Distribusi Probabilitas

Arya Gusti

Pengantar
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.

Jenis Distribusi Probabilitas

1. Distribusi Binomial (Bernaulli)
2. Distribusi Multinomial
3. Distribusi Normal (Gauss)

1. Distribusi Binomial
Merupakan distribusi probabilitas deskrit yag
paling banyak digunakan di segala bidang.
Menggambarkan fenomena dengan dua hasil
atau outcome. Contoh: peluang sukses atau
gagal, hasil pengobatan sembuh atau tidak,
sehat atau sakit, dsb.
Ditemukan oleh sahli matematika dari Inggris,
Jacob Bernoulli, sehingga dikenal juga sebagai
Distribusi Bernaulli.

3 syarat yg harus dipenuhi untuk menggunakan

distribusi binomial :
1. Jumlah trial merupakan bilangan bulat. Contoh
melambungkan coin 2 kali, tidak mungkin 2 kali.
2. Setiap eksperiman mempunyai dua outcome (hasil).
Contoh: sukses/gagal, laki/perempuan, sehat/sakit,
setuju/tidaksetuju.
3. Peluang sukses sama setiap eksperimen.
Contoh: Jika lemparan dadu, yang diharapkan adalah
keluar mata lima, maka dikatakan peluang sukses
adalah 1/6, sedangkan peluang gagal adalah 5/6.
Untuk itu peluang sukses dilambangkan p, sedangkan
peluang gagal adalah (1-p) atau biasa juga
dilambangkan q, di mana q = 1-p.

Rumus :

n!
p =
Pr qn-r
r!(n-r)!
Dimana :
p = probabilitas yg diinginkan
q=1p
n = banyaknya peristiwa (trial)
r = jumlah sukses yg diinginkan

Contoh
Kita ingin mengetahui besarnya peluang
kelahiran 2 bayi laki-laki dari 3 kelahiran.
p = 0,5 q = 1-p = 0,5
n=3
r=2
Dengan menggunakan rumus di atas :
p =

n!
r!(n-r)!

Pr qn-r

p =

3x2x1

2x1x1

P = 0,375

(0,5)2 0,5

Latihan :
1. Berapa probabilitas keluarnya angka 5,
sebanyak 2 kali bila sebuah dadu dilambungkan
3 kali ?
2. Berapa probabilitas hujan 3 hari dalam
seminggu selama 4 minggu?

2. Distribusi Multinomial
Dalam satu peristiwa kadang menghasilkan lebih dari
dua event maka distribusi yg dihasilkan disebut distribusi
multinomial.
Contoh :
Hasil dari pengobatan sembuh, cacat, dan mati

Rumus

p =

n!
r1!r2!r3!

Dimana :
r1 + r2 + r3rk = n
p1 + p2 + p3pk = 1

(P1) r1 (P2) r2 (P3) r3

Contoh :
Seorang dokter melakukan pengobatan sebanyak 6
kali terhadap 6 orang penderita gagal jantung dengan
hasil sembuh sempurna, sembuh dengan gejala sisa,
dan meninggal.
Berapa besar probabilitas dari 6 kali pengobatan
tersebut menghasilkan 2 orang sembuh sempurna, 2
orang sembuh dengan gejala sisa, dan 2 orang
meninggal.

p =

n!
r1!r2r3!

(P1 1) (P1 1) (P1 1)

6!
p =

2! 2! 2!

(1/3)2 (1/3)2(1/3)2

P = 0,123 = 12,3%

3. Distribusi Normal
Merupakan distribusi probabilitas dengan
variabel kontinu atau numerik
Pertama kali diuraikan oleh Abraham de Moivre
dan dipopulerkan oleh Carl Fredreich Gauss
dengan percobaannya Distribusi Gauss.
Bila percobaan dilakukan berulang2 yg paling
sering muncul adalah nilai rata2
Penyimpangan dari nilai rata2 (error) makin
sedikit terbentuk distribusi yg simetris
distribusi normal.

Ciri2 distribusi normal :

Disusun dari variabel random kontinu
Nilai mean, median dan modus berada pada satu titik.
Y

x
Md
Mo

Distribusi normal dan uji statistik

Dalam uji statistik distribusi normal merupakan
prasyarat untuk dilakukan uji parametrik.
Data sampel dengan skala numerik harus
dilakukan uji normalitas data sebelum dilakukan
uji parametrik.
Bila syarat normalitas data tidak terpenuhi
pakai uji non parametrik.

Thank You