343 Diktat SI (B)
343 Diktat SI (B)
1. Distribusi Seragam
Misalkan x mengalami harga-harga x1 , x 2 , , x k
x dikatakan mempunyai distribusi seragam bila
1
f ( xi ) , i = 1, 2, 3, … , k
k
X1 X2 X3 XK
Contoh:
Sebuah dadu dilontarkan sekali; x = mata dadu yang tampak
x = 1, 2, 3, 4, 5, 6
1
f ( x) , x = 1, 2, 3, 4, 5, 6
6
1
f ( x) , x x1 , x 2 , x3 , , x k
k
x1 x 2 x3 x k
Ex
k
k
= x
i 1
i
(tidak bisa dirumuskan)
k
2. Distribusi Binomial
Usaha Bernoulli: suatu eksperimen yang hasilnya kita klasifikasikan sebagai S
(sukses) dan G (gagal) dengan P ( S ) p dan P (G ) q 1 p
Contoh:
1. Ujian pilihan ganda (4 pilihan).
Memilih mendapat jawaban benar
1 3
P( S ) dan P (G )
4 4
2. Pengertian sukses relatif
Penyelundup barang illegal masuk sukses
Pabean barang illegal masuk gagal
n! 1 2 3 n
0! 1
1! 1
2! 1 2
C
n
r
n
r
n!
r!( n r )!
1 1
a b 1 a b a1b 0 a 0b1
0 1
2 2 2
a b 2 a 2 2ab b 2 a 2b 0 a1b1 a 0b 2
0 1 2
a b 3 a 3 3a 2b 3ab 2 b 3
3 3 3 3
a 3b 0 a 2b1 a1b 2 a 0b 3
0 1 2 3
n n n n
a b n a nb 0 a n 1b1 a n 2b 2 ........... a 0b n
0 1 2 n
Usaha Bernoulli
P(S) = P P(G) = g=1-p
Usaha Bernoulli kita ulang sebanyak 3 kali secara independent (n = 3)
X = banyaknya sukses
3
X = 0 GGG P(X = 0) = g3 = 0 p g
0 3
3
X = 1 SGG = pg2 P(X = 1) = 3pg2 = 1 p g
1 2
GSG = pg2
GGS = pg2
3
P(X = 2) = 3p2g = 2 p g
2 1
X = 2 SSG = p2g
SGS = p2g
GSS = p2g
3
X = 3 SSS = P(X = 3) = p3 = 3 p g
3 0
3 3 3 3 3 6
P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) = 0 p g 1 p g 2 p g p g
0 3 1 2 2 1
3
= (p + g)3 = 13 = 1
Secara umum
Usaha Bernoulli kita ulang sebanyak u kali secara independent
X menyatakan sukses
n n x
F(X) = P(X = X) = x p g X 0,1,2,....n
x
n
n!
= X . x!(n x)!
x 1
px g n x
n
n!
= ( x 1)!(n x)!
x 1
px g n x
n
( n 1)!
= n.p p x g n 1 ( x 1)
x 1 ( x 1)!( n 1 ( x 1)!
y = x-1
x = 1 => y = 0
x = n => y = n – 1
n 1
( n 1)!
= n.p y!(n 1 y )!
y 0
p y g n 1 y
= n.p (p + g)n -1
= n.p(1)n -1
= np
DISTRIBUSI BINOMIAL
f x n p x q nx ; x = 0, 1, 2, …. n
x
Probabilitas suatu barang elektronik tahan guncangan pada waktu pengiriman adalah 0,9.
Tentukan probabilitas dari kiriman 10 barang elektronik, 8 diantaranya masuk dalam
keadaan baik.
P ( S ) 0,9 P (G ) 0,1 n = 10 x=8
10 10!
P ( x 8) (0,9) 8 (0,1) 2 (0,9) 8 (0,1) 2 0,19
8 8! 2!
DISTRIBUSI GEOMETRIK
G G G …… G G S
e x
Maka f ( x) P( x x) , x = 0, 1, 2, …
x!
= parameter
x E (x)
Var (x) = x 2
diperlukan
tabel
8000
P ( x 7) 7 0,001 7 0,999 80007
e 8 (8) 7
Maka f ( x ) P( x 7)
7!
0 100
x disebut variabel random kontinu bila x mengalami harga-harga kontinu pada suatu selang
atau interval.
x diskrit: bila dapat menyusun fungsi distribusi probabilitas, atau fungsi massa probabilitas
dalam suatu tabel.
Untuk x kontinu kita tidak mungkin membuat daftar atau tabel demikian. Tetapi ada fungsi
f(x) yang disebut fungsi kepadatan probabilitas yang fungsinya menyerupai fungsi massa
probabilitas untuk kasus diskrit.
(d.) P ( a x b ) = P ( a x b) P ( a x b)
= P ( a x b) a f ( x) dx
b
P( x a) = a b f ( x)dx 0
Contoh:
Buktikan bahwa
x 2 3 1 x 2
f ( x)
0 untuk x yang lain
Meupakan fungsi kepadatan probabilitas dan hitunglah P (0 x 1)
f ( x) 0
f ( x) dx = 1 f ( x)dx + 1 2 f ( x)dx + f ( x) dx
x2
=0+ 1 2 dx + 0
3
1
2
1 3
= x = 8 ( 1) 3
9 1 9
9
= =1
9
x2 1 3
1
1
P (0 x 1) = 0
1
dx = x =
3 9 0 9
Deviasi standar atas adalah akar positif dari variasi seperti dalam kasus diskrit berlaku:
2 = E ( x) 2 E ( x)
2
Bukti:
2 = E x 2
x f ( x)dx
2
=
=
x 2 2 x 2 f ( x) dx
= x 2 f ( x )dx – 2 x f ( x )dx + 2 f ( x) dx
= E ( x) 2 2 2 2
= E ( x 2 ) E ( x) 2
Dimana:
2 x f ( x )dx =
2 f ( x) dx = 1
Contoh:
Tentukan dan 2 dari distribusi pada contoh diatas!
1 3 1
2
1 x f ( x ) dx =
2
= E (x ) + 1
2
x dx = x4
3 3 4 1
1
= 16 1 = 15 = 5 = 1,25
12 12 4
1 2 1 1
2
1 x dx = 1 2 x 4 dx =
2
E(x 2 ) = x2 x5
3 3 35 1
1
= 32 1 = 33 = 11
15 15 5
11 5
2
11 25 176 125 51
2
= E ( x ) E ( x)
2 2
= = = =
5 4 5 16 80 80
BEBERAPA DISTRIBUSI KHUSUS (KONTINU)
1. Distribusi Seragam
Variabel random kontinu x dikatakan mempunyai distribusi seragam (uniform) dalam
1
(a,b) bila f ( x) , a xb
ba
2. Distribusi Eksponensial
x dikatakan mempunyai distribusi eksponensial bila
1 x
f ( x) , 1 0
0 untuk x yang lain
Distribusi eksponensial ini banyak dipakai untuk memodelkan tahan hidup
(keandalan) berbagai komponen seperti bola lampu, alat-alat elektronik, dan
sebagainya.
x
E (x ) = x
0
f ( x ) dx
1 x
= 0 e dx
x x x
= x de = x e
0
+ e
0
dx
0
x x
= d e = e =
0 0
1 x
2e
f ( x) , x0
E (x ) = =
2 = E ( x 2 ) 2 2
Contoh:
Misalkan daya tahan suatu komponen dinyatakan dalam variabel random x yang
mempunyai distribusi eksponensial dengan rata-rata sama dengan 5. Tentukan
probabilitas bahwa komponen itu akan berfungsi pada akhir tahun kedelapan atau
P ( x 8)
E (x) ==5
1 x
5e
Jadi f (x) = 5 , x0
1 x
P ( x 8) = 8 5 e 5 dx
x 8
1, 6
= e
8
=
e 5 = e 0,2
Distribusi yang lebih umum dari distribusi eksponensial untuk menyatakan ketahanan
suatu benda adalah distribusi weibull.
x dikatakan mempunyai distribusi weibull bila:
x
f (x) = x 1
e , x0
1 1
E (x ) = 3
P1
2
2 1
2
Var (x) = 3
P1 P1
x n 1
P(n) = e
0
x dx
Khusus 1
f (x) = x
distribusi eksponensial
3
1 2
3. Distribusi Normal
Distribusi yang paling penting dalam statistika adalah distribusi normal karena
kebanyakan data dapat dimodelkan sebagai distribusi normal.
x dikatakan mempunyai distribusi normal bila:
2
1 1 x
f (x) =
2
e 2
Sifat-sifat:
E (x ) =
Var (x) = 2
x
0
5
kecil
besar
3
1 2
Notasi:
Bila x mempunyai distribusi normal dengan mean dan variasi 2 maka x ditulis:
x N , 2
Khusus 0 dan 1 maka distribusi normal disebut distribusi normal standar dan
distribusi notasi Z.
Z N (0, 1)
Tersedia tabel probabilitas distribusi normal standar. Lihat tabel 4 luas dibawah
kurva normal akan dicari P Z z
0
z 0,49 0,3121
-0,49
Dibawah z
Z= disebelah kanan z
2,34
z 1,45 1 z 1,45
1 0,9265
0,0735
0 1,45
1,27 z 1,65
z 1,65 z 1,27
0,9505 0,1020
0,8485
-1,27 1,65
Mencari kembali
Diketahui prababilitas akan dicari harga z yang bersesuaian.
Contoh:
Temtukan z agar P ( z Z z ) = 0,90
P ( z Z z ) = P (0 Z z )
= 0,45
P( z Z ) = P ( z 0) P ( 0 Z z )
= 0,5 + 0,45
= 0,95
0,90
-z z
0,04 0,05
. .
1,6 ………... ………... 0,9495 ………... ………... 0,9505
1,64 1,65
z yang bersesuaian = 2
1,645
x N ( , 2 )
x
Dengan transformasi : Z = , maka Z N (0, 1)
a x b
P ( a x b ) = P
a b
= P z
X1 X2 Z1 0 Z2
x
Z
xz0
x1
x1 Z 1 0
x2
x2 Z 2 0
Misalkan x N(60,16)
Tentukan P 55 x 63
x x 60
Adakan transformasi Z = =
4
63 60 3
x 63 Z = = = 0,75
4 4
55 60 3
x 55 Z = = = -1,25
4 4
55 60 63 -1,25 0 0,25
60 X0
x 60
P Z Z 0 o 0,90
4
Z0 = 1,28
xo 60
= 1,28
4
Xo = 60 + 4 (1,28) = 60+ 5,12 = 65,12
0,08
……….
= 23 4 3
3
Diambil sampel random berukuran:
Sampel x
(2,2) 2
(2,3) 2,5
(2,4) 3
(3,2) 2,5
(3,3) 3
(3,4) 3,5
(4,2) 3
(4,3) 3,5
(4,4) 4
Sampel berukuran 2
(2,2) x 2
(2,3) x 2,5
(2,4) x 3
(4,4) x 4
x
2
x2
n
x x
Z Z
x
n
Sifat-sifat distribusi sampling harga mean.
Misalkan kita mempunyai populasi dengan mean dan variasi 2 . Diambil sampel
random berukuran n.
Maka:
1. x
2
2. 2 x x disebut standar error atau galat standar dari x
n n
3. Bila populasi mempunyai distribusi normal maka x juga mempunyai distribusi normal.
4. Apapun bentuk distribusi populasi bila ukuran sampel n 30 maka x mempunyai
distribusi normal. Hasil terakhir ini dikenal sebagai teorema limit pusat.
Contoh:
1. Dari suatu populasi diketahui bahwa 82 dan 12 . Dari populasi tersebut
diambil sampel random berukuran n 64 . Tentukan P (80,8 x 83,2)
x 80,8
N ( x ; 82
2
x) 83,2 X Z
144
Karena n 61 30 maka teorema limit pusat berlaku atau x N (82 ; ) atau
64
12
x 1,5
8
P (80,8 x 83,2)
80,8 82 x 82 83,2 82
= P
1,5 1,5 1,5
1,2 1,2
= P Z = P ( 0,8 Z 0,8)
1,5 1,5
= P ( Z 0,8) P ( Z 0,8)
= 0,7881 – 0,2119
= 0,5762
0 Z
25
= P Z P ( Z 25)
10
= 0,0062
2 x
x N , Z N (0,1)
n
n
x
P Z Z = 1–
2 2
n
atau
P x Z xZ = 1 –
2 n 2 n
(1- )
Z Z X Z X Z
2 2 2 n 2 n
Interval x Z , xZ disebut interval konfidensi (1 – ) untuk .
2 n 2 n
. Untuk n 30 bila tidak diketahui maka bisa kita dekati dengan deviasi standar
x x
2
i
sampel S = i 1
n 1
Contoh:
Mean dari deviasi standar indeks prestasi 36 mahasiswa adalah 2,6 dan 0,3. tentukan
interval konfidensi 95% untuk indeks prestasi seluruh mahasiswa.
(1 – ) 100% = 95%
= 0,05
= 0,025
2
0,025 0,025
Ukuran sampel n 30
x
Bila populasi mempunyai distribusi normal maka t S n
mempunyai distribusi t
t ;n 1 t ;n 1
2 2
x
P
t 2 ; n 1 S t ; n 1
= 1–
n 2
Contoh :
Tujuh botol yang mirip masing-masing berisi asam sulfat 9,8; 10,2; 10,4; 9,8; 10,0; 10,2
dam 9,6. Tentukan interval kepercayaan 95% untuk mean isi botol semacam itu bila
distribusinya dianggap normal.
9,8 9,6
x 10,0
7
V 0,10 0,025 0,005
6 2,447
t ; n 1