NnxS
P(X = x ) =
C Nn
C Sx C NnxS
P(X r ) =
N
C
x =0
n
r
Suprayogi
11
Contoh Perhitungan
Suatu kotak mengandung 7komponen yangterdiri dari 4
komponen merek Adan 3bolakomponen merek B.
Jika 3komponen diambil secara randomdari kotak,probabilitas
bahwa tepat terdapat 2komponen merek Ayangterambil:
P ( X = 2) =
4
2
74
3 2
7
3
CC
C
4! 3!
CC
2!1! 1!2!
=
=
= 0,5143
7!
C
3!4!
4 3
2 1
7
3
Suprayogi
12
Distribusi Bernoulli
X Bernoulli(p)
p;x= sukses
f (x ) = 1 p;x=gagal
0;xlainnya
Suprayogi
Parameter:
p(0 p 1)
Rataan:
X = p
Variansi:
X2 = p(1 p )
13
Percobaan Bernoulli
Percobaan hanya menghasilkan dua kejadian
yangmungkin,sukses atau gagal
Probabilitas sukses adalah p(probabilitas
gagal,1 p)
Variabel randomyangmenyatakan munculnya
sukses atau gagal merupakan variabel random
Bernoulli
Suprayogi
14
Contoh HistogramDistribusi Bernoulli

X=sukses =1
=gagal =0
p=0,2
0.9000
f(x)
0.8000
0.7000
0.6000
0.5000
0.4000
0.3000
0.2000
0.1000
0
0.5000
0.4000
f(x)
0.9000
0.3000
0.2000
0.8000
0.7000
f(x)
p=0,5
0.6000
0.0000
p=0,8
0.1000
0.6000
0.5000
0.0000
0
0.4000
0.3000
1
x
0.2000
0.1000
0.0000
0
1
x
Suprayogi
15
Hubungan Distribusi Bernoullidan

Seragam Diskret
X seragam diskret (a,b);a=0;b=1
X Bernoulli(p);p=0,5
Suprayogi
16
Distribusi Binomial
X binomial(n,p)
Parameter:
nbulat >0;p(0 p 1)

C p (1 p ) ;x = 0,1,L , n
f (x ) =
0;xlainnya
n
x
n x
Suprayogi
Rataan:
X = np
Variansi:
X2 = np(1 p )
17
Percobaan Binomial
Percobaan terdiri atas nusaha yangsaling
independen
Tiap usaha hanya terdiri dari dua kejadian yang
mungkin,sukses atau gagal.
Probabilitas tiap sukses untuk tiap usaha adalah
tetap,yaitu p(probabilitas gagal,1 p)
sukses dalam nusaha independen merupakan
variabel randombinomial
Percobaan binomialmerupakan percobaan Bernoulli
yangindependen yangdilakukan sebanyak nkali
Suprayogi
18
Contoh HistogramDistribusi Binomial

n=5;p=0,2
0.4500
f(x)
0.4000
0.3500
0.3000
0.2500
n=5;p=0,5
0.2000
0.1500
0.3500
0.1000
0.0500
0.3000
0.2500
0.0000
1
5
f(x)
0.2000
0.1500
0.1000
0.0500
0.0000
0.4500
n=5;p=0,8
0.4000
0.3500
f(x)
0.3000
0.2500
0.2000
0.1500
0.1000
0.0500
0.0000
0
Suprayogi
19

Binomial
P ( X = r ) = C nx p x (1 p )n x
r
P ( X r ) = C nx p x (1 p )n x
x =0
Suprayogi
20
Contoh Perhitungan
Probabilitas suatu komponen tidak mengalami kerusakan dalam
suatu pengujian adalah 0,75.
Probabilitas tepat terdapat 2komponen yangtidak mengalami
kerusakan jika dilakukan pengujian sebanyak 4kali:
4!
2
2
P ( X = 2) = C24 (0,75)2 (1 0,75)4 2 =
(0,75) (0,25) = 0,2109
2!2!
Probabilitas
terdapat 2komponen atau lebih yangtidak rusak
jika dilakukan pengujian sebanyak 4kali:

1
P ( X 2) = 1 P ( X 1) =1 C 4x (0,75)x (1 0,75)4 x
x =0
4!
4!
0
4
1
3
= 1
(0,75) (0,25) +
(0,75) (0,25)
1!1!
0!2!
= 1 0,0508
= 0,9492
Suprayogi
21
Hubungan Distribusi Binomialdan

Bernoulli
Xi Bernoulli(p)
Xi independen dan identik
n
Y = Xi
i =1
Y binomial(n,p)
Suprayogi
22
Hampiran Distribusi Binomialterhadap

Hipergeometris
X hipergeometris (n,S,N);n/N 0
X binomial(n,p);p=S/N
Suprayogi
23
Contoh Perhitungan
Suatu pabrik menerima pasokan materialsebanyak 5000unit
dengan 1000unitdiantaranya adalah materialjenis A.Jika 10
unitdipilih secara random,probabilitas tepat terdapat 3unit
materialjenis Ayangterpilih:
1000
1000
P ( X = 3) = C10
3 ( 5000 ) (1 5000 )
3
10 3
10!
3
7
=
(0,2) (0,8 )
3!7!
= 0,2013
Suprayogi
24
Distribusi BinomialNegatif (Pascal)

X binomialnegatif (k,p)
Parameter:
k bulat >0;p(0 p 1)
C kx 11 p k (1 p )x k ;x = k , k + 1,L
f (x ) =
0;xlainnya
Rataan:
X =
Variansi:
X2 =
Suprayogi
k
p
k (1 p )
p2
25
Percobaan BinomialNegatif
independen
Tiap usaha hanya terdiri dari dua kejadian
yangmungkin,sukses atau gagal.
Probabilitas tiap sukses untuk tiap usaha
adalah tetap,yaitu p(probabilitas gagal,1 p)
usaha agarterjadi sukses kek merupakan
variabel randombinomialnegatif
Suprayogi
26

Negatif
k=2;p=0,2
0.0900
0.0800
Variabel randomX
banyaknya usaha untuk memperoleh ksukses
0.0700
0.0500
0.0400
0.0300
0.0200
0.3000
0.0100
0.2500
0.0000
0 1 2 3 4
k=2;p=0,5
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
0.2000
x
f(x)
f(x)
0.0600
0.1500
0.1000
0.0500
0.0000
0 1 2 3 4
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Suprayogi
27

BinomialNegatif
P ( X = x ) = C kx 11 pk (1 p )x k
r
P ( X r ) = C kx 11 p k (1 p )x k
x =k
Suprayogi
28
Contoh Perhitungan
Probabilitas produk cacat adalah 0,1.
Jika produk diambil satu persatu,probabilitas ditemukannya
produk yangcacat yangketiga pada pengambilan kelima?
P ( X = 5) = C 3511 (0,1)3 (1 0,1)53 =
4!
(0,1)3 (0,9 )2 = 0,0049
2!2!
Suprayogi
29
Definisi Laindari Variabel Random

BinomialNegatif &Fungsi Dist.Prob.
Variabel randombinomialnegatif X
dapat juga didefinisikan sebagai
banyaknya gagal sebelum
memperoleh ksukses
Parameter:
k bulat >0;p(0 p 1)
C xx + k 1 pk (1 p )x ;x = 0,1,2,L
f (x ) =
0;xlainnya
P(X = x ) = C
x + k 1
x
p (1 p )
k
P ( X r ) = C xx + k 1 p k (1 p )x
x =0
Suprayogi
Rataan:
X =
Variansi:
X2 =
k(1 p)
p
k (1 p )
p2
30

Negatif
k=2;p=0,2
Variabel randomX
banyaknya gagal sebelum memperoleh ksukses
Suprayogi
31
Contoh Perhitungan
Jika produk diambil satu persatu,probabilitas terambilnya
produk baik (tidak cacat)sebanyak dua sebelum menghasilkan
produk cacat ketiga?
P ( X = 2) = C22+31 (0,1)3 (1 0,1)2 =
Suprayogi
4!
(0,1)3 (0,9)2 = 0,0049
2!2!
32
Distribusi Geometris
X geometris (p)
p(1 p )x 1 ;x = 1,2,L
f (x ) =
0;xlainnya
Parameter:
p(0 p 1)
Rataan:
X =
1
p
Variansi:
1 p
= 2
p
2
X
Suprayogi
33
Percobaan Geometris
independen
Tiap usaha hanya terdiri dari dua kejadian
yangmungkin,sukses atau gagal.
Probabilitas tiap sukses untuk tiap usaha
adalah tetap,yaitu p(probabilitas gagal,1 p)
usaha agarterjadi sukses pertama
merupakan variabel randomgeometris
Suprayogi
34
Contoh HistogramDistribusi Geometris

0.2500
p=0,2
Variabel randomX
banyaknya usaha untuk memperoleh sukses
pertama
0.2000
f(x)
0.1500
0.1000
0.6000
0.0500
0.5000
p=0,5
0.0000
0 1 2 3 4
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
0.4000
f(x)
x
0.3000
0.2000
0.1000
0.0000
0 1 2 3 4
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Suprayogi
35

Geometris
P ( X = x ) = p(1 p )x 1
r
P ( X r ) = p(1 p )x 1
x =1
Suprayogi
36
Contoh Perhitungan
Jika produk diambil satu persatu,probabilitas ditemukannya
produk yangcacat pada pengambilan ketiga?
P ( X = 3) = (0,1)(1 0,1)31 = (0,1)(0,9 )2 = 0,081
Rataratabanyaknya pengambilan untuk menemukan produk

cacat?
X =
1
= 10
0,1
Suprayogi
37
Definisi Laindari Variabel RandomGeometris

dan Fungsi Distribusi Probabilitas
Variabel randomgeometris Xdapat
juga didefinisikan sebagai
banyaknya gagal untuk
memperoleh sukses pertama
p(1 p )x ;x = 0,1,2,L
f (x ) =
0;xlainnya
P ( X = x ) = p(1 p)x
r
P ( X r ) = p(1 p )x
Parameter:
p(0 p 1)
Rataan:
X =
1 p
p
Variansi:
X2 =
1 p
p2
x =0
Suprayogi
38
Contoh HistogramDistribusi Geometris

p=0,2
Variabel randomX
banyaknya gagal sebelum memperoleh sukses
pertama
Suprayogi
39
Contoh Perhitungan
Jika produk diambil satu persatu,probabilitas diperoleh dua
produk baik (tidak cacat)sebelum diperoleh produk cacat?
P ( X = 2) = (0,1)(1 0,1)2 = (0,1)(0,9 )2 = 0,081
Rataratabanyaknya produk baik (tidak cacat)yangdiperoleh

sebelum menemukan produk cacat?
X =
1 0,1 0,9
=
=9
0,1
0,1
Suprayogi
40
Hubungan Distribusi BinomialNegatif dan

Geometris
X binomialnegatif (k,p);k=1
X geometris (p)
Suprayogi
41
Distribusi Poisson
X Poisson()
e x
x! ;x = 0,1,2,L
f (x ) =
0;xlainnya
Suprayogi
Parameter:
>0
rataratakejadian
perintervalwaktu atau
daerah tertentu
Rataan:
X =
Variansi:
X2 =
42
CiriCiri Proses Poisson

Jumlah kejadian yangterjadi dalam suatu intervalwaktu atau
daerah tertentu adalah independen terhadap jumlah kejadian
dalam intervalwaktu atau daerah yanglain.
Probabilitas suatu kejadian yangterjadi pada intervalwaktu
atau daerah yangsangat kecil adalah proporsional terhadap
panjang intervalwaktu atau luas daerah dan tidak tergantung
pada jumlah kejadian yangterjadi di luar intervalwaktu atau
daerah ini.
Probabilitas lebih dari satu kejadian dalam intervalwaktu
atau daerah yangsangat kecil adalah diabaikan
Suprayogi
43
Contoh HistogramDistribusi Poisson

0.3000
=2
0.2500
0.1500
0.1000
0.0500
0.0000
0 1
3 4
5 6
7 8
9 10 11 12 13 14 15 16 17 18 19 20
x
f(x)
f(x)
0.2000
0.2000
0.1800
0.1600
0.1400
0.1200
0.1000
0.0800
0.0600
0.0400
0.0200
0.0000
=5
0 1
3 4
5 6
7 8
9 10 11 12 13 14 15 16 17 18 19 20
x
Suprayogi
44

Poisson
e x
P(X = x ) =
x!
e x
P(X r ) =
x!
x =0
r
Suprayogi
45
Contoh Perhitungan
Banyaknya gangguan mesin yangterjadi perhari diketahui
berdistribusi Poissondengan ratarata10gangguan perhari.
Probabilitas bahwa terdapat palingsedikit terdapat 5gangguan
perhari?
P(X 5) = 1 P(X 4 )
e 10 (10 )x
=
x!
x =0
4
e 10 (10 )0 e 10 (10 )1
e 10 (10 )4
+
+L+
=
0!
1!
4!
= 0,00005 + 0,00045 + L + 0,01892
= 0,02925
Suprayogi
46
Hampiran Distribusi Poissonterhadap

Binomial
X binomial(n,p);n ;p 0
X Poisson(); =np
Suprayogi
47
Contoh Perhitungan
Probabilitas suatu produk yangharus dibuang karena rusak
adalah 0,01.
Jika terdapat sebanyak 1000produk,probabilitas terdapat 10
produk yangdibuang karena rusak?
= (1000)(0,01) = 10
e (10 ) (10 )5
P(X = 5) =
5!
=0,0378
Suprayogi
48
Ciri Reproduktif Variabel RandomPoisson

Xi Poisson(i)
Xi saling independen
n
Y = Xi
i =1
Y Poisson(), = 1 +2 +...+ n
Suprayogi
49
Contoh Perhitungan
Banyaknya gangguan mesin Ayangterjadi perhari diketahui
Banyaknya gangguan mesin Byangterjadi perhari diketahui
Probabilitas banyaknya gangguan sebanyak 5perhari adalah:
= 1 + 2 = 10 + 5 = 15
e 15 (15)5
P (X = 5 ) =
5!
= 0,00194

Suprayogi
50

00 Kuliah 03 01 Distribusi Probabilitas Diskret Teoritis

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

00 Kuliah 03 01 Distribusi Probabilitas Diskret Teoritis

Diunggah oleh

Hak Cipta:

Format Tersedia

Distribusi Probabilitas Diskret Teoritis

Distribusi Probabilitas Teoritis Diskret

Distribusi Seragam Diskret

X seragam diskret (a,b)

Contoh HistogramDistribusi Seragam

Probabilitas Variabel RandomBerdistribusi

Probabilitas Variabel RandomBerdistribusi

Contoh HistogramDistribusi Bernoulli

Hubungan Distribusi Bernoullidan

Fungsi distribusi probabilitas:

Contoh HistogramDistribusi Binomial

Probabilitas Variabel RandomBerdistribusi

jika dilakukan pengujian sebanyak 4kali:

Hubungan Distribusi Binomialdan

Hampiran Distribusi Binomialterhadap

Distribusi BinomialNegatif (Pascal)

Fungsi distribusi probabilitas:

Contoh HistogramDistribusi Binomial

Probabilitas Variabel RandomBerdistribusi

Definisi Laindari Variabel Random

Fungsi distribusi probabilitas:

Contoh HistogramDistribusi Binomial

P ( X = 2) = C22+31 (0,1)3 (1 0,1)2 =

Contoh HistogramDistribusi Geometris

Probabilitas Variabel RandomBerdistribusi

Rataratabanyaknya pengambilan untuk menemukan produk

Definisi Laindari Variabel RandomGeometris

Contoh HistogramDistribusi Geometris

Rataratabanyaknya produk baik (tidak cacat)yangdiperoleh

Hubungan Distribusi BinomialNegatif dan

CiriCiri Proses Poisson

Contoh HistogramDistribusi Poisson

Probabilitas Variabel RandomBerdistribusi

Hampiran Distribusi Poissonterhadap

Ciri Reproduktif Variabel RandomPoisson

Anda mungkin juga menyukai