GEOSTATISTIK

DISTRIBUSI PELUANG

Peluang Seragam dan Tidak

Seragam

Peluang seragam : tiap variabel

mempunyai nilai peluang yang
sama
contoh : keluarnya angka 1 s/d 6
pada lemparan dadu memiliki
peluang yang sama yaitu 1/6

Peluang Seragam dan Tidak

Seragam

Peluang tidak seragam : tiap variabel

mempunyai nilai peluang yang tidak
sama
contoh : sebuah dadu diberi angka
hanya dari 1 s/d 4, yaitu dua sisi
angka 1 dan dua sisi angka 2, dan
sisi lain angka 3 dan 4, maka
peluang angka 1 dan 2 = 1/3
sedangkan angka 3 dan 4 = 1/6
1

Peluang dan
Ekspektasi

Distribusi peluang dapat dipakai

untuk meramalkan/ekspektasi
kejadian yang berhubungan dengan
fenomena tersebut.
Contoh : Dadu dilempar sebanyak 18 kali.
Peluang keluar angka 2 : (1/6)(18) = 3 kali
Peluang keluar angka genap :
(1/6+1/6+1/6)(18) = 9 kali

Distribusi Peluang

Berdasar variabelnya, distribusi

peluang dapat berbentuk diskret
dan kontinyu.
Distribusi peluang diskret didapat
untuk variabel bilangan bulat. Ex :
Jumlah sampel batuan, Jumlah lup.
Distribusi peluang kontinyu didapat
untuk variabel bilangan real. Ex :
komposisi batuan, densitas batuan.

Distribusi Peluang

Diskret :

Empiris
Binomial
Poisson

Kontinyu :

Uniform
Normal (Gauss)
Normal Standar
distribusi log normal
distribusi t-student
distribusi F-fisher
distribusi khai kuadrat

Distribusi Peluang
diskret

Distribusi empiris yaitu distribusi peluang

yang berasal dari pengamatan karakter
sampel yang mewakili suatu populasi
Distribusi Binomial (Bernoulli) yaitu
distribusi peluang yang berasal dari
serangkaian kejadian berulang yang
variabelnya hanya mempunyai dua
kemungkinan/peluang
Distribusi Poisson, yaitu distribusi peluang
yang berasal dari proses poisson. Proses
poisson berhubungan dengan kejadian
yang dapat terjadi pada ruang/waktu yang
acak, tetapi dalam interval waktu tertentu

Distribusi Peluang
diskret

Distribusi peluang yang

diturunkan dari distribusi binomial
yaitu distribusi Geometrik dan
Hipergeometrik
Distribusi peluang yang
diturunkan dari distribusi Poisson
yaitu distribusi Eksponensial

Distribusi Peluang
Empiris

Misal dari 30 sampel batuan diamati porositasnya :

Porositas (%)

Frekuensi

Frek. relatif

5/30 = 1/6

10

10

10/30 = 1/3

20

8/30 = 4/15

30

2/30 = 1/15

40

3/30 = 1/10

50 mendapatkan batuan
2
2/30 =
1/15
Peluang
<20% adalah
15/30
Jika distribusi peluang dianggap mewakili 1000
sampel yang ada, maka peluang mendapatkan
batuan <20% porositasnya = 15/30 x 1000 = 500

Distribusi Binomial

n = # trial
X= # sukses
p = probabilitas sukses pada satu trial
q = 1-p = probabilitas gagal pada satu
trial

Latihan soal

Sebuah konsultan geologi dalam

setiap pekerjaannya mempunyai
peluang selesai tepat waktu 60%.
Jika konsultan tersebut
mengerjakan proyek sebanyak 10
kali, maka berapa peluang
konsultan tersebut selesai tepat
waktu sebanyak 3 kali?

Distribusi Geometrik

Jika ingin mengetahui peluang

variabel X pertama kali terjadi
pada trial ke-y maka dipakai
distribusi geometrik.
P(y) = p.qy-1
Berapa peluang konsultan tersebut
pertama kali berhasil pada
pekerjaan ke-7?

Distribusi Poisson
z

(vt ) vt
P(X t z )
e
z!
Xt = z jumlah kejadian dalam suatu satuan
waktu
z = jumlah kejadian
vt = jumlah rata-rata kejadian per satuan waktu
e = bilangan eksponensial 2,718282

Latihan soal

Dari catatan hujan selama 40

tahun terjadi 160 kali hujan
sangat lebat, berapa peluang
terjadi 6 kali hujan sangat lebat
dalam 2 tahun?

Distribusi
Eksponensial

Distribusi eksponensial didapat dari

proses poisson dengan domain jangka
waktu, untuk terjadi kejadian berikutnya

P(X z) .e

= jumlah rata-rata waktu per kejadian

Berapa peluang hujan sangat lebat
terjadi setelah tahun pertama?