( Distribusi Teoretis)
MASRIZAL DT MANGGUANG, SKM, M.BIOMED
BAGIAN EPIDEMIOLOGI & BIOSTATISTIK
FKM UNAND
Pengantar
Distribusi Teoritis
Merupakan alat bagi kita untuk
menentukan apa yang dapat diharapkan,
apabila asumsi-asumsi yang kita buat
benar
Ada beberapa macam distribusi teoritis,
diantaranya Distribusi Binomial, Distribusi
Poisson, Distribusi Normal, Distribusi F,
Disribusi Kai Kuadrat, Distribusi t, dsb
1. Distribusi Binomial
Distribusi Binomial
Distribusi Binomial
Peluang sukses disimbolkan dengan p
dan gagal = q = (1-p)
Kejadian peristiwa binomial disimbolkan
dengan b(x,n,p)
Dimana : b = binomial
n = jumlah eksperimen
p = peluang sukses dlm 1 kali
eksperimen
Rumus :
n!
p =
Pr qn-r
r!(n-r)!
Dimana :
p = probabilitas yg diinginkan
q=1p
n = banyaknya peristiwa (trial)
r = jumlah sukses yg diinginkan
n!
x
n x
P ( X x)
p (1 p)
x! n x!
Contoh :
Probabilitas seorang bayi tidak diimunisasi
campak adalah 0,2. Pada suatu hari di
Posyandu X ada 4 orang bayi. Hitunglah
peluang dari bayi tersebut 2 orang belum
diimunisasi campak
Penyelesaian :
Binomial b(x=2, n=4, p=0,2)
b(2, 4, 0,2)
Peluang 2 diantara 4 bayi yang belum
diimunisasi campak adalah :
n!
x
n x
P ( X x)
p (1 p)
x! n x!
4!
2
4 2
P ( X 2)
0,2 (1 0,2)
2! 4 2!
4!
2
2
P ( X 2)
0,2 x 0,8 0,1536 0,154
2! x 2!
Contoh
p =
n!
r!(n-r)!
Pr qn-r
p =
3x2x1
2x1x1
P = 0,375
(0,5)2 0,5
Probabilitas Binomial
vs Mati
Sakit vs Sehat
Contoh:
Probabilitas
Contoh
orang meninggal
1 orang meninggal
2 orang meninggal
Contoh
Contoh
Diagram Probabilitas
Latihan :
1. Berapa probabilitas keluarnya angka 5,
sebanyak 2 kali bila sebuah dadu dilambungkan
3 kali ?
2. Berapa probabilitas hujan 3 hari dalam
seminggu selama 4 minggu?
Distribusi Poisson
Rumus Poisson
P(X )
x e
X!
Contoh
Penyelesaian
= n x p = 4000 x 0,0005 = 2
x
e
P(X )
X!
23 x 2,718282
P ( X 3)
0,1804 0,180
3!
2. Distribusi Multinomial
Rumus
p =
n!
r1!r2!r3!
Dimana :
r1 + r2 + r3rk = n
p1 + p2 + p3pk = 1
Contoh :
p =
(P1r1) (P1r1)
(P1r1)
6!
p =
2! 2! 2!
(1/3)2 (1/3)2(1/3)2
P = 0,123 = 12,3%
4. Distribusi Normal
Distribusi Probabilitas
PDF
CDF
29
Distribusi Probabilitas
Distribusi Probabilitas
Distribusi Probabilitas
Distribusi Normal
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
Distribusi Normal
f(X)
f X
1
2
X 2
2 2
f X : density of random variable X
3.14159;
e 2.71828
: population mean
: population standard deviation
X : value of random variable X
Normal Distribution
Z 1
Transformasi Z
Penggunaan Tabel Z
Distribusi Normal
1
60
75
Z
60 75
Z 10 = - 1.5
Distribusi Normal
1
75
90
Z
90 75
Z 10 = 1.5
1.5
Distribusi Normal
65
75
85
0.3413
0. 3413
Z1 85 75
10 = 1.0
Z2 65 75
10 = -1.0
P ( -1.0 z 1.0) =
0.3413+0.3413 =0.6826
= 0.6826 (68.26% mahasiswa
dapat nilai antara 65 s/d 85)
-1
Distribusi Normal
1
65
75
Z
65 75
Z 10 = - 1.0
Distribusi Normal
1.03
15%
35% atau
0.3500
1.03
75
10
10.3=X 75
X=85,3
Nilai terendah mahasiswa
dapat nilai A adalah 85,3
Seperti
lonceng
Titik belok
Luas dibawah kurva = probabilitas = 1
x
Md
Mo
xx
Z
S
Dimana :
Z = deviasi relatif
= X = rata-rata
= s = standar deviasi
Contoh
Penyelesaian
1.
P (x>250 mg%)
x x 250 215
Z
0,77
S
45
Lihat tabel Distribusi Normal nilai Z
berada pada kolom paling kiri dan baris
paling atas
Caranya : ambil nilai Z ini tiga digit saja
2 digit ada pada kolom dan digit ketiga
pada baris
Penyelesaian
Nilai Z = 0,77 0,7 + 0,07
Pada tabel nilai 0,7 lihat pada kolom
dan 0,07 lihat pada baris sehingga
diperoleh nilai 0,2794 (ini merupakan luas
area antara 215 s.d 250 mg%
Yang ditanyakan adalah P (x>250 mg%)
untuk mendapatkan area > 250 mg%
adalah 0,5 0,2794 = 0,2206
Penyelesaian
2.
P (x<200 mg%)
x x 200 215
Z
0,33
S
45
Lihat tabel nilai Z tabel = 0,1293
P (x<200 mg%) = 0,5 0,1293 = 0,3707
Penyelesaian
3.
x x 275 215
Z2
1,33
S
45
Nilai Z2 tabel = 0,4082
P (200 mg% < x < 275 mg%) = Z1 + Z2 =
0,1293 + 0,4082 = 0,5375
orang meninggal
1 orang meninggal
2 orang meninggal