Modul 4
Modul 4
DISTRIBUSI PROBABILITAS
datanya.
Dari
ringkasan
ini
dapat
diketahui
keluarga
fixi )
fi
fi fi
sebklsmed
2
fkelasmed
))
= 3 * (mean median ) s
Untuk
distribusi
simetris,
Sebelum kita melakukan pendugaan pola distribusi dari data yang kita amati, perlu
kita pelajari terlebih dahulu fungsi Distribusi
1. Distribusi Diskrit
Distribusi prob uniform diskrit
Ciri-ciri : Setiap nilai variabel acak mempunyai probabilitas terjadi yang sama.
Discrete uniform
Probability mass function
Parameters
Support
Probability
mass function
(pmf)
Cumulative
distribution
function (cdf)
Mean
Median
Mode
N/A
Variance
Skewness
Excess
kurtosis
Entropy
Momentgenerating
function (mgf)
Characteristic
function
Contoh :
Pada sebuah dadu, peluang muncul untuk setiap mata dadu adalah 1/6,
p(x) = 1/6 untuk x = 1,2,3,4,5,6
Distribusi Poisson
Ciri-ciri :
Merupakan limit dari distribusi Binomial dengan banyaknya percobaan n relatif
besar
Poisson
Probability mass function
4
Skewness
Excess
kurtosis
Entropy
Momentgenerating
function (mgf)
Characteristic
function
Contoh :
Polisi sektor daerah A mencatat rata-rata 5 orang tertangkap dengan kasus
Narkotika setiap bulan. Hitunglah probabilitas bahwa pada bulan tertentu
antara 5 sampai 9 orang !
Distribusi Binomial
Ciri-ciri :
-
Support
Probability
mass function
(pmf)
Cumulative
distribution
function (cdf)
Mean
Median
one of
Mode
Variance
Skewness
Excess
kurtosis
Entropy
Momentgenerating
function (mgf)
Characteristic
function
Contoh :
Menurut penelitian, probabilitas seseorang untuk sembuh dari penyakit
anthrax yang diberi obat tertentu sebesar 60 %. Jika diambil 10 orang yang
terjangkit secara acak, hitunglah probabilitas tidak lebih dari 2 orang
sembuh.
Ditanya P( X 2 ) = P(X=0) + P(X=1) + P(X= 2)
Distribusi Geometri
Ciri-ciri :
-
Percobaan
bebas
dilakukan
berulang,
dapat
menghasilkan
dengan
probabilitas q = 1 p.
Geometric
Probability mass function
Parameters
success probability
(real)
Support
Probability
mass function
(pmf)
Cumulative
distribution
function (cdf)
Mean
Median
Mode
(not unique if
log(2) / log(1 p) is an integer)
1
Variance
Skewness
Excess kurtosis
Entropy
Momentgenerating
function (mgf)
Characteristic
function
(where q = 1 p)
Contoh :
Probabilitas wanita yang tidak menyetujui poligami 80 %. Tentukan
probabilitas seorang sosiolog memerlukan 3 orang wanita sampai diperoleh
wanita yang tidak setuju poligami.
2. Distribusi Kontinu
Distribusi Kontinu memiliki sifat kontinu, data yang diamati berjalan secara
berkesinambungan dan tidak terputus.
Distr probabilitas uniform kontinu
10
Uniform
Probability density function
Parameters
Support
Probability density
function (pdf)
11
Cumulative
distribution function
(cdf)
Mean
Median
Mode
any value in
Variance
Skewness
Excess kurtosis
Entropy
Moment-generating
function (mgf)
Characteristic
function
Contoh
Pada
suatu
sentra
telpon
ternyata
distribusi
pelayanan
telponnya
Distribusi Eksponensial
Exponential
12
Parameters
rate or inverse
scale (real)
Support
Probability density
function (pdf)
e x
Cumulative distribution
1 e x
function (cdf)
Mean
Median
Mode
Variance
Skewness
Excess kurtosis
Entropy
13
Moment-generating
function (mgf)
Characteristic function
Contoh :
Pada suatu sentra telpon ternyata distribusi penerimaan telponnya berdistribusi
eksponensial dengan mean = 0,1 menit.
Distribusi Normal
Distribusi Normal merupakan model yang baik untuk mendekati frekuensi dari
fenomena alam dan sosial jika sampelnya besar.
Normal
Probability density function
14
Median
Mode
Variance
Skewness
Excess
kurtosis
Entropy
Momentgenerating
function (mgf)
Characteristic
function
n
Xi fi
i 1
15
fi ( Xi x )2
i 1
Xx
s
Dengan
X :
x
s :
Contoh :
Curah hujan yang tercatat di stasiun Pengamatan Cuaca Tanjung
Selor Kalimantan Timur selama 10 tahun terakhir rata-rata mencapai
2800 mm/th dengan simpangan baku 75 mm/th. Bila curah hujan
mengikuti distribusi normal, hitunglah probabilitas curah hujan kurang
dari 2675 mm/th atau lebih dari 2900 mm/th !
Distribusi Gamma
Gamma
Probability density function
16
Parameters
shape (real)
scale (real)
Support
Probability density
function (pdf)
Cumulative
distribution
function (cdf)
Mean
Median
Mode
Variance
Skewness
17
Excess kurtosis
Entropy
Moment-generating
function (mgf)
Characteristic
function
Contoh Pendugaan pola distribusi :
Distribusi frekuensi dari permintaan distributor PT. A terhadap produk minuman B
Dari hasil diatas nilai rata-rata hampir sama dengan median, maka diduga data
berdistribusi normal.
18
SOAL :
Diberikan distribusi frekuensi Data pengamatan Produk kecap ABC pada tahun
2002
19