DISTRIBUSI PROBABILITAS

Variabel Random:
Diskrit : digunakan untuk data cacah
Kontinu : digunakan untuk data ukur
Distribusi Probabilitas variabel random diskrit :
Binomial, Hipergeometrik, Poisson
Distribusi Probabilitas variabel random kontinu :
Normal, t, F
1

Distribusi Binomial

Gabungan dari n kejadian bernoulli yang saling

independen
Kejadian bernoulli : Suatu kejadian dengan dua
hasil yang mungkin :
Sukses (S) : peluang p atau
Gagal (G) dengan peluang 1-p
Diperhatikan var random X = banyaknya
sukses dalam n trial

Var Rand Binomial

Diperhatikan

X = banyaknya S dalam n trial ;

Harga X yang mungkin : 0,1,2,,n

Ada x kejadian sukses dengan

peluang px dan n-x kejadian
sukses,
gagal dengan peluang (1-p)n-x
n x nx
f ( x ) P(X x ) p q
, x 0,1,..., n
x

Lambang

X~Bin(n;p)

n parameter banyaknya percobaan

P adalah parameter peluang sukses
~ simbol untuk distribusi

E(X) = np ; rata-rata (mean) nilai

X
V(X) = npq ; besarnya variansi
4

Contoh

Dari lima saham yang diperdagangkan

berapakah peluang :

Tepat saham A dan B akan naik

Lebih dari 3 saham naik

X = jumlah saham naik ; p = 0.5 (fifty-2)

X~Bin(5;0.5) ; E(X) = 2.5
5 2 3

P(2 saham naik )

f= 2 0.5 0.5
P(X>=3) = 1-P(X<=2)
2
Memakai tabel binomial kumulatif
5

Contoh : jika diamati 15 orang mahasiswa, berapakah probabilitas

mendapat 9 orang dengan nilai A ? Berapakah rata yang mendapat
nilai A ?
Dengan menunjukkan bahwa
X = banyaknya yang mendapat nilai A
adalah variabel random binomial dengan n = 15 dan p =
9
15 1 4
f (9) P(X 9)
9 5 5
9

1
5

159

15! 1 4

9! 6! 5 5
P X 9 P( X 8)
...

dihitung langsung

menggunakan tabel distribusi binomial

np
1
15 .
5

Distribusi Hipergeometrik

Misalkan ada sebuah populasi berukuran N

di antaranya terdapat D buah termasuk
kategori tertentu. Dari populasi ini sebuah
sampel
acak
diambil
berukuran
n.
Pertanyaan yang timbul ialah : berapa
peluang dalam sampel itu terdapat x buah
termasuk dalam kategori itu ?Jawabnya
ditentukan oleh
Ddistribusi
N D hipergeometrik di

bawah ini :
x
nx
P( X )

Distribusi Hipergeometrik
Dengan x = 0, 1, 2, ,n . Rata-rata
distribusi hipergemetrik adalah = n D/N
Contoh :
Sekelompok mahasiswa terdiri atas 50 orang dan
3 diantaranya lahir pada tanggal 1 Januari.
Secara acak diambil 5 orang. Berapa peluangnya
diantara 5 orang tadi :
a. Tidak terdapat yang lahir pada tanggal 1
Januari.
b. Terdapat tidak lebih dari seorang yang lahir
pada tanggal 1 Januari
8

Penyelesaian :
a.

Ambil x = banyak orang diantara n = 6

yang lahir pada tanggal 1 Januari. Maka
dengan N = 50 dan D = 3, memberikan :
3 47

0 5

P ( 0)
0.724
50

Peluang = 0.724 bahwa kelima orang itu

tidak lahir pada tanggal 1 Januari.
9

Penyelesaian :
b.

Tidak lebih dari seorang yang lahir pada

tanggal 1 Januari, berati x = 0 dan x = 1.
P(0) sudah dihitung di atas.
3 47

1
4
P (1)
0.253
50

Sehingga peluang paling banyak seorang

diantara 5 orang itu yang lahir pada
tanggal 1 Januari = 0.724 + 0.253 = 0.977.
10

Distribusi Poisson

Variabel
acak
diskrit
X
dikatakan
mempunyai distribusi Poisson jika fungsi
peluangnya berbentuk :
ex
P ( X ) P ( X 0)
x !

Di mana x = 0, 1, 2, 3, , e =
2.7183
(baca : lamda) = sebuah bilangan tetap.
Distribusi Poisson ini juga mempunyai
parameter sebagai berikut : =
dan

=
11

Distribusi Poisson
Distribusi Poisson sering digunakan untuk
menentukan peluang sebuah peristiwa yang
dalam area kesempatan tertentu diharapkan
terjadinya sangat jarang.
Contoh :
a. Banyak orang yang lewat melalui muka pasar
setiap
hari, tetapi jarang terjadi seseorang
yang
menemukan
barang
hilang
dan
mengembalikannya kepada si pemilik atau
melaporkannya kepada polisi.
b.
Dalam tempo setiap 5 menit, operator
telepon banyak menerima permintaan nomor
untuk
disambungkan, diharapkan
jarang
12
sekali terjadi salah sambung.

Dist Poisson

Contoh

Var X~Pois()
x e
f ( x; )
; x 0,1,2,...
x!

X = jumlah
kejadian tertentu
dalam satuan unit
waktu atau ruang
= rata-rata
kejadian
E(X) = V(X) =

Banyaknya
telepon dalam
periode ttt
Banyaknya
pelanggan pada
counter
Banyaknya
kcelakaan
Banyaknya mesin
rusak
dll
13

Contoh

Rata-rata banyaknya kecelakaan disuatu

persimpangan jalan raya adalah 2 perminggu.
Anggap mengikuti poisson
Peluang tidak ada kecelakaan selama 1 minggu

Peluang paling banyak 3 kecelakaan dlm 2

minggu
0 2

P ( X 0)

2 e
0!

0,135

P(X 3) P(X 0) ... P(X 3)

0,433
14

Distribusi Poisson

Distribusi Poisson dapat pula dianggap sebagai

pendekatan kepada distribusi binomial. Jika
dalam hal distribusi binomial, N cukup besar
sedangkan p = peluang terjadinya peristiwa A,
sangat dekat dengan nol sedemikian sehingga
= Np tetap, maka distribusi binomial seperti
dalam rumus tersebut sangat baik didekati
oleh distribusi Poisson seperti yang tertera
dalam rumus.
Untuk
penggunaannya,
kita
lakukan
pendekatan ini jika N 50 sedangkan Np < 5.
15

CONTOH
Peluang seseorang akan mendapat reaksi buruk
setelah disuntik = 0.0005. Dari 4000 orang yang
disuntik, tentukan peluang yang mendapat
reaksi buruk :
a. tidak ada
b. ada 2 orang
c. lebih dari 2 orang dan
d. tentukan ada berapa orang diharapkan yang
akan mendapat reaksi buruk.

16

Penyelesaian :
a. Dengan
menggunakan
pendekatan
distribusi
Poisson
kepada
distribusi
binomial, maka = Np = 4000 x 0.0005 =
2.
Jika X = banyak orang yang mendapat
reaksi buruk akibat suntikan itu, maka :

e 2 20
P ( 0)
0.1353
0 !

17

Penyelesaian :
b.

Dalam hal ini X = 2, sehingga :

e2 22
P(2)
0.2706
2!
Peluang ada 2 orang mendapat reaksi
buruk ialah 0.2706.

18

Penyelesaian :
c.

Yang menderita reaksi buruk lebih dari 2

orang, ini berarti X = 3, 4, 5,tetapi P(0)
+ P(1) + P(2) + P(3) + .= 1, maka
P(3) + P(4) + .= 1 P(0) P(1) P(1)
P(2).
Harga-harga
P(0) dan P(2) sudah dihitung di
2 1
e 2
atas.
P (1)
0.2706
1!
Sehingga peluang dicari adalah =
1 (0.1353 + 0.2706 + 0.2706) = 0.3235.
19

Penyelesaian :
d.

Ini tiada lain yang diminta adalah dalam

menentukan rata-rata , di atas sudah
dihitung yaitu = 2

20