Anda di halaman 1dari 14

5.1.

1 BERNOULLI
Proses Bernoulli dicirikan oleh beberapa hal:
1.
Tiap hasil percobaan diklasifikasikan menjadi sukses dan gagal
2.
Percobaan satu dengan lainnya saling bebas
3.
Peluang sukses dinyatakan dengan p dan tidak berubah pada setiap percobaan.
Definisi:
Peubah acak X dikatakan berdistribusi Bernoulli dengan parameter p dan ditulis dengan
X BIN (1, p) atau

X BER (1, p)

Jika X (sukses) = 1 dan X (gagal) = 0


Maka distribusi peluangnya:
x

P(X = x)

1-p

dan fungsi peluangnya dituliskan dengan


p ( x )= 1 p jika x=0
p jika x=1
Ekspektasi:

E [ X ]= p

Variansi: Var ( X )= p . q

Fungsi Pembangkit Momen (MGF):


M X ( t ) =E [ etX ]
e tX . P ( X =x )=( 1 p ) +e t . p
X

Distribusi ini hal khusus dari distribusi Binomial.


5.1.2 BINOMIAL
Peubah acak Binomial X didefinisikan sebagai banyaknya sukses dalam proses Bernoulli
X BIN (n , p)

dimana

X =X 1 + X 2 ++ X n

dengan

X i iid

dan

X i BIN (1, p) untuk i = 1, 2,, n.

Fungsi peluangnya didefinisikan dengan


b ( x , n , p )= p ( x )

(nx) p ( 1 p)
x

Ekspektasi:

n x

x=0,1, , n

0 x lainnya
E [ X ] =n . p

Variansi: Var ( X )=n . p .q


Fungsi Pembangkit Momen (MGF):
n

M X ( t ) =( ( 1 p ) +e t . p ) =( q+e t . p )

Contoh Soal:
Sebuah peubah acak X berdistribusi Binomial dengan rataan 6 dan variansi 3.6. Tentukan
P( X =4)
Penyelesaian:
E [ X ] =n . p=6
Var ( X )=n . p .q=3.6
Diperoleh, p = 0.4, q = 0.6 dan n = 15. Maka
4
11
P ( X=4 ) = 15 ( 0.4 ) ( 0.6 )
4

( )

Contoh Soal:
Banyaknya barang rusak yang diproduksi oleh sebuah mesin sebesar 10%. Misalkan diambil
secara acak dari produksi sebanyak 10 barang untuk diperiksa. Berapa peluang dari barang yang
diperiksa itu akan terdapat:
a. Tidak ada yang rusak
b. Paling banyak dua rusak
Penyelesaian:
Didefinisikan sukses = barang rusak
Diketahui p = 0.1 ; q = 0.9 ; n = 10

a.

b.

( )

0
10
P ( X=0 )= 10 ( 0.1 ) ( 0.9 ) =0.348
0

P ( X 2 )=P ( X =0 ) + P ( X =1 )+ P ( X=2)

= 0.928

5.1.3 BINOMIAL NEGATIF (PASCAL)


Peubah acak Binomial Negatif X didefinisikan
dilakukan untuk menghasilkan r sukses

sebagai banyaknya percobaan yang

X PAS ( p , r )
Fungsi peluangnya didefinisikan dengan

( )

xr
P ( X=x )= x1 pr ( 1 p )
r1

dimana r = 1,2,3,... x = r, r+1, r+2,


Ekspektasi:
Variansi:

E [ X ]=

Var ( X )=

r
p

r (1 p )
p2

Fungsi Pembangkit Momen (MGF):


r
( p .e t )
MX (t)=
t <ln ( 1 p )
r
( 1( 1 p ) . et )
Contoh Soal:
Berapa peluang bahwa seseorang melantunkan tiga uang logam sekaligus akan mendapatkan
semuanya muka atau semuanya belakang untuk kedua kalinya pada lantunan kelima
Penyelesaian:
Didefinisikan
Sukses = mendapatkan semuanya muka atau semuanya belakang.
Diketahui x = 5 ; r = 2 ; p =
Maka,

1
P ( X=5 ) = 51
21 4

3
4

( )( ) ( )
1
4
1 4

3 3
=0.105
4

( )( ) ( )

5.1.4 GEOMETRIK
Peubah acak Geometrik X didefinisikan sebagai banyaknya percobaan yang dilakukan sampai
terjadi sukses yang pertama
X GEO( p)
Fungsi peluangnya didefinisikan dengan
g ( x , p )= p ( x )= p . ( 1 p )x1 x=1,2,

Ekspektasi:
Variansi:

E [ X ]=

Var ( X )=

1
p

1 p
p2

Fungsi Pembangkit Momen (MGF):


p et
1
M X (t)=
;|e t|<
t
1
p
1( 1 p ) e

Contoh Soal:
Dalam suatu proses produksi diketahui bahwa
rata-rata di antara 100 kain hasil produksi
terdapat
1 yang cacat. Berapa peluang bahwa setelah 5 kain yang diperiksa baru
menemukan cacat yang pertama
Penyelesaian:
Didefinisikan sukses = kain yang cacat.
Diketahui x = 5 ; p = 0.01
Maka,

P ( X=5 ) =( 0.01 )( 0.99 ) =0.0096

5.1.5 HIPERGEOMETRIK
Percobaan Hipergeometrik memiliki sifat-sifat:
1. Sampel acak sebanyak n diambil tanpa pengembalian dari N benda (objek)
2. Populasi sebanyak N diklasifikasikan menjadi dua, yaitu sebanyak D benda diberi nama
sukses sedangkan sisanya N-D diberi nama gagal
Peubah acak Hipergeometrik X didefinisikan sebagai banyaknya sukses dalam percobaan
Hipergeometrik. Suatu sampel acak sebanyak n diambil dari populasi sebanyak N dimana terdiri
dari D bernama sukses dan ND bernama gagal.

Fungsi peluangnya didefinisikan dengan


D N D
x nx
P ( X=x )=h ( x )=
N
n

( )( )
()

Atau
N
N
(
)(
x nx )
P ( X=x )=h ( x , n , N , N )=
1

dimana,

( Nn )

max ( 0, nN 2 ) x min ( n , N 1 )

Contoh Soal:
Suatu kampung terdiri atas 20 keluarga.
Jika setengah dari seluruh keluarga di
kampung itu memiliki televisi, berapakah peluang bahwa suatu sampel acak sebanyak 5 keluarga
paling sedikit 3 diantaranya memiliki televisi
Penyelesaian:
Didefinisikan sukses = keluarga yang memiliki televisi
Diketahui N = 20 ; D = 10 ; n = 5
Maka,
P (X 3) = P (X = 3) + P (X = 4) + P (X = 5)

(103)(102)
( 205)

5.400+ 2.100+ 252


=0.5
15.504

(104)(101)
( 205)

(105)(100)
( 205)

5.1.6 POISSON
Peubah acak Poisson X didefinisikan sebagai banyaknya kejadian-kejadian saling bebas yang
telah terjadi dan dinyatakan dengan rate ( )
X POI ()
Distribusi peluang peubah acak Poisson X adalah

( )x
P ( X=x )= p ( x , )=e
x=0,1,2,
x!

E [ X ] =

Ekspektasi:

Variansi: Var ( X )=
Fungsi Pembangkit Momen (MGF)
M X ( t ) =e (e 1)
t

Contoh Soal:
Suatu daerah di bagian timur Amerika Serikat,
rata-rata ditimpa 6 angin topan dalam satu
tahun. Berapa peluang di suatu tahun tertentu tidak sampai 3 angin topan yang akan menimpa
daerah tersebut
Penyelesaian:
Didefinisikan X = banyak angin topan
Diketahui = 6
Maka P (X < 3) = P (X = 0) + P (X = 1) + P (X = 2)
0
1
2
6 ( 6 )
6 ( 6 )
6 ( 6 )
e
+e
+
e
=
0!
1!
2!
= 0.0620
5.1.7 HUBUNGAN ANTAR DISTRIBUSI

PEUBAH ACAK DISKRIT


1. Hipergeometrik dengan Binomial
Fungsi peluang dari Hipergeometrik adalah
N
N
(
)(
x nx )
P ( X=x )=h ( x , n , N , N )=
1

( Nn )

Jika N ~,
lim h ( x , n , N 1 , N 2 )=b ( x , n , p)
maka N
dan

p= peluang=

N1
N

Sehingga
E [ X ] =n . p=n .

( NN )
1

Contoh Soal:
Diketahui terdapat 120 pelamar untuk sebuah pekerjaan dan hanya 80 pelamar yang memenuhi
persyaratan. Jika dipilih secara acak 5 pelamar untuk tes wawancara. Tentukan peluang bahwa
hanya 2 dari 5 pelamar yang akan memenuhi persyaratan untuk pekerjaan tersebut
a. Gunakan distribusi Binomial
b. Gunakan distribusi Hipergeometrik

Penyelesaian:
Diketahui N = 120 ; N1 = 80 ; n = 5 ; x = 2
a.

p=

N 1 80 2
=
=
N 120 3

Sehingga

2
X BIN (5, )
3

2
P ( X=2 ) = 5
2 3

1
=0.165
3

( )( ) ( )

b.

80 40
(
2 )( 3 )
h ( 2,5,120,80 )=
=0.164
120
(5)

2. Geometrik dengan Pascal


Distribusi Waktu Menunggu

menunggu sukses
ke-1

menunggu sukses
ke-r

X ~ GEO (p)

X ~ PAS (r,p)

kasus khusus untuk r =1


3. Poisson dengan Binomial
Jika n

p 0

dan = n.p

Maka
lim b ( x , n , p )=e
n
p 0

( )x
x!

Contoh Soal:
Dalam suatu proses produksi yang menghasilkan barang dari gelas, terjadi gelembung atau cacat
yang kadang-kadang menyebabkan barang tersebut sulit dipasarkan. Diketahui bahwa rata-rata 1
dari 1000 barang yang dihasilkan mempunyai satu atau lebih gelembung. Berapakah peluang
bahwa dalam sampel acak sebesar 8000 barang akan berisi kurang dari 7 yang bergelembung
Penyelesaian:
Diketahui n = 8000 dan p = 0.001
Karena p dekat dengan nol dan n cukup besar, maka akan dihampiri dengan distribusi Poisson
dengan =n. p=8000. ( 0.001 )=8

Jadi, jika X menyatakan banyaknya barang yang bergelembung, maka


6

P ( X <7 )= b ( x : 8000:0.001 )
x=0

p(x;8)
x=0

= 0.3134

5.2 DISTRIBUSI PEUBAH ACAK KONTINU


5.2.1 NORMAL
Distribusi Normal merupakan distribusi yang terpenting dalam statistika. Ruang lingkup
penggunaannya tidak terbatas pada bidang sciences dan engineering, tetapi juga bidang ilmuilmu sosial, ekonomika dan bisnis serta bidang pendidikan.
Fungsi peluang (probability density function) dari distribusi Normal, ditemukan oleh De Moivre
pada tahun 1733, dilanjutkan oleh Laplace yang kemudian dipublikasikan oleh Gauss pada tahun
1809. Distribusi Normal sering disebut juga sebagai distribusi Gauss.
Definisi:
Peubah acak X dikatakan berdistribusi Normal dengan parameter
padat peluang (probability density function) didefinisikan dengan
2
f ( x , , ) =f ( x )=

2 2

exp

( x )
2

< x<
dimana parameter distribusi Normal adalah
< <

2
dan >0

X peubah acak berdistribusi Normal


X NOR ( , 2 ) atau
Sifat-sifat distribusi Normal:
1. Distribusinya simetris di

X n ( x , , 2)

dan

, jika fungsi

2. Luas keseluruhan di bawah kurva adalah satu


E [ X ] = dan Var ( X )= 2
3.
4. 68% dari distribusi berada di interval

95% dari distribusi berada di interval

99% dari distribusi berada di interval

5. Jika

X NOR ( , 2 ) maka MGF dari X adalah

M X ( t ) =exp t+

2 2

t
2

Definisi:
Peubah acak X dengan fungsi distribusi (cdf) yang dinyatakan sebagai:
x
2
( t )
1
F ( x )=P ( X x )=
exp
dt
2
2
2

dikatakan berdistribusi Normal, dinotasikan dengan

X NOR ( , 2 )

Menghitung integral di atas cukup sulit, selanjutnya dengan menggunakan transformasi


X

X NOR ( , 2 ) menjadi Z NOR(0,1) .


,
maka

Langkah transformasi dari Normal ke Normal baku


Z=

X
NOR (0,1)

Definisi:
Distribusi Normal Baku (Standar) adalah distribusi Normal dengan
fungsi peluangnya didefinisikan dengan
1
z 2
(
)
f z=
exp
<z<
2
2

[ ]

Peubah acak Normal baku dinotasikan dengan Z

=0

dan

=1

dan

Z NOR(0,1)
Artinya, peubah acak Z berdistribusi Normal dengan mean (rataan) 0 dan variansi 1.
Tabel distribusi Normal, menyatakan fungsi distribusi kumulatif
1
t 2
P ( Z z )= (z) =
exp
dt
2
2

[ ]

dimana nilai dari integral ini sudah ditabelkan dan


dengan

Jika

ekor dari distribusi Normal (the tail of the Normal distribution).

X NOR ( , 2 ) maka

P ( X b )=P Z

1.

P ( a X b ) =P

2.

P ( Z z )= (-z) = 1 - (z), yang disebut

b
=

( b
)

b
Z
( a

( b
)

( a
)

Mengingat peluang di suatu titik tertentu nilainya sama dengan nol, maka:
P ( a<Z <b )=P ( a Z <b ) = P ( a<Z b )
=
Jika
1.

P ( a Z b)

= (b) - (a)

X NOR( , 2 ) maka:
X +b NOR ( + b , 2 )

2.

aX NOR ( a , a2 2 )

3.

aX +b NOR ( a+b , a2 2 )

Contoh Soal:
2
Diketahui X NOR( , ) dengan pdf

f ( x )=
Hitung

( x7 )
1
exp
50
50

P ( 9 X 14 )

Penyelesaian:
Diketahui =7
P ( 9 X 14 ) =P

=
=

=5

X 7 147

( 97
5
5
5 )
P

( 25 Z 75 )
( 75 )P ( Z 25 )

P Z

= 0.2638
5.2.2 HAMPIRAN NORMAL TERHADAP
BINOMIAL
Teorema:
Jika X peubah acak Binomial dengan rataan

=n. p dan variansi 2=n . p . q

Maka untuk n
Z=

Xn . p
NOR(0,1)
n. p.q

Catatan: distribusi Normal memberikan hampiran yang amat baik terhadap distribusi Binomial
jika n besar. Jika n kecil dengan p cukup dekat dengan nilai , hampiran masih cukup baik.
Hampiran tersebut akan diperoleh nilai yang akurat, apabila diperhatikan koreksi kontinuitas
yang besarnya setengah interval. Koreksi kontinuitas ini sangat diperlukan, karena distribusi
Binomial termasuk peubah acak diskrit, sedangkan distribusi Normal termasuk peubah acak
kontinu.

Dari Distribusi

Koreksi

Fungsi Distribusi

Binomial

Kontinuitas

P ( X=x )

1
1
P x X x +
2
2

) ( x + 12 )

( x 12 )
P(X x)

P X x+

1
2

P ( X < x )=P ( X x1 )
1
P X x1+
2

P (a X b)

( x + 12 )
( x 12 )

1
1
P a X b+
2
2

) (b+ 12 )

(a 12 )
Tabel 3 Koreksi Kontinuitas
Contoh Soal:
Sebuah perusahaan memiliki sebuah mesin yang dapat secara acak memilih dan secara otomatis
memutar nomor telepon. Jika diketahui perusahaan tersebut melakukan percakapan bisnis
sebesar 15% dan sebuah sampel yang terdiri dari 150 nomor yang dipilih oleh mesin, diperiksa.
Berapa peluang lebih dari atau sama dengan 30 nomor telepon yang dipilih adalah percakapan
bisnis?
Penyelesaian:
P( melakukan percakapan bisnis) = 0.15
n = 150
X = Peubah acak (telepon percakapan bisnis)
=n. p= 150. (0.15) = 22.5

2=n . p . q=150. ( 0.15 ) . ( 0.85 )=19.125


=4.3732

P ( X >30 )=P Z >

30.522.5
=P ( Z >1.83 )
4.3732

1P ( Z 1.83 )

1 ( 1.83 )

= 1 0.9664 = 0.0336

Anda mungkin juga menyukai