Anda di halaman 1dari 20

Distribusi Variabel Random

Probabilitas dan Statistik

Hasdi Radiles
19770909 201101 1 005
Teknik Telekomunikasi
Jurusan Elektro- Fakultas SainTek UIN Suska Riau
Pekanbaru, 14 Mei 2012

Syllabus
Materi perkuliahan :
1. Distribusi Diskrit
2. Distribusi Kontinu

Referensi:
1.
Douglas C. Montgomery: Applied statistics and Probability for Engineers, John
Wiley & sons, Asia, 2007.
2.
http://stattrek.com/probability/random-variable.aspx?Tutorial=Stat, akses Mar 2012

2 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012

Definisi distribusi
Suatu proses random selalu terjadi diseluruh kehidupan kita.
Kita mendefenisikan proses tersebut random karena kelemahan manusia dalam
mencari pola pasti (rumusan) dari alam (Sunatullah).
Bidang komputer: Utilisasi CPU oleh program-program yang random
Bidang Telekom: Penerimaan sinyal radio yang random
Bidang Energi: Tegangan dan daya listrik yang random
Bidang Multimedia: sinyal informasi suara yang random
Jika outcome-outcome proses random tersebut direkam dan ditampilkan dalam
grafik, maka akan membentuk suatu pola tertentu
Ketika proses sampling dilakukan tak hingga, grafik tersebut akan membentuk suatu
pola yang stabil yang disebut dengan distribusi probabilitas.
Distribusi tersebut kemudian dapat dipadankan dengan distribusi-distribusi yang telah
dikenal rumusannya untuk mendapatkan perihal parameter populasi outcome nya.
Model distribusi inilah yang kemudian digunakan dalam perancangan teknologiteknologi yang bekerja pada proses random. Berikanlah contoh?

3 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012

Definisi distribusi
Distribusi probabilitas (distribusi peluang) didapatkan dari frekuensi kemunculan
outcome dalam suatu eksperimen random.
Eksperimen random adalah jika suatu prosedur kerja eksperimen yang sama
diulang berkali-kali, maka akan menghasilkan outcome yang random (acak)
Jika ekperimen yang dilakukan tidak random, maka distribusi yang dihasilkan
akan membentuk pola (rumusan) yang pasti (bukan penelitian tetapi
perhitungan).
Distribusi probabilitas sering digunakan untuk memodelkan suatu situasi yang tidak
mampu didefinisikan secara pasti oleh manusia (Kuasa Illahi).
Panas(noise) perangkat Additive White Gaussian Noise (AWGN)
Kedatangan user pada server Poisson
Pemodelan error bit (kanal digital) Binomial
Pola random umum Uniform

4 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012

Distribusi normal
Ditemukan oleh De Moivre dalam presentasinya Central Limit Theorem, 1733
100 tahun kemudian Gauss secara perorangan membangun distribusi ini dan
memperkenalkannya sebagai Distribusi Gaussian
Karakteristik: Ketika eksperiment random dilakukan berulang-ulang, model r.v yang
sebanding dengan rata-rata outcomenya cenderung dimodelkan dengan distribusi
normal . Ciri-ciri kurvanya adalah sebagai berikut:
Bersifat simetris unimodal di mana = mode
Kurva bersifat log-concave (berbentuk lonceng)
Total area yang diselimuti oleh kurva pada sumbu axis =1
Mean memiliki nilai - < < dan standard deviasi > 0
Dinotasikan dengan:

N , 2

5 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012

Distribusi normal
Probability distribution function (pdf)

f x

1
e
2

1 x

Mean = median = Modus

6 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012

Distribusi normal
Commulative density function (CDF):

x
1
:
F X 1 erf di mana

2
2
2

7 Probabilitas dan Statistik

2
erf x

Elektro - UIN SUSKA

e t dt

Update : 14 Mei 2012

Distribusi normal
Gunakan fungsi excell =(NORMSINV(RAND())*5)+50 untuk membangkitkan
random variabel terdistribusi normal, sampling outcome hingga 10000 sampel dan
sajikan dalam grafik pdf nya.
Ganti fungsi excel =(NORMSINV(RAND())*15)+50 untuk grafik berikutnya

8 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012

Distribusi normal
Area integrasi normal

9 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012

Distribusi normal
Contoh soal:
Suatu rumah menggunakan layanan daya listrik 1300 watt. Pemakaian peralatan
listrik dirumah tersebut rata-rata adalah 1000 watt dengan deviasi 250 watt. Setiap
kali penggunakaan listrik lebih dari 1300 watt, maka sekering listrik akan
memutuskan arus yang mengalir di rumah tersebut.
a. Carilah kemungkinan dalam 30 hari terdapat 3 kali mati listrik akibat kelebihan
beban pemakaian.
b. Jika harga per kwh listrik adalah Rp. 1000,- , berapakah peluang pembayaran
listrik kurang dari Rp. 57600 per bulan

10 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012

Distribusi Binomial
Karakteristik distribusi Binomial (Bernoulli trial):
Terdapat n kali observasi dimana setiap observasi bersifat identik dan
independent
Jumlah outcome adalah 2, misalkan sukses dan gagal. Peluang event a adalah p
dan peluang event b adalah 1 p ; untuk setiap observasi yang dilakukan.
Contoh pasangan event adalah:
Sukses dan gagal
Jawaban yes dan no
Laki-laki dan perempuan
Sempurna dan error
Peluang sukses dan gagal untuk setiap observasi adalah konstan.
Grafik p.m.f bersifat unimodal (skew atau simetris)
Di notasikan dengan b( x, n, p)
Jika terdapat 2 outcome dengan peluang munculnya event adalah p dan peluang
tidak munculnya event adalah q = 1 p, dilakukan sebanyak n kali observasi,
maka peluang munculnya event tersebut adalah:

11 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012

Distribusi Binomial
Definisi: jika terdapat n kali observasi, dimana peluang setiap kesuksesan adalah p
dan peluang setiap kegagalan adalah q = 1-p, maka peluang untuk x kali sukses
adalah:
n!

p x

x! n x !

p x q n x

Jumlah kombinasi
outcome dimana terdapat
x kali sukses jika
dilakukan n kali observasi

Probabilitas dari x kali


sukses diantara n kali
observasi untuk setiap
urutan kombinasi

Nilai Ekspektasi dan standard deviasi


n

x 0

x 0

n x n x
p q n p
x

E x xp x x

Besaran posisi: Nilai standar Z

12 Probabilitas dan Statistik

n pq

x
p
x x n p
n
z

n pq
pq
n

Elektro - UIN SUSKA

Update : 14 Mei 2012

Distribusi Binomial
Fungsi probabilitas (pmf) dan Kumulatif (CDF):

P X x p 0 p1 p 2 p x 1
p(3) = 0.3125

P(X3) = 0.3125

13 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012

Distribusi Binomial
Kurva pmf dengan program excel
Gunakan fungsi: =BINOMDIST(x,6,0.5,FALSE)
Lakukan untuk p =0.25 dan p = 0.75

14 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012

Distribusi Binomial
Contoh soal
Dalam suatu penelitian, diketahui bahwa bit error rate (BER) kanal radio adalah 10-2.
Jika dikirimkan sinyal informasi dengan jumlah 1000 frame di mana 1 frame terdiri
dari 1000 bit.
a. Berapakah peluang bahwa 1000 bit error selama transmisi
b. Jika sinyal dikirim per frame, berapakah peluang 100 frame error

15 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012

Distribusi poisson
Penurunan persamaan
Transformasi dari suatu deret eksponensial dimana n sangat besar

1
1

Lt
n
n

1 1 1 1
1
1 e
1! 2! 3! 4!
n!

1
Ketika
di ganti
dengan
2 1/:
3
1/n

Lt 1 n

4
n
1
e
1! 2! 3! 4!
n!

1 2 3 4
n
1 ejika edi konversi
e 1 balik di dapatkan:

Dan
1! 2! 3! 4!
n!

r
p r e
r!

Sehingga definisi poisson didapatkan ketika n cukup besar maka


16 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012

Distribusi poisson
Contoh soal

17 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012

Fakta penggunaan distribusi


Jika data set dengan n cukup besar sehingga n.p > 5 dan n.q >5, maka distribusi
normal akan memberikan nilai pendekatan yang lebih baik
Jika data set dengan dengan yang kecil dan p dan q bukanlah event yang sukar
muncul di mana n.p dan n.q >5, maka distribusi binomial dapat digunakan. Jika data
set n cukup besar, maka distribusi normal merupakan pendekatan yang lebih baik
untuk kasus tersebut
Jika data set besar (n>50) dan probabilitas event jarang terjadidi mana mean dari
distribusi n.p < 5, maka dapat dimodelkan dengan poisson.

18 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012

Distribusi uniform (diskrit)


Karakteristik:
Finite possible value: memiliki range yang terbatas dan diskrit
Equal probability: masing-masing outcome memiliki probabilitas yang sama
Constant probability: probabilitas masing-masing outcome adalah konstan

f xi 1/ n

Definisi
Mean

i 1,2, ,n

b 2
2
b a 1 2 1
2

12

E X

Variansi
f(x)
0.1

19 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012

Distribusi uniform (diskrit)

f xi 1/ n

i 1,2, ,n
b 2
E X
2

20 Probabilitas dan Statistik

Elektro - UIN SUSKA

Update : 14 Mei 2012