5

Taburan Diskret
Ujikaji statistik mengeluarkan hasil. Sebagai contoh, katakan pengilang bateri mengambil sampel rawak lima biji bateri dari sekumpulan besar untuk diuji kualitinya. Bagi setiap biji bateri yang dipilih ia ditandakan sebagai baik atau rosak. Bateri tersebut diberikan nombor 1 hingga 5 dan bateri yang rosak ditandakan sebagai D dan yang baik ditandakan sebagai G. Semua kemungkinan hasil adalah ditunjukkan di dalam Jadual 5.1. Pernyataan D 1 G2 D3 D4 G5, menandakan bateri pertama, ketiga dan keempat adalah rosak dan bateri kedua dan kelima adalah baik, merupakan satu daripada hasil yang mungkin terjadi keatas satu percubaan ujikaji ini. Di dalam bab ini kita akan menguji kebarangkalian berbagai hasil yang boleh terjadi dengan jenis ujikaji tertentu. Jadual 5.1 Semua Kemungkinan Hasil untuk Ujikaji Bateri
G1 G2 G3 G4 G5 D1 G2 G3 G4 G5 G1 D2 G3 G4 G5 G1 G2 D3 G4 G5 G1 G2 G3 D4 G5 G1 G2 G3 G4 D5 D1 D2 G3 G4 G5 D1 G2 D3 G4 G5 D1 G2 G3 D4 G5 D1 G2 G3 G4 D5 G1 D2 D3 G4 G5 G1 D2 G3 D4 G5 G1 D2 G3 G4 D5 G1 G2 D3 D4 G5 G1 G2 D3 G4 D5 G1 G2 G3 D4 G5 D1 D2 D3 G4 G5 D1 D2 G3 D4 G5 D1 D2 G3 G4 D5 D1 G2 D3 D4 D5 D1 G2 D3 G4 D5 D1 G2 G3 D4 D5 G1 D2 D3 D4 G5 G1 D2 D3 G4 D5 G1 D2 G3 D4 D5 G1 G2 D3 D4 D5 D1 D2 D3 D4 G5 D1 D2 D3 G4 D5 D1 D2 G3 D4 D5 D1 G2 D3 D4 D5 G1 D2 D3 D4 D5 D1 D2 D3 D4 D5

5.1

Taburan Diskret dan Taburan Selanjar

Di dalam ujikaji sesuatu peluang hasil yang berlaku adalah secara rawak. Pemilihan rawak lima bateri yang diterangkan dibahagian awal merupakan peluang bagi ujikaji. Mana-mana satu dari 32 kebarangkalian boleh terjadi secara rawak. Angkubah rawak ialah angkubah yang mengandungi peluang ujikaji. Sebagai contoh, katakana satu ujikaji adalah untuk mengukur ketibaan kereta dipintu tol dalam tempohmasa 30 saat. Kemungkinan hasil ialah: 0 kereta, 1 kereta, n kereta. Nombor ini (0,1,2, N) adalah nilai angkubah rawak. Katakan ujikaji lain ialah untuk mengukur masa di antara penyiapan dua tugas di

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

dalam barisan keluaran. Nilai ini adalah di dalam jeda 0 saat hingga n saat. Pengukuran masa ini adalah nilai angkubah rawak yang lain. Ini adalah dua kategori angkubah rawak: (1) angkubah rawak diskret, dan (2) angkubah rawak selanjar. Angkubah rawak ialah angkubah rawak diskret jika set semua kemungkinan nilai ialah sekurang-kurangnya finit atau boleh dibilang nombor infinit bagi kemungkinan nilai. Di dalam kebanyakan situasi statistik, angkubah rawak diskret memberikan nilai angka bulat bukan negatif. Sebagai contoh, jika enam orang dipilih secara rawak dari satu populasi dan berapa banyak daripada enam orang ini adalah kidal boleh ditentukan, angkubah rawak tersebut adalah diskret. Bilangan orang kidal yang mungkin di dalam sampel enam orang ialah 0,1,2,3,4,5, dan 6. Tidak mungkin untuk memperolehi 2.75 orang kidal di dalam kumpulan enam orang; memperolehi nilai bilangan pecahan adalah mustahil. Lain-lain contoh ujikaji yang menghasilkan angkubah rawak diskret termasuklah yang berikut: 1. Memilih 25 orang secara rawak yang meminum minuman ringan dan menentukan berapa ramai yang mengemari minuman ringan diet. 2. Menentukan bilangan kerosakan dari sekumpulan 50 barangan. 3. Mengira bilangan pelanggan yang tiba dikedai runcit di dalam tempoh masa 5-minit. 4. Mengambil sampel 100 pengundi dan menentukan berapa banyak yang memilih sesuatu parti di dalam pilihanraya yang lepas. Ujikaji terhadap bateri yang diterangkan diawal bab di atas menghasilkan taburan hasil diskret. Di dalam sebarang, terdapat samada 0,1,2,3,4, dan 5 bateri yang rosak. Adalah tidak mungkin untuk memperolehi 3.58 bateri yang rosak. Ia boleh dinyatakan bahawa angkubah rawak diskret biasanya dijanakan daripada ujikaji dimana barangan boleh dibilang. Angkubah rawak selanjar mempunyai nilai pada setiap titik di dalam satu selang. Oleh itu angkubah rawak selanjar tidak mempunyai jurang. Boleh dinyatakan bahawa angkubah rawak selanjar adalah dijanakan dari ujikaji dimana sesuatu itu diukur bukan dibilang. Sebagai contoh, jika saorang pekerja di dalam satu barisan pengeluaran dapat menyiapkan sesuatu tugas di dalam masa 3 minit 36.4218 saat atau 5 minit 17.5197 saat. Banyak senarai ukuran yang mempunyai angkubah rawak selanjar termasuklah masa, ketinggian, berat dan volum. Lain-lain contoh yang menghasilkan angkubah rawak selanjar termasuklah yang berikut: 1. Sampel kandungan nitrogen cair di dalam tangki penyimpanan. 2. Mengukur masa di antara ketibaan pelanggan dikedai runcit. 3. Mengukur panjang kereta baru.

Taburan Diskret

4. Mengukur berat bijian di dalam elevator bijian pada masa yang berlainan. Setelah data selanjar diukur dan direkodkan, ia menjadi data diskret disebabkan data dibulatkan kepada angka diskret. Oleh itu di dalam amalan sebenar, biasanya semua data perniagaan adalah diskret. Walau bagaimanapun, untuk sebab praktikal, analisis data biasanya menggunakan data selanjar kerana data tersebut dipungut selanjar pada asalnya. Hasil daripada angkubah rawak dan kebarangkalian yang berkaitan boleh disusun kepada taburan. Dua jenis taburan iaitu taburan diskret, diterbitkan daripada angkubah rawak diskret, dan taburan selanjar berdasarkan kepada angkubah rawak selanjar. Taburan diskret termasuklah taburan binomial, taburan Poisson dan taburan Hypergeometri. Taburan selanjar termasuklah taburan normal, taburan seragam, taburan eksponen, taburan-t, taburan khi-kuasadua, dan taburan-F. Di dalam bab ini, kita akan menumpukan kepada taburan diskret sahaja.

5.2

Menerangkan Taburan Diskret

Bagaimana kita boleh menerangkan taburan diskret? Satu cara ialah dengan mambina geraf taburan dan mengkaji geraf tersebut. Bab 2 telah membincangkan beberapa jenis geraf yang mencukupi untuk tugasan ini, termasuklah histogram dan poligon kekerapan. Histogram atau carta bar adalah cara grafik yang biasa digunakan untuk menerangkan taburan diskret. Walau bagaimanapun, hasil yang diperolehi adalah pada satu titik tertentu, dan meninggalkan titik-titik di antara nilai, maka histogram yang digunakan biasanya hanya satu garisan sahaja berbanding bar empat persegi. Perhatikan taburan diskret di dalam Jadual 5.2. Saorang eksekutif yang melawat cawangannya disemua negeri pada setiap hari Rabu. Ia mendapati sekurang-kurangnya satu krisis berlaku pada hari lawatannya dan perlu diambil perhatian. Jadual 5.2 menunjukkan taburan diskret yang mengandungi krisis pada hari lawatan dan kebarangkalian ia berlaku. Sebagai contoh, terdapat 0.37 kebarangkalian tidak ada krisis, 0.31 kebarangkalian berlaku satu krisis, dan seterusnya. Rajah 5.1 merupakan histogram yang menunjukkan taburan yang diberi di dalam Jadual 5.2. Perhatikan paksi-X histogram menandakan kemungkinan hasil ujikaji (bilangan krisis berlaku) dan paksi-Y mengandungi kebarangkalian ia berlaku.

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

Jadual 5.2 Taburan Diskret Berlakunya Krisis Harian Bilangan Krisis 0 1 2 3 4 5 Kebarangkalian 0.37 0.31 0.18 0.09 0.04 0.01

Dengan mengkaji geraf di dalam Rajah 5.1 menunjukkan bilangan krisis adalah disekitar 0 dan 1. Kita juga boleh melihat bahawa taburan diskret adalah diskret dimana tiada kebarangkalian menunjukkan nilai di antara nombor bulat krisis.

5.2.1

Min, Varian dan Sisihan Piawai Taburan Diskret

Apakah mekanisma tambahan yang boleh digunakan untuk menerangkan taburan diskret disamping menerangkannya secara grafik? Ukuran kecenderungan memusat dan ukuran variabiliti (ukuran serakan) yang telah dibincangkan di dalam Bab 3 untuk data berkumpulan boleh digunakan untuk taburan diskret untuk mengira min, varian dan sisihan piawai. Setiap satu daripada tiga ukuran perihalan (min, varian dan sisihan piawai) adalah dikira berdasarkan data berkumpulan dengan menggunakan titik tengah kelas sebagai nilai data yang diwakili di dalam selang kelas. Dengan taburan diskret, tidak perlu untuk melakukan perkara ini disebabkan nilai diskret hasil (0,1,2,3, ) adalah digunakan untuk mewakilinya. Oleh itu, disebalik menggunakan titik tengah kelas (M) di dalam mengira ukuran perihalan untuk data berkumpulan, hasil ujikaji diskret (X) adalah digunakan. Di dalam mengira ukuran perihalan ke atas data berkumpulan, kekerapan setiap selang kelas adalah digunakan sebagai wajaran kepada titik tengah kelas. Melalui analisis taburan diskret, kebarangkalian setiap kejadian yang berlaku adalah digunakan sebagai wajaran.

Taburan Diskret

Rajah 5.1 Histogram Taburan Diskret Krisis Harian

Kebarangkalian 0.4 0.3 0.2 0.1 0.0 0.18 0.09 0 1 2 3 Bilangan Krisis 0.04 4 0.37 0.31

0.01 5

Min atau Nilai Terjangka Min, atau nilai terjangka bagi taburan kebarangkalian adalah purata jangka panjang berlakunya kejadian. Kita perlu menyedari di dalam mana-mana percubaan menggunakan angkubah rawak diskret, maka terdapat satu hasil. Walau bagaimanapun, jika proses adalah diulang dengan cukup panjang, maka terdapat kebolehjadian bahawa purata hasil akan mula mencapai purata jangka panjang, nilai terjangka, atau nilai min. Min ini, atau nilai terjangka adalah dikira sebagaimana berikut:

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

Purata atau Nilai Terjangka Taburan Diskret = P(X) - [X.P(X)] dimana: E(X) = purata jangka panjang X = hasil ujikaji P(X) = kebarangkalian hasil

Sebagai contoh, kirakan min atau nilai terjangka bagi taburan yang diberi di dalam Jadual 5.2. Lihat Jadual 5.3. Di dalam jangka panjang, min, atau nilai terjangka, bilangan krisis pada setiap hari Rabu bagi eksekutif ini ialah 1.15 krisis. Memang benar, eksekutif tersebut tidak akan memperolehi 1.15 krisis. Jadual 5.3 Mengira Min Data Krisis X 0 1 2 3 4 5 P(X) 0.37 0.31 0.18 0.09 0.04 0.01 X.P(X) 0.00 0.31 0.36 0.27 0.16 0.05 [X.P(X)] = 1.15 = 1.15 krisis

Varian dan Sisihan Piawai Taburan Diskret Varian dan sisihan piawai bagi taburan diskret adalah diselesaikan dengan menggunakan hasil (X) dan kebarangkalian hasil [P(X)] di dalam corak yang sama sebagaimana mengira min. Sebagai tambahan, pengiraan varian dan sisihan piawai adalah menggunakan min taburan diskret. Formula untuk mengira varian adalah sebagaimana berikut:

Taburan Diskret

Varian Taburan Diskret 2 = [(X - )2.P(X)] dimana: E(X) = purata jangka panjang X = hasil ujikaji P(X) = kebarangkalian hasil

Sisihan piawai kemudiannya dikira sebagai punca kuasadua varian.

Sisihan Piawai Taburan Diskret

[(X - ) 2 . P(X) ]

Varian dan sisihan piawai bagi data krisis di dalam Jadual 5.2 adalah dikira dan ditunjukkan di dalam Jadual 5.4. Min data krisis adalah 1.15 krisis. Sisihan piawai ialah 1.19 krisis dan varian ialah 1.41

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

Jadual 5.4 Pengiraan Varian dan Sisihan Piawai Data Krisis X 0 1 2 3 4 5 P(X) 0.37 0.31 0.18 0.09 0.04 0.01 (X - )2 (0-1.15)2 = 1.32 (1-1.15)2 = 0.02 (2-1.15)2 = 0.72 (3-1.15)2 = 3.42 (4-1.15)2 = 8.12 (5-1.15)2 = 14.82 (X - )2.P(X) (1.32)(0.37) = 0.49 (0.02)(0.31) = 0.01 (0.72)(0.18) = 0.13 (3.42)(0.09) = 0.31 (8.12)(0.04) = 0.32 (14.82)(0.01) = 0.15 (X-)2.P(X) = 1.41

Varian 2 = [(X-)2.P(x) = 1.41 Sisihan piawai, =

1.41 = 1.19 krisis

Contoh 5.1 Katakan 20% daripada penduduk Kuala Lumpur mengemari Pepsi-Cola sebagai piliham minuman ringan mereka. Jika sampel rawak 6 responden yang dipilih, bilangan pengemar Pepsi adalah antara 0 dan enam. Ditunjukkan disini kebarangakalian bilangan pengemar Pepsi di dalam sampel. Gunakan data ini untuk menentukan min bilangan pengemar Pepsi di dalam sampel enam responden di Kuala Lumpur dan kirakan sisihan piawai.

Bilangan Pengemar Pepsi 0 1 2 3 4 5 6

Kebarangkalian 0.262 0.393 0.246 0.082 0.015 0.002 0.000

Taburan Diskret

Penyelesaian: Min adalah dikira sebagaimana berikut: Bilangan Pengemar Kebarangkalian Pepsi (X) P(X) 0 0.262 1 0.393 2 0.246 3 0.082 4 0.015 5 0.002 6 0.000

X.P(X) 0.000 0.393 0.492 0.246 0.060 0.010 0.000 [X.P(X)] = 1.201

= E(X) = [X.P(X)] = 1.201 Nilai terjangka pengemar Pepsi ialah 1.201. X 0 1 2 3 4 5 6 P(X) 0.262 0.393 0.246 0.082 0.015 0.002 0.000 (X-)2 1.442 0.040 0.638 3.236 7.834 14.432 23.030 (X-)2.P(X) 0.378 0.016 0.157 0.265 0.118 0.029 0.000 [X-)2.P(X)] = 0.963

2 = [X-)2.P(X)] = 0.963 =

0.963 = 0.981

Varian ialah 0.963 dan sisihan piawai ialah 0.981

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

5.3

Taburan Binomial

Salah satu taburan diskret yang diketahui dengan meluas ialah taburan binomial. Taburan binomial telah digunakan beratus tahun dahulu lagi. Beberapa andaian disebalik penggunaan taburan binomial ialah:

Andaian taburan Binomial Ujikaji melibatkan n percubaan identikal. Setiap percubaan hanya mempunyai dua kemungkinan hasil ditandakan sebagi berjaya atau gagal. Setiap percubaan adalah bebas dengan percubaan yang sebelumnya. Sebutan p dan q adalah tetap disepanjang ujikaji, dimana sebutan p ialah kebarangkalian memperolehi kejayaan dan sebutan q = (1 p) ialah kebarangkalian memperolehi kegagalan di dalam mana-mana satu percubaan.

Sebagaimana ditunjukkan oleh perkataan binomial, mana-mana percubaan tunggal ujikaji binomial mengandungi hanya dua kemungkinan hasil. Dua hasil ini adalah dilabelkan sebagai kejayaan atau kegagalan. Biasanya hasil yang diminati oleh penyelidik ialah kejayaan. Sebagai contoh, jika analisis kawalan kualiti melihat keluaran yang rosak, ia akan mempertimbangkan untuk mencari keluaran yang rosak sebagai kejayaan walaupun syarikat tersebut tidak mempertimbangkan keluaran yang rosak sebagai kejayaan. Jika penyelidik hendak mengkaji orang kidal, hasil memperolehi orang yang kidal di dalam ujikaji adalah kejayaan. Lain-lain kemungkinan hasil di dalam ujikaji binomial adalah dipanggil kegagalan. Perkataan kegagalan adalah digunakan hanya di dalam songsangan kepada kejayaan. Di dalam ujikaji di atas, kegagalan adalah untuk memperolehi barangan yang baik (songsangan kepada barangan yang rosak) atau orang yang tidak kidal (songsangan kepada orang kidal). Di dalam ujikaji taburan binomial terdapat hanya dua kemungkinan, hasil saling menyingkiri terhadap sebarang ujikaji. Taburan binomial adalah taburan diskret. Di dalam n percubaan, hanya X kejayaan adalah mungkin, dimana X adalah nombor bulat di antara 0 dan n. Sebagai contoh, jika lima barangan dipilih secara rawak dari sekumpulan

10

Taburan Diskret

barangan, hanya 0, 1, 2, 3, 4, atau 5 kemungkinan barangan yang rosak di dalam sampel. Di dalam sampel lima barangan, memperolehi 2.714 barangan rosak adalah mustahil, atau memperolehi lapan barangan yang rosak juga adalah mustahil. Di dalam ujikaji binomial, ujikaji mestilah bebas. Kekangan ini bermakna samada ujikaji secara semulajadi menghasilkan percubaan yang bebas (seperti melambung ditu syiling atau melempar dadu) atau ujikaji dilakukan dengan penggantian. Kesan keperluan ujikaji bebas ialah p, kebarangkalian memperolehi kejayaan bagi satu ujikaji, masih tetap dari satu ujikaji kesatu ujikaji. Sebagai contoh, katakan 5% daripada sebuah barangan di dalam kumpulan adalah rosak. Kebarangkalian memperolehi barangan yang rosak daripada cabutan pertama adalah p = 0.05. Jika barangan pertama dipilih tanpa penggantian, pilahan kedua adalah tidak bebas daripada yang pertama, dan nilai p akan berubah untuk pilihan akan datang. Taburan binomial tidak membenarkan p untuk berubah dari satu percubaan ke percubaan yang lain di dalam ujikaji. Walau bagaimanapun, jika populasi adalah besar berbanding dengan saiz sampel, kesan persampelan tanpa penggantian adalah minimum, dan andaian bebas adalah dipenuhi. Oleh itu, p masih kekal tetap. Secara amnya, jika saiz sampel, n, adalah kurang daripada 5% daripada populasi, andaian bebas bukanlah masalah yang besar. Oleh itu saiz sampel yang boleh diterima untuk membolehkan penggunaan taburan binomial dengan sampel yang diambil tanpa penggantian ialah n < 5% N dimana n = saiz sampel N = saiz populasi Sebagai contoh, katakan 10% daripada populasi didunia adalah kidal dan sampel 20 orang dipilih dari populasi dunia. Jika orang pertama yang dipilih adalah kidal dan persampelan adalah dilakukan tanpa penggantian nilai p = 0.10 adalah tidak memberi kesan kerana populasi dunia adalah terlalu besar. Disamping itu dengan banyak ujikaji populasi adalah berterusan dipenuhi walaupun persampelan telah dibuat. Keadaan ini biasanya adalah berkaitan dengan kes persampelan kawalan kualiti keluaran daripada bahagian pengeluaran yang besar. Beberapa contoh masalah taburan binomial adalah seperti berikut: 1. Katakan mesin mengeluarkan chip komputer mempunyai kadar kerosakan 6%. Jika syarikat membeli 30 chip ini, apakah kebarangkalian tidak memperolehi chip yang rosak?

11

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

2. Satu kajian ethnik mencadangkan 84% daripada syarikat mempunyai kod ethnik. Daripada sampel rawak 15 syarikat, apakah kebarangkalian sekurang-kurangnya 10 mempunyai kod ethnik? 3. Katakan jenama X bateri kereta mempunyai 35% bahagian pasaran. Jika 70 kereta telah dipilih secara rawak, apakah kebarangkalian sekurangkurangnya 30 kereta mempunyai beteri berjenama X? 4. Bancian mendapati hampir 67% daripada pembeli syarikat menyatakan syarikat mereka mempunyai program untuk pembeli yang taat. Jika sampel rawak 50 oembeli syarikat dipilih, apakah kebarangkalian 40 atau lebih memperolehi syarikat dengan program untuk pembeli yang taat.

5.3.1

Menyelesaikan Masalah Binomial

Bancian penempatan semula pentadbir syarikat mendapati beberapa sebab mengapa pekerja menolak penempatan semula. Termasuk di dalam senarai ialah pertimbangan keluarga, sebab kewangan, dan sebagainya. Empat peratus daripada responden menyatakan mereka menolak penempatan semula disebabkan mereka mendapat sangat sedikit bantuan penempatan semula. Katakan lima pekerja baru sahaja menolak tawaran penempatan semula dan ditemuduga. Mengandaikan 4% angka daripada semua penolakan tawaran penempatan semula, apakah kebarangkalian pekerja pertama yang ditemuduga menolak tawaran disebabkan sangat sedikit bantuan penempatan semula dan empat pekerja berikutnya menolak oleh sebab-sebab yang lain? Katakan T mewakili sangat sedikit bantuan penempatan semula dan R mewakili lain-lain sebab. Turutan temuduga bagi masalah ini adalah: T1, R2, R3, R4, R5 Kebarangkalian memperolehi turutan pekerja adalah mengira menggunakan peraturan khas pendharaban untuk peristiwa bebas (mengandaikan pekerja adalah dipilih secara bebas dan populasi pekerja yang besar). Jika 4% daripada pekerja yang menolak tawaran penempatan semula disebabkan bantuan penempatan semula yang kecil, kebarangkalain seorang pekerja dipilih secara rawak pekerja yang menolak tawaran penempatan semula disebabkan bantuan penempatan semula yang kecil ialah 0.04, dimana nilai p = 0.04. Pekerja yang menolak tawaran penempatan semula atas sebab yang lain ialah 1 0.04 = 0.96, dimana nilai untuk q. Kebarangkalian memperolehi turutan lima pekerja yang menolak tawaran ialah: P(T1 R2 R3 R4 R5) = (0.04)(0.96)(0.96)(0.96)(0.96) = 0.03397

12

Taburan Diskret

Oleh itu, pemilihan rawak pekerja yang menolak tawaran penempatan semula disebabkan oleh bantuan penempatan semula yang kecil adalah pekerja yang kedua, pekerja yang ketiga, keempat dan kelima. Semua kemungkinan turutan memperolehi saorang pekerja yang menolak penempatan semula disebabkan oleh bantuan penempatan semula yang kecil dan atas sebab yang lain ialah: T1, R2, R3, R4, R5 R1, T2, R3, R4, R5 R1, R2, T3, R4, R5 R1, R2, R3, T4, R5 R1, R2, R3, R4, T5 Kebarangkalian bagi setiap tututan ini berlaku adalah dikira sebagaimana berikut: (0.04)(0.96)(0.96)(0.96)(0.96) = 0.03397 (0.96)(0.04)(0.96)(0.96)(0.96) = 0.03397 (0.96)(0.96)(0.04)(0.96)(0.96) = 0.03397 (0.96)(0.96)(0.96)(0.04)(0.96) = 0.03397 (0.96)(0.96)(0.96)(0.96)(0.04) = 0.03397 Perhatikan, di dalam setiap kes, kebarangkaliannya adalah sama. Setiap satu dari lima turutan ini mengandungi hasil dharab 0.04 dan 0.96. Peraturan pendharaban membenarkan kita menyusun semula kebarangkalian lima individu di dalam mana-mana turutan. Kebarangkalian setiap lima turutan mungkin boleh disusun dan diringkaskan sebagai (0.04)1(0.96)4. Setiap turutan mengandungi lima kebarangkalian yang sama, oleh itu tidak perlu bagi kita mengira semula kebarangkalian bagi setiap turutan. Apa yang penting ialah untuk menentukan bagaimana cara turutan yang berbeza boleh dibentuk dan didharabkan supaya angka kebarangkalian bagi satu turutan boleh berlaku. Untuk lima turutan masalah ini, jumlah kebarangkalian memperolehi hanya satu pekerja yang menolak tawaran disebabkan bantuan penempatan semula yang kecil di dalam sampel rawak lima pekerja yang menolak tawaran ialah: 5(0.04)1(0.96)4 = 0.16985 Cara yang paling mudah untuk menentukan bilangan turutan berbanding dengan menyenaraikan semua kebarangkalian ialah dengan menggunakan kombinasi untuk mengiranya. (Konsep kombinasi telah diperkenalkan di dalam Bab 4). Lima pekerja yang disampel, oleh itu n = 5, dan masalahnya ialah untuk

13

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

memperolehi satu pekerja yang menolak penempatan semula disebabkan oleh bantuan penempatan semula yang kecil, X = 1. Oleh itu nCX akan menghasilkan bilangan kemungkinan cara untuk memperolehi X kejayaan di dalam n percubaan. Bagi masalah ini, 5C1 memberitahu bilangan turutan kebarangkalian.

C1 =

5! =5 1!(5 - 1)!
satu turutan dengan kombinasi

Mewajarkan menghasilkan

kebarangkalian

C1 (0.04)1(0.96)4 = 0.16985

Menggunakan kombinasi memudahkan kita menentukan berapa banyak turutan kebarangkalian jika diberi nilai X di dalam taburan binomial. Sekarang, katakan 70% daripada penduduk Malaysia percaya membersihkan alam sekitar adalah isu yang penting. Apakah kebarangkalian sampel empat rakyat Malaysia yang dipilih secar rawak dan mendapati hanya dua rakyat Malaysia yang percaya membersihkan alam sekitar adalah isu yang penting? Katakan E mewakili kejayaan memperolehi mereka yang percaya membersihkan alam sekitar adalah isu yang penting. Bagi contoh ini p = 0.70. Biarkan N mewakili kegagalan untuk mendapatkan mereka yang percaya membersihkan alam sekitar bukan merupakan isu penting (N menandakan tidak penting). Kebarangkalian untuk memperolehi satu responden ialah q = 0.30. Turutan memperolehi dua E di dalam sampel empat responden adalah seperti berikut: E1, E2, N3, N4 E1, N2, E3, N4 E1, N2, N3, E4 N1, E2, E3, N4 N1, E2, N3, E4 N1, N2, E3, E4 Dua kejayaan di dalam sampel empat responden boleh berlaku di dalam enam cara. Menggunakan kombinasi, bilangan turutan ialah C2 = 6 cara

14

Taburan Diskret

Kebarangkalian memilih mana-mana turutan individu ialah (0.70)2(0.30)6= 0.0441 Oleh itu kebarangkalain keseluruhan untuk memperolehi hanya dua responden yang percaya membersihkan alam sekitar adalah isu yang penting daripada empat rakyat Malaysia yang dipilih secara rawak, apabila 70% daripada penduduk percaya membersihkan alam sekitar adalah isu yang penting ialah
4

C2(0.70)2(0.30)6 = 0.2646

Secara amnya, dari dua contoh di atas menghasilkan formula taburan binomial, yang boleh kita gunakan untuk menyelesaikan masalah binomial.

Formula Binomial P(X) = n C X .p X .q n - X = dimana n = bilangan percubaan (atau bilangan sampel) X = bilangan kejayaan yang diperlukan p = kebarangkalian memperolehi kejayaan di dalam satu percubaan q = 1 p = kebarangkalian memperolehi kegagalan dalam satu Percubaan.
Formula binomial meringkaskan langkah-langkah yang kita bincangkan untuk menyelesaikan masalah binomial. Formula tersebut membenarkan penyelesaian kepada masalah ini dengan mudah dan berkesan.

n! .p X .q n -X X! (n - X)!

Contoh 5.2 Satu kajian mendapati 65% daripada semua pelanggan syarikat kewangan adalah amat berpuas hati dengan institusi kewangan utama. Katakan 40 pelanggan

15

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

syarikat kewangan dipilih secara rawak, apakah kebarangkalian hanya 23 daripada 40 pelanggan amat berpuashati dengan institusi kewangan utama mereka. Penyelesaian: Nilai p ialah 0.65 (amat berpuashati), nilai q = 1 p = 1 0.65 = 0.35 (amat tidak berpuashati), n = 40, dan X = 23. Formula binomial menghasilkan jawapan berikut:
40

C23(0.65)23(0.35)17 = (88732378800)(0.000049775)(0.000000) = 0.0784

Jika 65% daripada pelanggan syarikat kewangan adalah amat berpuas hati, lebih kurang 7.84% penyelidik akan memperolehi 23 daripada 40 pelanggan syarikat kewangan yang amat berpuas hati terhadap institusi kewangan utama mereka. Berapa banyakkah yang amat berpuas hati terhadap institusi kewangan yang akan dijangkakan akan diterima di dalam sampel rawak 40 pelanggan syarikat kewangan yang dipilih? Jika 65% daripada pelanggan syarikat kewangan adalah amat berpuas hati dengan institusi kewangan mereka, adalah dijangkakan 65% daripada 40 atau (0.65)(40) = 26 adalah pelanggan yang amat berpuas hati. Di dalam sebarang sampel dari 40 pelanggan, bilangan yang amat berpuas hati, kelihatannya berbeza daripada 26. Secara puratanya, bilangan terjangka adalah 26. Penyelidik yang memperolehi 23 pelanggan yang amat berpuashati berbanding 40 dapat dilihat bilangan ini lebih kurang 26 adalah dijangkakan.

Contoh 5.3 Menurut bancian Jabatan Buruh, hampir 6% semua dari tenaga kerja adalah tidak berkerja. Di dalam menjalankan bancian melalui talipon, apakah kebarangkalian memperolehi dua atau kurang daripada tenaga kerja tidak berkerja? Penyelesaian: Masalah ini diselesaikan sebagai kesatuan tiga masalah: (1) tiada saorang pun tidak berkerja X = 0, (2) satu tidak berkerja, X = 1, dan (3) dua orang tidak berkerja, X = 3. Formula binomial memberikan keputusan yang berikut:

16

Taburan Diskret

X=0
20

X=1

X=2

C0(0.06)0(0.94)20 + 20C1(0.06)1(0.94)19 + 20C2(0.06)2(0.94)18 0.2901 + 0.0703 + 0.2246 = 0.8850

Jika 6% daripada tenaga kerja adalah tidak berkerja, bancian melalui talipon untuk mendapatkan sifar, satu dan dua orang yang tidak berkerja ialah 88.50% daripada masa di dalam sampel rawak 20 orang tenaga pekerja.

5.3.2

Menggunakan Jadual Binomial

Kepada mereka yang kerap menyelesaikan masalah binomial akan mula menyedari bahawa kebarangkalian memperolehi X = 5 kejayaan daripada saiz sampel n = 30 apabila p = 0.10 adalah sama kepada semua masalah yang lain seperti lima kejayaan memperolehi lima orang kidal, barangan yang rosak, membeli jenama Y atau lain-lain angkubah. Samada sampel melibatkan manusia, atau keluaran hasil akhir yang diperolehi adalah kebarangkalian akhir. Teras kepada masalah adalah sama: n = 30, X = 5 dan p = 0.10. Menyedari hal ini, ahli matematik telah menyediakan set jadual binomial mengandungi kebarangkalian yang telah diselesaikan. Dua parameter, n dan p merupakan ciri-ciri taburan binomial. Taburan binomial sebenarnya merupakan keluarga taburan. Setiap nilai n yang berbeza dan/atau nilai p yang berbeza memberikan taburan binomial yang berbeza. Disebabkan ruang yang tidak mencukupi, jadual binomial di dalam Jadual 5.5 ditunjukkan disini. Jadual A.1 mengandungi jadual binomial yang lengkap. Setiap jadual dimulakan dengan nilai n. Sembilan nilai p dinyatakan di dalam setiap jadual bersaiz n. Di dalam lajur di bawah setiap nilai p merupakan taburan binomial bagi kombinasi n dan p. Jadual 5.5 mengandungi segmen Jadual A.2 kebarangkalian binomial bagi n = 20.

17

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

Jadual 5.5 Jadual Binomial, n =20 n = 20 X 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 0.1 0.122 0.270 0.285 0.190 0.090 0.032 0.009 0.002 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.2 0.012 0.058 0.137 0.205 0.218 0.175 0.109 0.055 0.022 0.007 0.002 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.3 0.001 0.007 0.028 0.072 0.130 0.179 0.192 0.164 0.114 0.065 0.031 0.012 0.004 0.001 0.000 0.000 0.000 0.000 0.000 0.000 0.000 KEBARANGKALIAN 0.4 0.5 0.6 0.000 0.000 0.000 0.000 0.000 0.000 0.003 0.000 0.000 0.012 0.001 0.000 0.035 0.005 0.000 0.075 0.015 0.001 0.124 0.037 0.005 0.166 0.074 0.015 0.180 0.120 0.035 0.160 0.160 0.071 0.117 0.176 0.117 0.071 0.160 0.160 0.035 0.120 0.180 0.015 0.074 0.166 0.005 0.037 0.124 0.001 0.015 0.075 0.000 0.005 0.035 0.000 0.001 0.012 0.000 0.000 0.003 0.000 0.000 0.000 0.000 0.000 0.000 0.7 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.001 0.004 0.012 0.031 0.065 0.114 0.164 0.192 0.179 0.130 0.072 0.028 0.007 0.001 0.8 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.002 0.007 0.022 0.055 0.109 0.175 0.218 0.205 0.137 0.058 0.012 0.9 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.002 0.009 0.032 0.090 0.190 0.285 0.270 0.122

Contoh 5.4 Satu kajian terhadap keluaran makanan di Malaysia mendapati Nestle mengawal lebih kurang 10% bahagian pasaran untuk bijirin. Katakan 20 pembeli bijirin adalah dipilih secara rawak daripada populasi, apakah kebarangkalian kurang daripada empat pembeli membeli keluaran Nestle? Penyelesaian: Bagi masalah ni, n =20, p = 0.10, dan n < 4. Disebabkan n = 20, bahagian jadual binomial di dalam Jadual 5.5 boleh digunakan untuk menyelesaikan masalah ini. Lihat disepanjang baris nilai p untuk 0.10. Tentukan kebarangkalian

18

Taburan Diskret

memperolehi X < 4 melibatkan jumlah kebarangkalian untuk X = 0,1,2, dan 3. Nilai yang kelihatan di dalam lajur X pada persilangan setiap nilai X dan p = 0.10 Nilai X 0 1 2 3 Kebarangkalian 0.122 0.270 0.285 0.190 P(X < 4) = 0.867

Jika 10% semua pembeli bijirin membeli keluaran Nestle dan 20 pembeli bijirin dipilih secara rawak, lebih kurang 86.7% daripada masa kurang daripada empat pelanggan akan memilih keluaran Nestle.

5.3.3

Min dan Sisihan Piawai Taburan Binomial

Taburan binomial mempunyai nilai terjangka atau purata jangka panjang, ditandakan sebagai . Nilai ditentukan dengan n.p. Sebagai contoh, jika n = 10 dan p = 0.4 maka = (10(0.4) = 4. Purata jangka panjang atau nilai terjangka bermakna jika n item dibuat persampelan di dalam jangka panjang dan jika p adalah kebarangkalian memperolehi kejayaan bagi satu percubaan, purata bilangan kejayaan bagi setiap sampel adalah dijangkakan menjadi n.p. Jika 40% dari semua graduan perniagaan di UPM adalah wanita dan jika sampel rawak 10 graduan pelajar perniagaan dipilih banyak kali, jangkaannya adalah, secara purata empat daripada 10 pelajar adalah wanita.

Min dan Sisihan Piawai Taburan Binomial = n.p = n.p.q

19

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

Memeriksa min taburan binomial memberikan kita pengetahuan terhadap kebolehjadian sesuatu hasil. Sebagai contoh, katakan penyelidik bersetuju bahawa 10% daripada manusia adalah kidal. Walau bagaimanapun, katakan penyelidik percaya, sesetengah teori, angka ini adalah tinggi bagi kanak-kanak yang dilahirkan oleh wanita yang berumur lebih daripada 35 tahun. Di dalam satu percubaan untuk memperolehi bukti, seramai 100 kanak-kanak yang dipilih secara rawak yang dilahirkan oleh wanita yang berumur melebihi 35 tahun dan 20 daripadanya adalah kidal. Adakah boleh dinyatakan penyelidik mendapati 20 orang kidal di dalam sampel 100 orang? Berapa banyakkah yang penyelidik itu jangkakan untuk memperolehi di dalam sampel 100 orang? Min atau nilai terjangka bagi n = 100 dan p = 0.10 adalah (100)(0.10) = 10 orang kidal. Adakah 20 kanak-kanak kidal di dalam sampel 100 orang terjadi melalui peluang atau adakah penyelidik memilih daripada populasi yang berbeza berbanding populasi am yang mengeluarkan 10% manusia kidal? Ia boleh menyiasat hasil ini selanjutnya dengan menguji taburan kebarangkalian binomial bagi masalah ini. Walau bagaimanapun, min taburan memberikan kita nilai terjangka bagi masalah ini. Ingat kembali, menurut kajian 64% daripada pelanggan syarikat kewangan percaya bank adalah lebih berdayasaing berbanding dengan beberapa tahun lepas. Jika 23 pelanggan kewangan adalah dipilih secara rawak, apakah nilai terjangka mereka yang percaya bank sekarang adalah lebih berdaya saing berbanding lima tahun yang lepas? Masalah ini boleh diterangkan menggunakan taburan kebarangkalian dengan n = 23 dan p = 0.64 sebagaimana yang diberi oleh Jadual 5.6. Purata bagi taburan binomial menghasilkan nilai terjangka bagi masalah ini = n.p = 23(0.64) = 14.72 Di dalam jangka panjang, jika 23 pelanggan bank adalah dipilih secara rawak dan jika 64% daripada pelanggan bank percaya bank sekarang lebih berdaya saing berbadning dengan lima tahun lepas, maka ujikaji akan memperolehi 14.72 pelanggan bank daripada 23 orang percaya bank sekarang lebih berdaya saing. Min taburan menunjukkan kebolehjadian relatif bagi manamana individu yang terjadi. Menguji Jadual 5.6, perhatikan kebarangkalian yang tertinggi adalah yang terletak berhampiran dengan X = 14.72: P(X=15) = 0.1712, P(X =14) = 0.1605 dan P(X=16) = 0.1552. Kebarangkalian yang lain mempunyai nilai yang lebih kecil. Sisihan piawai taburan binomial ditandakan dengan dan sama dengan n.p.q . Bagi masalah orang kidal, = 100(0.10)(.90) = 3 . Sisihan piawai bagi masalah pelanggan kewangan sebagaimana yang diterangkan di dalam Jadual 5.6 ialah

20

Taburan Diskret

Jadual 5.6 Kebarangkalian Taburan Binomial dengan n = 23, p =0.64 FUNGSI KEBARANGKALIAN Binomial dengan n = 23 dan p = 0.64 X 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 P(X =x) 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0002 0.0009 0.0031 0.0090 0.0225 0.0473 0.0840 0.1264 0.1605 0.1712 0.1522 0.1114 0.0660 0.0309 0.0110 0.0028 0.0005 0.0000

21

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

= n.p.q = (23)(0.64)(0.36) = 2.30

Bab 6 menunjukkan beberapa taburan binomial yang hampir berbentuk lonceng dan boleh dibuat penghampiran dengan menggunakan keluk normal. Min dan sisihan piawai taburan binomial adalah alat yang digunakan untuk mengubah masalah binomial kepada masalah taburan normal.

5.3.4

Geraf Taburan Binomial

Graf taburan normal boleh dibina dengan menggunakan semua kemungkinan nilai X taburan dan kebarangkalian yang berpadanan. Nilai X biasanya dilukiskan disepanjang paksi X dan kebarangkalian adalah di paksi Y. Jadual 5.7 menyenaraikan tiga jenis taburan binomial yang berbeza: n = 8 dan p = 0.20; n = 8 dan p = 0.50; dan n = 8 dan p = 0.80. Rajah 5.2 menunjukkan geraf bagi tiga taburan binomial tersebut. Perhatikan bagaimana bentuk taburan berubah bagi setiap nilai p yang meningkat. Bagi p = 0.50, taburan adalah simetri. Bagi p = 0.20 taburan adalah pencong ke kanan dan bagi p = 0.80 taburan pencong kekiri. Corak ini memberi makna disebabkan min taburan binomial n = 8 dan p = 0.50 ialah 4, dimana ia terletak ditengah-tengan taburan. Min taburan untuk p = 8 dan p = 0.20 ialah 1.6, dimana keputusan tertinggi kebarangkalian hampir dengan X = 2 dan X = 1. Geraf ini memuncak diperingkat awal dan menurun apabila nilai X semangkin besar. Min untuk taburan bagi n = 8 dan p = 0.80 ialah 0.64, dimana keputusan di dalam kebarangkalian tertinggi berhampiran dengan X = 6 dan X = 7. Oleh itu kemuncak taburan ialah hampir dengan 8 hingga sifar dan taburan berkurangan apabila X = 0. Di dalam sebarang taburan binomial nilai terbesar X yang terjadi adalah n dan nilai terkecil ialah sifar. Oleh itu geraf sebarang taburan binomial adalah dikekangkan oleh sifar dan n. Jika nilai p taburan ialah bukan 0.50, kekangan ini akan menghasilkan geraf memenuhi disatu hujung dan akan pencong pada hujung yang satu lagi.

22

Taburan Diskret

Jadual 5.7 Kebarangkalian Tiga Taburan Binomial dengan n = 8 Kebarangkalian untuk 0.2 0.5 0.1678 0.0039 0.3355 0.0313 0.2936 0.1094 0.1468 0.2188 0.0459 0.2734 0.0092 0.2188 0.0011 0.1094 0.0001 0.0313 0.0000 0.0039 0.8 0.0000 0.0001 0.0011 0.0092 0.0459 0.1468 0.2936 0.3355 0.1678

0 1 2 3 4 5 6 7 8

Rajah 5.2 Graf Tiga Taburan Binomial dengan n = 8 (a) Taburan Binomial: n = 8 dan p = 0.20
0.40

Kebarangkalian

0.30

0.20

0.10

0.00 0 1 2 3 4 Nilai X 5 6 7 8

23

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

(b) Taburan Binomial: n = 8 dan p = 0.50

0.30 0.25 Kebarangkalian 0.20 0.15 0.10 0.05 0.00 0 1 2 3 4 Nilai X 5 6 7 8

(c) Taburan Binomial: n = 8 dan p = 0.80

0.40

Kebarangkalian

0.30

0.20

0.10

0.00 0 1 2 3 4 Nilai X 5 6 7 8

24

Taburan Diskret

Contoh 5.5 Syarikat pengilangan mengeluarkan 10,000 mug plastik setiap minggu. Syarikat ini membekalkan mug kepada syarikat lain, dengan pekej sebagai barangan untuk set perkelahan. Syarikat kedua memilih sampel secara rawak 10 mug yang dihantar oleh pembekal. Jika dua atau kurang daripada sampel mug adalah rosak, syarikat kedua menerima lot bekalan tersebut. Apakah kebarangkalian pesanan diterima jika pengilang mug sebenarnya mengeluarkan 10% mug yang rosak? 20% rosak? 30% rosak? Dan 40% rosak. Penyelesaian: Di dalam siri masalah binomial ini, n = 10, X 2, p di dalam jeda 0.10 hingga 0.40. Daripada jadual A.2 dan menjumlahkan nilainya kita mempunyai kebarangkalian X 2 yang berikut bagi setiap nilai p dan nilai terjangka ( = n.p) Nilai Terjangka yang Rosak () 1.0 2.0 3.0 4.0

P 0.10 0.20 0.30 0.40

Lot Diterima P(X 2) 0.930 0.677 0.382 0.187

Nilai ini menumjukkan jika syarikat pengilangan mengeluarkan 10% mug yang rosak, maka terdapat kebarangkalian yang tinggi (0.930) peluang lot tersebut akan diterima. Untuk nilai p yang lebih tinggi, kebarangkalian peluang lot tersebut diterima akan berkurangan. Disamping itu, apabila p meningkat, nilai terjangka akan bergerak jauh dari nilai yang diterima, X 2. Ini akan mengurangkan peluang lot tersebut akan diterima.

25

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

5.4

Taburan Poisson

Taburan poisson merupakan salah satu taburan diskret. Ia mendapat nama selepas Simeon-Denis Poisson (1781-1840) ahli matematik Perancis, yang menerbitkan kertas kerja pada tahun 1837. Taburan poisson dan taburan binomial mempunyai kesamaan, tetapi juga mempunyai beberapa perbezaan. Taburan binomial menerangkan taburan dua kemungkinan hasil yang ditandakan sebagai kejayaan atau kegagalan dari beberapa percubaan. Taburan Poisson menumpukan hanya bilangan diskret yang terjadi di dalam satu selang. Taburan Posissn tidak mempunyai bilangan percubaan (n) sebagaimana ujikaji binomial. Sebagai contoh, dimana ujikaji binomial mungkin digunakan untuk menentukan berapa banyak kereta buatan Jepun diperolehi di dalam sampel rawak 20 buah kereta, tetapi ujikaji Poisson menumpukan keatas bilangan kereta yang tiba secara rawak dipintu tol di dalam selang masa 20 minit. Taburan Poisson menerangkan kemungkinan peristiwa yang jarang berlaku. Sebenarnya, formula Poisson dirujukkan sebagai hukum peristiwa tidak sempurna. Sebagai contoh, kemalangan teruk berlaku dikilang adalah jarang berlaku, dan bilangan sebulan mungkin diterangkan oleh taburan Poisson. Taburan Poisson biasanya digunakan untuk menerangkan bilangan rawak ketibaan dalam satu selang masa. Jika bilangan ketibaan di dalam satu selang masa kerap berlaku, selang masa tersebut akan dikurangkan secukupnya, dengan demikian bilangan berlakunya peristiwa adalah dijangkakan. Satu lagi contoh taburan Poisson ialah bilangan rawak pelanggan yang tiba di dalam selang masa 5 minit dikedai pada setiap pagi hari baisa. Taburan Poisson juga mempunyai penggunaan di dalam bidang sains pengurusan. Model yang digunakan di dalam teori pengiliran (teori barisan menunggu) biasanya berdasarkan kepada andaian taburan Poisson adalah taburan sebenar kadar ketibaan disepanjang satu tempoh masa. Taburan Poisson mempunyai ciri-ciri berikut: Ia adalah taburan diskret. Menerangkan peristiwa jarang berlaku Setiap kejadian adalah bebas dengan kejadian yang lain Ia menerangkan kejadian diskret disepanjang sesuatu selang Kejadian yang ujud di dalam satu selang boleh di antara sifar dan infiniti Bilangan terjangka kejadian mestilah diandaikan tetap disepanjang ujikaji.

26

Taburan Diskret

Contoh situasi jenis Poisson termasuklah yang berikut: 1. 2. 3. 4. 5. 6. Bilangan panggilan talipon seminit di dalam satu perniagaan kecil Bilangan kes penyakit barah darah bagi setiap 100,000 orang Bilangan kawasan buangan sisa yang merbahaya bagi setiap negeri di Malaysia Bilangan tumpahan minyak di Selat Melaka sebulan Bilangan ketibaan kereta seminit di antara 7.00 pagi hingga 8.00 pagi ditol Sungai Besi Bilangan kemalangan dilebuh raya sebulan.

Setiap satu contoh di atas adalah jarang berlaku untuk sesuatu selang. Perhatikan, walaupun masa biasanya digunakan di dalam taburan Poisson, selang tersebut boleh di dalam bentuk lain seperti negeri. Sesetengah selang di dalam contoh di atas mungkin sifar berlaku. Seterusnya, purata berlaku bagi setiap selang bagi contoh di atas di dalam digit tunggal (1-9). Jika fenomena taburan Poisson dikaji di dalam tempohmasa yang panjang, purata jangka panjang boleh diperolehi. Purata ini ditandakan sebagai lambda (). Setiap masalah Poisson mengandungi nilai lambda dimana kebarangkalian setiap kejadian yang khusus ditentukan. Walaupun n dan p adalah diperlukan untuk taburan binomial, taburan Poisson boleh diterangkan oleh sahaja. Formula Poisson adalah digunakan untuk mengira kebarangkalian terjadinya sesuatu peristiwa di dalam satu selang jika nilai lamda diberikan.

Formula Taburan Poisson

X e - P(X) = X!
Dimana X = 0,1,2,3 = purata jangka panjang e = 2.718282
Disini, X ialah bilangan berlaku peristiwa di dalam satu selang dimana kebarangkalian adalah dikira, adalah purata jangka panjang, dan e = 2.718282 adalah berdasarkan kepada logrithma jati.

27

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

Perhatian perlu diberikan di dalam penggunaan taburan Poisson untuk mengkaji berbagai-bagai fenomena yang berlaku. Nilai mestilah diandaikan tetap disepanjang ujikaji Poisson. Penyelidik mestilah berhati-hati untuk tidak menggunakan lambda yang diberi untuk sesuatu selang dimana lambda adalah berubah. Sebagai contoh, purata bilangan pelanggan yang tiba di kedai runcit di dalam selang masa satu minit adalah berbeza dari jam ke jam, hari ke hari, dan bulan ke bulan. Masa yang berbeza untuk hari atau minggu mungkin memberikan nilai lambda yang berbeza. Penyelidik mestilah menentukan dengan khusus di dalam menerangkan selang dimana nilai yang hendak digunakan. 5.4.1 Menyelesaikan Masalah Poisson dangan Formula

Katakan pelanggan bank tiba secara rawak disebelah tengahari hari berkerja pada purata 3.2 pelanggan setiap 4 minit. Apakah kebarangkalian hanya lima pelanggan yang tiba di dalam selang masa 4-minit setiap tengahari hari berkerja? Nilai lambda bagi masalah ini ialah 3.2 pelanggan setiap 4-minit. Nilai X ialah lima pelanggan setiap 4-minit. Kebarangkalian 5 pelanggan yang tiba secara rawak dalam selang masa 4-minit apabila purata jangka panjang 3.2 pelanggan setiap selang 4-minit ialah:

(3.2 ) ( e ) = ( 335.54 ) ( 0.0408 ) = 0.1141

5 -3.2

5!

120

Jika bank mempunyai purata 3.2 pelanggan setiap selang masa 4-minit, kebarangkalian lima pelanggan tiba di dalam selang masa 4 minit ialah 0.1141.

Contoh 5.6 Pelanggan bank tiba secara rawak disebelah pentang hari biasa pada purata 3.2 pelanggan setiap 4 minit. Apakah kebarangkalian pelanggan tiba lebih daripada 7 orang pelanggan dalam masa 4 minit disebelah petang hari berkerja? Penyelesaian: = 3.2 pelanggan/4 minit X > 7 pelanggan/4 minit

28

Taburan Diskret

Di dalam teori, pentyelesaian memerlukan kita mencari nilai X = 8,9,10,11,12,13,14 . . Sebenarnya, setiap nilai x adalah ditentukan sehingga nilainya jauh daripada = 3.2, iaitu kebarangkaliannya mencapai sifar. Kebarangkalian sebenar adalah dijumlahkan untu mencari X > 7.

(3.2 8 )(2 -3.2 ) = 0.0111 8! (3.2 9 )(2 -3.2 ) P(X = 9 | = 3.2) = = 0.0040 9! (3.2 10 )(2 -3.2 ) P(X = 10 | = 3.2) = = 0.0013 10! (3.2 11 )(2 -3.2 ) P(X = 11 | = 3.2) = = 0.0004 11! (3.2 12 )(2 -3.2 ) P(X = 12 | = 3.2) = = 0.0001 12! P(X = 8 | = 3.2) = (3.2 13 )(2 -3.2 ) P(X = 13 | = 3.2) = = 0.0000 13!
P(x > 7) = P( X 8) = 0.0169 Jika bank mempunyai purata 3.2 pelanggan setiap 4-minit disebelah petang hari berkerja, maka kebarangkalian lebih daripada tujuh pelanggan yang datang secara rawak di dalam tempoh masa 4-minit disebelah petang hari berkerja hanyalah 1.69% daripada masa. Oleh yang demikian pegawai bank boleh menggunakan keputusan ini uantuk membantu mereka di dalam membuat keputusan berkaitan tenaga kerja bank tersebut.

Contoh 5.7 Bank mempunyai kadar ketibaan rawak 3.2 pelanggan setiap 4-minit. Aapakah kebarangkalian ketibaan pelanggan 10 orang dalam rempoh masa 8 minit? Penyelesaian:

29

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

= 3.2 pelanggan/4 minit X = 10 pelanggan/8 minit Contoh ini berbeza dengan dua contoh Poisson di atas dimana selang masa dan sampel adalah berbeza. Selang masa mestilah sama di dalam usaha untuk menggunakan dan X bersama di dalam formula kebarangkalian. Disini terdapat cara yang betul dan cara yang salah untuk menyelesaikan masalah ini. Cara yang betul ialah mengubahsuaikan selang masa oleh itu X mempunyai selang masa yang sama. Selang masa untuk X ialah 8 minit, oleh itu mesti diubahsuaikan kepada selang masa 8-minit. Secara logiknya, jika purata ketibaan ke bank 3.2 pelanggan setiap 4-minit, oleh itu puratanya mesti dua kali ganda untuk 8 minit, atau 6.4 pelanggan setiap 8-minit. Jika X adalah selang masa 2 minit, nilai hendaklah dikurangkan dari 3.2 kepada 1.6 pelanggan setiap 2minit. Adalah salah jika kita menyamakan selangmasa dengan mngubah nilai X. JANGAN SEKALI-KALI, mengubah nilai X, hanya kerana 10 pelanggan tiba di dalam selang masa 8-minit tidak bermakna terdapat lima pelanggan di dalam selang masa 4-minit. Tidak ada jaminan bagaimana 10 pelanggan betaburan disepanjang tempoh masa 8-minit. Selalunya kita hanya mengubahsuai nilai . Selepas diubahsuai untuk selang masa 8-minit, penyelesaiannya ialah: = 6.4 pelanggan/8 minit X = 10 pelanggan/8 minit

(6.4) 10 e -6.4 = 0.0528 10!

5.4.2

Menyelesaikan Masalah Poisson dengan Formula

Setiap nilai lambda menentukan taburan Poisson yang berbeza. Bergantung kepada keadaan selang masa yang berkaitan dengan lambda, taburan Poisson bagi lambda yang khusus adalah sama. Jadual A.2 mengandungi taburan Poisson bagi nilai lambda yang dipilih. Kebarangkalian yang ditunjukkan di dalam jadual bagi setiap nilai X berkaitan dengan lambda yang diberi jika kebarangkalian tidak mempunyai nilai sifar entuk empat titik perpuluhan. Jadual 5.8 adalah sebahagian daripada Jagual A.3 yang mengandungi kebarangkalian X 9 jika lambda ialah 1.6.

30

Taburan Diskret

Jadual 5.8 Jadual Poisson untuk = 1.6 X 0 1 2 3 4 5 6 7 8 9 Kebarangkalian 0.2019 0.3230 0.2584 0.1378 0.0551 0.0176 0.0047 0.0011 0.0002 0.0000

Contoh 5.8 Jika sebuah kedai komputer menjual purata 1.6 buah komputer sehari dan jualan komputer adalah bertaburan Poisson, apakah kebarangkalain menjual empat buah komputer sehari? Apakah kebarangkalian tidak menjual komputer sehari? Apakah kebarangkalian menjual komputer lebih daripada lima komputer sehari. Apakah kebarangkalian menjual 10 atau lebih komputer sehari? Apakah kebarangkalian menjual empat buah komputer dua hari? Penyelesaian: = 1.6 komputer/hari P(X = 4| = 1.6) = ? Jadual 5.6 memberikan kebarangkalian untuk = 1.6. Lajur sebelah kiri mengandungi nilai X. Barisan X = 4 menghasilkan kebarangkalian 0.0551. Jika kedai komputer mempunyai purata 1.6 buah komputer dijual sehari, hanya 5.5% daripada hari tersebut ia menjual hanya empat komputer dan masih mengekalkan nilai lambda. Barisan 1 Jadual 5.9 menunjukkan kebarangkalian tidak menjual sebuah pun komputer (0.2019). Iaitu, 20.19% daripada hari, kedai tersebut tidak dapat menjual komputer, jika jualan adalah bertaburan Poisson dengan = 1.6 komputer sehari. Jadual 5.9 bukanlah nilai terkumpul. Untuk menentukan P(X > 5), lebih daripada lima komputer, cari kebarangkalian X = 6, X = 7, X = 8, X = 9, , X = . Walau bagaimanapun, pada X = 9, kebarangkalian sehingga

31

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

empat titik perpuluhan adalah sifar, dan Jadual 5.9 berhenti apabila nilai X adalah sifar pada empat titik perpuluhan. Oleh itu, jawapab untuk X > 6 adalah X Kebarangkalian 6 0.0047 7 0.0011 8 0.0002 9 0.0000 X > 5= 0.0060 Apakah kebarangkalian menjual 10 atau lebih komputer sehari? Sebagaimana ditunjukkan di dalam jadual, sifar pada X = 9, kebarangkalian X 10 juga adalah 0.0000 iaitu, jika kedai tersebut mempunyai purata hanya 1.6 buah komputer sehari, adalah mustahil untuk menjual komputer 10 atau lebih komputer sehari. Apakah kebarangkalian menjual empat komputer dalam masa dua hari? Di dalam kes ini, selang masa telah berubah satu kepada dua hari. Lambda adalah untuk satu hari, oleh itu pengubahsuaian mesti dilakukan: Lambda adalah 1.6 untuk satu hari ditukar kepada lambda 3.2 untuk dua hari. Jadual 5.9 tidak boleh digunakan lagi, oleh itu Jadual A.2 mesti digunakan untuk menyelesaikan masalah ini. Jawapan adalah ditemui dengan melihat = 3.2 dan X = 4 di dalam Jadual A.2: kebarngkaliannya ialah 0.1781.

5.4.3

Purata dan Sisihan Piawai Taburan Poisson

Min atau nilai terjangka bagi taburan Poisson ialah . Ia merupakan purata jangka panjang berlakunya peristiwa di dalam sesuatu selang jika banyak sampel rawak diambil. Lambda biasanya bukan merupakan nombor bulat, oleh itu pada kebanyakan masa nilai lambda sebenar yang berlaku di dalam sesuatu selang adalah mustahil. Sebagai contoh, katakan = 6.5/sesuatu selang untuk satu fenomena bertaburan Poisson. Keputusan menghasilkan nombor X berlaku di dalam 20 sampel rawak yang berbeza daripada taburan Poisson dimana = 6.5 mungkin sebagaimaa berikut: 6, 9, 7, 4, 8, 7, 6, 6, 10, 6, 5, 5, 8, 4, 5, 8, 5, 4, 9, 10 Mengira purata nombor yang berlaku daripada kumpulan selang 20 memberikan 6.6. Secara teorinya, di dalam persampelan infinit purata jangka

32

Taburan Diskret

panjang ialah 6.5. Perhatikan daripada sampel bahawa, apabila adalah 6.5, beberapa nombor 5 dan 6 yang terjadi. Jarang daripada sampel berlaku nombor 1,2,3,11,12,13 terjadi apabila = 6.5. Memahami min taburan Poisson memberikan kita pengetahuan tentang apa yang sebenarnya akan terjadi. Varian bagi taburan Poisson juga adalah . Oleh itu, sisihan piawai ialah . Menggabungkan sisihan piawai dengan teorem Chebyshev menunjukkan serakan taburan Poisson. Sebagai contoh, jika = 6.5, varian adalah 6.5 dan sisihan piawai adalah 6.5 = 2.55 . Teorem Chebyshev menyatakan sekurang-

1 nilai adalah disekitar k sisihan piawai. Selang 2 k2 1 mengandungi sekurang-kurangnya 1 2 = 0.75 daripada nilai. Untuk = = 2
kurangnya 1 6.5 dan = 2.55, 75% daripada nilai sepatutnya disekitar 6.5 2(2.55) = 6.5 5.1 jedanya. Iaitu, jeda dari 1.4 hingga 11.6 termasuk sekurang-kurangnya 75% daripada semua nilai. Pengujian 20 nilai secara rawak yang dijanakan oleh taburan Poisson dengan = 6.5 menunjukkan sebenarnya 100% daripada nilai adalah disekitar jeda ini.

5.4.4

Geraf taburan Poisson

Nilai di dalam jadual A.2, boleh digunakan untuk melakarkan geraf taburan Poisson. Nilai X adalah dipaksi X dan kebarangkalian dipaksi Y. Rajah 5.3 menunjukkan geraf taburan dengan nilai = 1.6. Geraf menunjukkan taburan Poisson pencong kearah kanan. Dengan min 1.6 dan kemungkinan jeda X dari sifar ke infiniti, nilainya nyatalah disekitar 0 dan 1. Pertimbangkan pula geraf taburan Poisson dengan = 6.5 di dalam Rajah 5.4. Perhatikan dengan = 6.5 kebarangkalian adalah lebih besar untuk nilai 5,6, 7 dan 8. Geraf kurang pencong, disebabkan kebarangkalian berlakunya nilai hampir sifar adalah kecil, sebagaimana kebarangkalian untuk nilai X yang besar.

33

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

Rajah 5.3 Geraf Taburan Poisson pada = 1.6

Rajah 5.4 Geraf Taburan Poisson pada = 6.5

34

Taburan Diskret

5.4.5

Penghampiran Binomial oleh Taburan Poisson

Beberapa jenis masalah taburan binomial boleh dilakukan penghampiran dengan menggunakan taburan Poisson. Masalah binomial dengan sampel saiz yang besar dan nilai p yang kecil, yang menjanakan peristiwa yang jarang berlaku, adalah berpotensi untuk menggunakan taburan Poisson. Sebagai peraturan am, jika n > 20 dan n.p 7, penghampiran adalah cukup rapat untuk menggunakan taburan Poisson untuk masalah binomial. Jika keadaan ini dipenuhi dan masalah binomial adalah calon untuk proses ini, tatacara bermula dengan mangira min taburan binomial, = n.p. Disebabkan adalah nilai terjangka bagi binomial, ia diterjemahkan kepada nilai terjangka, , bagi taburan Poisson. Menggunakan sebagai nilai dan menggunakan nilai X bagi masalah binomial membenarkan penghampiran kepada kebarangkalian daripada jadual Poisson atau melalui formula Poisson. Nilai yang besar bagi n dan nilai yang kecil bagi p biasanya tidak terdapat di dalam jadual binomial. Menggunakan taburan Poisson sebagai penghampiran adalah amat membantu di dalam situasi ini. Apabila n menjadi besar (n > 70), kebanyakan mesin kira tidak boleh mengira faktorial yang diperlukan untuk menggunakan formula binomial. Ini membuatkan penggunaan formula adalah sukar untuk nilai n yang besar dan penghampiran Poisson adalah lebih mudah digunakan. Sebagai contoh, masalah binomial berikut boleh diselesaikan dengan menggunakan taburan Poisson: n = 50 dan p = 0.030. Apakah kebarangkalian X = 4? Iaitu P(X = 4|n = 50 dan p = 0.30) = ? = = n.p = (50).(0.030) = 1.5 Oleh kerana n > 20 dan n.p = 7, masalah ini boleh diselesaikan menggunakan penghampiran Poisson. Untuk X = 4, Jadual A.2 memberikan kebarangkalian 0.0471 untuk penghampiran Poisson. Sebagai perbandingan, menyelesaikan masalah ini menggunakan formula binomial menghasilkan
50

C4(0.03)4(0.97)46 = 0.0459

Penghampiran Poisson berbeza sebanyak 0.0012 daripada keputusan yang diperolehi dengan menggunakan formula binomial. Geraf taburan binomial adalah sebagaimana berikut:

35

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

Dengan = 1.5, taburan Poisson mempunyai geraf sebagai berikut.

Di dalam membandingkan kedua-dua geraf di atas, adalah sukar untuk memberitahu kita perbezaan di antara taburan binomial dan taburan Poisson disebabkan penghampiran taburan binomial oleh taburan Poisson adalah terlalu hampir.

36

Taburan Diskret

Contoh 5.9 Katakan kebarangkalian bank melakukan kesilapan di dalam memproses deposit ialah 0.0003. Jika 10,000 deposit (n) diaudit, apakah kebarangkalian lebih dari enam kesilapan dilakukan di dalam memproses deposit? Penyelesaian = = n, p = (10,000)(0.0003) = 3.0 Disebabkan oleh n > 20 dan (n.p) 8, penghampiran Poisson adalah hampir mencukupi untuk menganalisis X > 6. Jadual A.2 menghasilkan kebarangkalian berikut: = 3.0 Kebarangkalian 7 0.0126 8 0.0081 9 0.0027 10 0.0008 11 0.0002 12 0.0001 X > 6= 0.0335 Untuk menyelesaikan masalah ini menggunakan formula binomial memerlukan kita bermula dengan X = 7
10,000

C7(0.0003)7(0.997)9993

Proses ini diteruskan untuk nilai X = 8,9,10,11, sehingga kebarangkalian menghampiran sifar. Nyatalah, proses ini adalah tidak praktikal, oleh itu melakukan penghampiran Poisson adalah cara yang lebih mudah.

37

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

5.5

Taburan Hypergeometri

Taburan statistik diskret yang lain ialah taburan hypergeometri. Ahli statistik selalu menggunakan taburan hypergeometri sebagai pelengkap jenis analisis yang boleh dilakukan dengan menggunakan taburan binomial. Ingat kembali penggunaan taburan binomial, secara teori, hanya untuk ujikaji dimana percubaan adalah dilakukan dengan penggantian (peristiwa bebas). Taburan hypergeometri digunakan hanya untuk ujikaji dimana percubaan adalah dilakukan tanpa penggantian. Taburan hypergeometri, sebagaimana taburan binomial, mengandungi dua kemungkinan hasil: kejayaan atau kegagalan. Walau bagaimanapun, pengguna mesti tahu saiz populasi dan bahagian kejayaan atau kegagalan di dalam populasi untuk menggunakan taburan hypergeometri. Ini disebabkan taburan geometri adalah digunakan apabila persampelan telah dilakukan tanpa penggantian, maklumat berkaitan populasi mesti diketahui di dalam usaha untuk mengenalpasti semula kebarangkalian kejayaan di dalam setiap percubaan apabila kebarangkalian berubah. Taburan hypergeometri mempunyai ciri-ciri berikut: Ia taburan diskret. Setiap hasil mengandungi samada kejayaan atau kegagalan. Persampelan dilakukan tanpa penggantian. Populasi, N, adalah finit dan diketahui. Bilangan kejayaan di dalam populasi, A, adalah diketahui.

Formula Taburan Hypergeometri P( X ) = dimana N = saiz populasi N = saiz sampel A =bilangan kejayaan di dalam populasi X = bilangan kejayaan di dalam sampel dimana persampelan dilakukan tanpa penggantian
A

C X . (N - A) C (n - X)
N

Cn

38

Taburan Diskret

Taburan hypergeometri boleh diterangkan oleh tiga parameter: N, A, dan n. Disebabkan oleh sejumlah besar kemungkinan kombinasi tiga parameter ini, membina jadual bagi taburan hypergeometri adalah mustahil. Oleh itu, penyelidik yang memilih taburan hypergeometri untuk menganalisis data mesti menggunakan formula hypergeometri untuk mengira setiap kebarangkalian. Disebaban tugas ini merumitkan dan mengambil masa, kebanyakan penyelidik menggunakan taburan hypergeometri sebagai pelengkap apabila menggunakan taburan binomial tanpa penggantian. Walaupun taburan binomial secara teorinya digunakan hanya apabila persampelan dilakukan tanpa penggantian dan p adalah malar atau tetap, ingat kembali, jika populasi adalah cukup besar apabila membandingkan dengan saiz sampel, kesan persampelan tanpa penggantian keatas p adalah minimum. Oleh itu taburan binomial boleh digunakan di dalam sesetengah situasi apabila persampelan dilakukan tanpa penggantian. Disebabkan jadual boleh diperolehi, dengan menggunakan taburan kebarangkalian berbanding taburan hypergeometri apabila mungkin adalah lebih digemari. Sebagai peraturan biasa, jika saiz sampel kurang daripada 5% populasi, gunakan taburan binomia berbanding taburan hypergeometri adalah diterima apabila persampelan dilakukan tanpa penggantian. Taburan hypergeometri menghasilkan kebarangkalian yang tepat, dan taburan binomial menghasilkan penghampiran kebarangkaian yang baik di dalam situasi ini. Secara ringkasnya, taburan hypergeometri patut digunakan berbanding taburan binomial apabila

Persampelan dilakukan tanpa penggantian, dan N 5%N

Tabura hypergeometri adalah dikira di bawah andaian persampelan yang hampir sama dengan unsur-unsur ruang sampel. Katakan, dua puluh empat calon pekerja yang mengandungi lapan orang wanita telah memohon masuk ke universiti. Jika lima daripadanya dipilih secara rawak, apakah kebarangkalian tiga daripadanya yang dipilih adalah wanita? Masalah ini mempunyai populasi yang kecil dan finit seramai 24, atau N = 24. Sampel lima pemohon adalah diambil, n = 5. Persampelan adalah dilakukan tanpa penggantian, disebabkan lima pemohonn dipilih untuk sampel adalah lima pemohon yang berbeza. Saiz sampel ialah 21% daripada populasi, dmana 5% daripada populasi

5 n = = 0.21 . N 24

Taburan hypergeometri

adalah taburan yang sesuai untuk digunakan. Pecahan populasi ialah A = 8 wanita (kejayaan) dan N A = 24 8 = 16 lalaki. Kebarangkalian untuk memperolehi 3 wanita di dalam sampel n = 5 ialah:

39

Pengenalan Kepada Statistik Ekonomi dan Perniagaan

C 3 . 16 C 2 (56) (120) = = 0.1581 42,504 24 C 5

Secara konsepnya, kombinasi di dalam denominator formula hypergeometri menghasilkan semua kemungkinan cara untuk memperolehi n sampel dari populasi, N, termasuklah satu daripada hasil yang diperlukan. Di dalam masalah ini, terdapat 42,504 cara untuk memilih lima pemohon daripada 24 pemohon. Numerator formula hypegeometri mengira semua kemungkinan cara untuk memperolehi X kejayaan dari A kejayaan yang ada dan n X kegagalan dari N A kegagalan yang ada di dalam populasi. Terdapat 56 cara untuk memperolehi tiga wanita daripada sejumlah lapan wanita dan terdapat 120 cara untuk memperolehi dua lelaki dari sejumlah 116. Kombinasi dari setiapp hasildharab di dalam numerator disebabkan ia kebarangkalian bersama untuk memperolehi X kejayaan dan n X kegagalan telah dikirakan.

Contoh 5.11 Katakan terdapat 18 buah hospital pakar diseluruh Semenanjung Malaysia dan 12 daripadanya terletak di Lembah Kelang. Jika tiga daripada hospital pakar tersebut dipilih secara rawak dari semua senarai, apakah kebarangkalian memperolehi satu atau lebih hospital terletak di Lembah Kelang? Penyelesaian: N = 18, n = 3, A = 12 dan X 1 Sebenarnya terdapat tiga masalah di dalam satu: X = 1, X = 2 dan X = 3. Persampelan adalah dilakukan tanpa penggantian, dan saiz sampel ialah 16.6% daripada populasi. Oleh itu masalah ini diselesaikan menggunakan taburan hypergeometri. Penyelesaianya adalah sebagaimana berikut:

X =1 X=2 X=3 C. C C. C 12 C 1 . 6 C 2 + 12 1 6 1 + 12 1 6 0 = 18 C 3 18 C 3 18 C 3 0.2206 + 0.4853 + 0.2696 40 = 0.9775

Taburan Diskret

Kaedah penyelesaian pilihan adalah menggunakan hukum pelengkap iaitu satu tolak kebarangkalian tidak ada satupun hospital yang terletak di Lembah Kelang, atau 1 P(X = 0| N = 18, n = 3, A = 12) Iaitu

1-

12

C0 . 6C3 = 1 - 0.0245 = 0.0755 18 C 3

41