DISTRIBUSI PELUANG
Dr. Auditya Purwandini Sutarto
Variabel
Random
Tipe Variabel
Random
Distribusi
Probabilitas
Distribusi
Diskrit
Distribusi
Kontinu
Topik
1. KonsepVariabel Random
2. Distribusi Probabilitas untuk Variabel
Random Diskrit
Distribusi Binomial
Distribusi Poisson
Distribusi Hipergeometrik
Distribusi Normal
Topik
7. Metode Deskriptif untuk Menilai
Normalitas
8. Mengakprosimasi Distribusi Binomial
dengan Distribusi Normal
9. Distribusi Uniform dan Eksponensial
Tujuan Pembelajaran
1. Memahami definisi dan konsep variabel random
2. Mampu membedakan nilai pengamatan termasuk
variabel random diskrit atau kontinu
3. Memahami beberapa distribusi probabilitas
variabel random diskrit dan kontinu
KONSEP VARIABEL
RANDOM
Variabel Random
Variabel random (acak) adalah suatu fungsi bernilai
numerik yang didefinisikan untuk seluruh ruang sampel.
Contoh: ruang sampel untuk kemungkinan hasil jika 3
spesimen diuji
S = {BBB, BBC, BCB, CBB, BCC, CBC, CCB, CCC}, B
baik & C cacat
Umumnya minat pada banyaknya cacat yang terjadi
yang dapat bernilai 0, 1, 2, atau 3. Nilai ini kuantitas
random yang ditentukan oleh hasil eksperimen.
Nilai-nilai ini diasumsikan sebagai variabel random, X,
yaitu banyaknya item spesimen yang cacat dalam
pengujian.
Variabel Random
Penggunaan huruf besar, misal X, untuk menyatakan
suatu variabel random dan huruf kecil x untuk nilainilainya. Dalam ilustrasi diatas, variabel random X
mengasumsikan nilai 2 untuk semua elemen dalam
subset
E = {CCB, CBC, BCC}
dari ruang sampel S (mengandung Cacat sebanyak dua
buah). Setiap kemungkinan nilai X merepresentasikan
suatu kejadian yang merupakan suatu subset dari ruang
sampel untuk suatu eksperimen yang diberikan.
Variabel Random
Variabel random dapat dibedakan menjadi dua
Variabel
Random
Diskrit
Variabel
Random
Kontinu
Variabel Random
Menginspeksi 70 produk
Banyaknya cacat
Menjawab 30 pertanyaan
Variabel Random
Berat
DISTRIBUSI PROBABILITAS
VARIABEL RANDOM DISKRIT
1/4 = .25
2/4 = .50
1/4 = .25
Visualisasi Distribusi
Probabilitas Diskrit
Mendaftar
Tabel
# Tails
f(x)
Count
p(x)
0
1
2
1
2
1
.25
.50
.25
Grafik
p(x)
.50
.25
.00
Formula
x
0
p (x ) =
# = Banyaknya
n!
px(1 p)n x
x!(n x)!
s = s2
p(x)
x p(x)
xm
.25
1.00
1.00
.25
.50
.50
.25
.50
1.00
1.00
.25
m = 1.0
(x m) (x m) p(x)
s = .50
s = .71
Contoh
Pengiriman 20 tipe laptop yang sama ke satu toko ritel
tertentu berisikan 3 buah produk cacat. Jika suatu
sekolah membeli 2 laptop dari toko ini, carikah
distribusi probabilitas untuk banyaknya laptop yang
cacat.
Misalkan X adalah variabel random yang nilai-nilai xnya merupakan kemungkinan banyaknya laptop cacat
yang dibeli sekolah tersebut. Nilai x yang mungkin
adalah 0, 1, dan 2.
3 17
0 2
68
f 0 ) = P X = 0 ) = =
95
20
2
3 17
1 1
51
f 1) = P X = 1) = =
190
20
2
3 17
2 0
3
f 2 ) = P X = 2 ) = =
190
20
2
f(x)
68
95
2
51
190
3
190
Contoh
Seorang penjaga penyimpanan barang mengembalikan
tiga helm yang telah diberi nama pemilik pada tiga
karyawan secara acak. Jika Smith (S), Jones(J), dan
Brown(B), menerima satu dari tiga topi, daftarlah ruang
sampel untuk berbagai kemungkinan urutan helm yang
dikembalikan.
Carilah ruang sampel dan nilai m untuk variabel random
M yang menyatakan kesesuaian dengan pemiliknya.
Buatlah tabel distribusi peluangnya.
Carilah distribusi probabilitas kumulatifnya
SJB
SBJ
JSB
JBS
BSJ
BJS
P (M = m)
1
3
1
2
1
6
0 untuk m 0
1
untuk 0 m 1
3
F m ) =
5 untuk 1 m 3
6
1 untuk m 3
Latihan Soal
Dalam pelemparan dua
koin, kita tertarik
menghitung banyaknya ekor
(tails). Berapakah nilai
harapan, variansi, dan
deviasi standar dari
variabel random X, yaitu
banyaknya ekor?
DISTRIBUSI PROBABILITAS
VARIABEL RANDOM KONTINU
Pa X b ) = f x )dx
a
Definisi
Fungsi f(x) adalah fungsi densitas probabilitas untuk
variabel random kontinu X, didefinisikan pada bilang
real , jika
1. . f x ) 0, untuk semua x
2. .
f x )dx = 1,
3. .
Pa X b ) = f ( x)
a
Contoh
Kesalahan pengukuran temperatur dinyatakan dengan
variabel random X dengan fungsi densitas yang
didefinisikan sebagai berikut
x2
f x ) = 3
0
1 x 2
untuk x yang lain
Jawab
1. .
x
8 1
f x )dx =
= =1
1 3
9 9
2
2. . P0 X 1) = x = 1
0 3 9
1
F x ) = P X x ) =
f t )dt
untuk x ,
Dan
Contoh
Dari contoh sebelumnya tentukan F(x) kemudian gunakan
untuk menghitung P0 X 1)
Jawab
x
x 2
Untuk -1 < x < 2
t
x3 1
F x ) = f t )dt = dt =
3
9
sehingga
x 1
0
3
x 1
F x ) =
1 x 2
9
x2
1
Untuk menghitung P0 X 1)
2 1 1
P0 X 1) = F 1) F 0) = =
9 9 9
DISTRIBUSI GABUNGAN
f x, y ) = P X = x, Y = y )
Definisi
Fungsi f (x, y) adalah distribusi peluang gabungan
atau fungsi massa peluang dari dua variabel random
diskrit X dan Y jika
1. . f x, y ) 0
2. . f x, y ) = 1
y
3. .P X = x, Y = y ) = f x, y )
Untuk daerah sembarang A dalam bidang xy,
P x, y ) A = f x, y )
y
Contoh
Dua isi ulang bolpoin diambil dari kotak yang berisi 3
warna biru, 2 warna merah, dan 3 warna hijau. Jika X
menyatakan banyaknya warna biru yang terpilih dan
Y banyaknya warna merah terpilih, tentukan
1. Fungsi peluang gabungan f(x, y)
2. P X , Y ) A dimana A adalah daerah
x, y ) | x y 1
Jawab
Nilai pasangan yang mungkin dari (x, y) adalah (0, 0),
(0, 1), (1, 0), (1, 1), (2, 0), dan (0, 2).
1. Misalkan f (0,1) menggambarkan probabilitas
sebuah bolpoin hijau, dan merah yang terpilih.
Banyaknya semua kemungkinan memilih 2 dari total
8 bolpoin adalah 8
= 28
2
= 6
1 1
f 0,1) = 6 28 = 3 14
f x, y )
0
3
28
1
9
28
3
14
3
14
1
28
Total Kolom
5
14
2
3
28
Total
baris
15
28
3
7
1
28
15
28
3
28
3
3 2
x 2 2 x y
)=
8
2
Untuk x = 0, 1, 2; y = 0, 1, 2;
dan 0 x + y 2
3
3 9
9
=
28 14 28 14
LATIHAN SOAL
f x ) = 2 x
0
0 x 1
1 x 2
untuk yang lain
f(x)
0.41
0.37
0.16
0.05
0.01
DISTRIBUSI BINOMIAL
Distribusi Binomial
Banyaknya sukses dalam suatu sampel dari
pengamatan (trial) sebanyak n
Banyaknya item yang cacat dalam suatu batch
berisikan 5 item
Banyaknya jawaban yang benar dari 30
pertanyaan saat ujia
Banyaknya pelanggan yang berbelanja dari 100
pelanggan yang masuk toko (tiap pelanggan
memiliki kesempatan sama untuk membeli)
p(3) =
5!
.53 (1 .5)53
3!(5 3)!
= .3125
.01
0.50
.99
.951
.031
.000
.999
.188
.000
1.000
.500
.000
1.000
.812
.001
1.000
.969
.049
Probabilitas Kumulatif
P(X)
1.0
.5
.0
Variansi
n = 5 p = 0.5
s = npq
.6
.4
.2
.0
P(X)
X
0
Contoh Soal
Diasumsikan seorang telemarketer
pada suatu hari berhasil menjual 20
dari 100 panggilan (p = .20). Jika ia
menelepon 12 orang hari ini,
berapakah probabilitas
A. Tidak ada penjualan?
B. Tepat 2 penjualan?
C. Paling banyak 2 penjualan?
D. Minimum 2 penjualan?
Jawab
n = 12, p = .20
A. p(0) = .0687
B. p(2) = .2835
C. p(paling banyak 2) = p(0) + p(1) + p(2)
= .0687 + .2062 + .2835
= .5584
D. p(paling tidak 2) = p(2) + p(3)...+ p(12)
= 1 [p(0) + p(1)]
= 1 .0687 .2062
= .7251
Penjumlahan Binomial
(Binomial Sums)
Terkadang kita perlu memecahkan masalah
untuk menemukan P ( x< r) atau P (a X b)
r
B r ; n, p ) = b x; n, p )
x =0
Contoh Soal
Probabilitas seorang pasien sembuh dari penyakit
darah langka adalah 0,4. Jika 15 orang diketahui
terkena penyakit ini, maka berapa probabilitas
- Paling sedikit 10 orang mampu bertahan
- Antara 3-8 orang survive
- Tepat 5 orang survive?
Tabel Binomial
(Lampiran A1 Walpole, 2013)
Jawab
DISTRIBUSI HIPERGEOMETRI
Distribusi Probabilitas
Hipergeometrik
k N k
n n x
h( x; N , n, k ) =
,
N
n
x = 0, 1, 2,, n
nr
m=
N
Variansi
r N r )n N n )
s =
2
N N 1)
2
Contoh Soal
Setiap lot sebanyak 40 komponen dikatakan
tidak lolos jika ditemukan produk cacat
sebanyak 3 atau lebih. Suatu rencana sampling
dilakukan dengan memilih 5 komponen secara
acak dan menolak lot tersebut jika 1 produk
cacat ditemukan. Berapakah peluang tepat 1
cacat ditemukan dalam sampel jika terdapat 3
produk cacat di keseluruhan lot?
Jawab
Dengan menggunakan distribusi hipergeometri
dengan n = 5, N = 40, k = 3, dan x = 1, peluang
menemukan tepat 1 cacat adalah
3 37
1 4
h1; 40, 5, 3) =
= 0.3011
40
5
DISTRIBUSI POISSON
Distribusi Poisson
1. Banyaknya kejadian yang terjadi dalam
interval /selang
kejadian per unit
Waktu, panjang, area
2. Contoh
Banyaknya pelanggan yang datang dalam 20
menit
Banyaknya gol dalam suatu liga sepakbola per
tahun.
Banyaknya mesin pabrik yang rusak dalam
satu hari
Karakteristik Variabel
Random Poisson
1. Percobaan terdiri dari menghitung banyaknya sukses yang terjadi
dari suatu kejadian khusus yang terjadi selama suatu unit waktu
tertentu, atau dalam suatu area atau volume tertentu (atau berat,
jarak, atau sembarang unit pengukuran)
2. Probabilitas bahwa suatu kejadian terjadi dalam suatu unit
pengukuran tertentu adalah sama untuk seluruh unit
3. Banyaknya kejadian yang terjadi dalam satu unit pengukuran
independen terhadap banyaknya kejadian yang terjadi dalam
unit-unit lain.
4. Rataan (atau harapan) banyaknya kejadian dalam suatu unit akan
dinotasikan dengan huruf Yunani,
t )
x!
( x = 0, 1, 2, ...)
2.71828 . . .
X
0
10
X
2
.3
.2
.1
.0
P(X)
s = t
=6
Variansi
2
m = t
.8
.6
.4
.2
.0
Rataan
P(X)
Jawab
Dalam kasus ini t =5 dan x = 8, dengan menggunakan
tabel distribusi Poisson diperoleh
p (8; 5) =
5)8
8!
x =0
x =0
Soal
Seorang karyawan administrasi
bertugas memasukkan 75 kata
per menit dengan 6
error/kesalahan per jam.
Berapakah probabilitas ia
membuat 0 kesalahan dalam
255 transaksi kata yang dibuat?
Jawab: (Menentukan *
terlebih dahulu)
75 kata/menit = (75 kata/menit) =
= 4500 kata/jam
p ( x) =
x!
.34 )
p(0) =
0!
-.34
= .7118
DISTRIBUSI PROBABILITAS
VARIABEL RANDOM KONTINU
DISTRIBUSI UNIFORM
jika a x b
yang lain
Contoh
Sebuah ruang konferensi dapat disewa untuk
rapat yang lamanya tidak lebih dari 4 jam.
Misalkan X adalah variabel random yang
menyatakan waktu rapat, yang berdistribusi
seragam.
Tentukan fungsi densitas peluang X.
Tentukan peluang suatu rapat berlangsung 3
jam atau lebih.
Jawab
a = 0, b = 4,
sehingga
P X 3) =
1
,
f x ) = 4
0,
0 x4
x lainnya
1
1 x=4 4 3 1
dx = x | x =3 = =
4
4
4 4 4
SODA
Distribusi Uniform
1
1
=
d c 12.511.5
1
= =1.0
1
f(x)
1.0
x
11.5 11.8
12.5
DISTRIBUSI NORMAL
Distribusi Normal
1. Bell-shaped &
simetris
f(x )
2. Rataan, median,
modus sama
x
Rataan
Median
Modus
1
2s
2
x
)
2
- x
P( x1 X x 2 ) =
x2
1
1 2 ) x m ) s 2
e
dx
s 2 x1
Setiap distribusi
memerlukan tabel sendiri
f(x)
Banyaknya tabel
tak hingga!
Membawa ke bentuk
Standar/Baku
Distribusi Normal
z=
xm
Distribusi Normal
Baku
s=1
m= 0
- 1.85
0.78
Contoh Soal
Di bagian pengendalian kualitas GE
usia bola lampu diasumsikan
berdistribusi normal dengan m = 2000
jam dan s = 200 jam. Berapakah
probabilitas suatu bola berusia
(menyala selama)
A. Antara 2000 dan 2400
jam?
B. Kurang dari 1470 jam?
xm
2400 2000
=
= 2.0
200
Distribusi Normal
Distribusi Normal
Baku
s = 200
s=1
.4772
m = 2000 2400 x
m=0
2.0
xm
1470 2000
=
= 2.65
200
Distribusi Normal
Distribusi Normal
Standar
s = 200
s=1
.5000
.0040
1470
m = 2000
.4960
2.65 m = 0
Contoh Soal
Suatu pesanan kain tekstil dari pembeli kain katun
dengan spesifikasi tiap rol kain yang diinginkan
memiliki panjang 10 0.01 meter. Rol kain yang
tidak kategori tersebut tidak diterima pembeli.
Diketahui proses produksi rol kain tersebut
berdistribusi normal dengan rataan =10 dan standar
deviasi =0.005. Secara rata-rata berapa banyak
produksi rol kain yang ditolak?
Jawab
Distribusi panjang rol kain ditunjukkan dalam
gambar. Nilai z yang berpadanan untuk x1 = 9.99 dan
x2 = 10.01 adalah
z1 =
xm
9.99 10
=
= 2.00
0.005
z2 =
xm
10.01 10
= 2.00
0.005
Continuity Correction
Misalkan X adalah variabel random binomial
dengan parameter n dan p. Untuk n yang
cukup besar X mendekati distribusi normal
dengan = np dan 2= npq = np(1- p) dan