Definisi: Bernoulli

Percobaan Bernoulli: Hanya terdapat satu kali

percobaan dengan peluang sukses p dan
peluang gagal 1-p

P( X = 1) = p1 (1 p)11 = p
1
1

Peluang Sukse:
Peluang Gagal:

1
P( X = 0) = p 0 (1 p)1 0 = 1 p
0

Contoh Binomial

Perilaku Distribusi Bernoulli

E(X) = p
Var (X) = p(1-p)

Var (Y ) = E (Y 2 ) E (Y ) 2
= [12 p + 0 2 (1 p)] [1 p + 0(1 p )]2
= p p2
= p (1 p )

Contoh Binomial
Penyelesaian:

Melempar koin sebanyak 5 kali. Berapa

peluang mendapatkan tepat 3 kepala?
Catatan:
- Percobaan Diskrit
- Mempunyai keluaran biner (ya dan tidak atau 1 dan 0)
- mempunyai peluang yang sama tiap kali lemparan

Satu cara mendapat tepat 3 kepala: HHHTT

Peluangnya adalah:
P(heads)xP(heads) xP(heads)xP(tails)xP(tails)
=(1/2)3 x (1/2)2
Cara lain mendapatkan tepat 3 kepala: THHHT
Peluangnya = (1/2)1 x (1/2)3 x (1/2)1 = (1/2)3 x
(1/2)2

Contoh Binomial

Contoh Binomial

Jadi, (1/2)3 x (1/2)2 merupakan peluang untuk

mendapatkan tepat 3 kepala dan 2 ekor
Sehingga, peluang untuk mendapat 3 kepala dan 2
ekor (sejauh yang kita dapat sekarang) adalah:
1/2)3 x (1/2)2 + (1/2)3 x (1/2)2 + (1/2)3 x (1/2)2 + ..

cara

5 untuk
mengatur
3 3 kepala
dalam 5
percobaan

Namun, terdapat lebih dari satu pengaturan 3 kepala

dan 2 ekor. Ada berapa cara untuk mengaturnya?
5C 3

= 5!/3!2! = 10

Keluaran
Peluang
THHHT
(1/2)3 x (1/2)2
HHHTT
(1/2)3 x (1/2)2
TTHHH
(1/2)3 x (1/2)2
HTTHH
(1/2)3 x (1/2)2
HHTTH
(1/2)3 x (1/2)2
HTHHT
(1/2)3 x (1/2)2
THTHH
(1/2)3 x (1/2)2
HTHTH
(1/2)3 x (1/2)2
HHTHT
(1/2)3 x (1/2)2
THHTH
(1/2)3 x (1/2)2
HTHHT
(1/2)3 x (1/2)2
10 pengaturan x (1/2)3 x (1/2)2

Peluang dari tiap

pengaturan yang
unik
Cat: peluangnya
sama

Binomial distribution function:

5

P(3 kepala dan 2 ekor) = 3 x P(heads)3 x P(tails)2 =

10 x

X= banyaknya keluar kepala dari 5 kali percobaan

p(x)

()5=31.25%

Atau lihat tabel Binomial

0

banyaknya kepala

Distribusi Peluang Binomial

Banyak yang tepat dari sejumlah observasi (percobaan),
n
Contoh: koin dilempar 15 kali, 20 pasien, 1000 orang
yang ikut survei
Peubah Acak Biner
Contoh: kepala atau ekor, rusak atau baik, laki atau
perempuan
Secara umum disebut sukses atau gagal
Peluang sukses adalah p, peluang gagal adalah 1 p
Untuk setiap observasi percobaan adalah konstan
Contoh: pe;uang mendapatkan kepala adalah sama
untuk tiap percobaan

Distribusi Binomial, secara umum

Bentuk umum dari distribusi Binomial adalah:

n = banyak percobaan

n X
n X
p (1 p)
X

X = # banyak
sukses dari n
percobaan

1-p = peluang
gagal

p = peluang
sukses

Definisi: Binomial

Definisi: Binomial

Binomial: Misal terdapat n percobaan yang saling bebas, dan

tiap percobaan menghasilkan sebuah sukses dengan peluang p
dan gagal dengan peluang 1-p. Jika total banyaknya sukses, X,
merupakan peubah acak Binomial dengan parameter n dan p.
Penulisannya adalah: X ~ Bin (n, p) {dibaca: X
iberdistribusi binomial dengan parameter n dan p}
Dan peluang bahwa X=r (i.e., terdapat tepat r sukses)
adalah:
n
P ( X = r ) = p r (1 p ) n r
r

Jika X mengikuti distribusi binomial dengan

parameter n dan p: X ~ Bin (n, p)
Maka:
x= E(X) = np
catatan: varians akan
berada antara
x2 =Var (X) = np(1-p)
0*N - 0.25 *N
x =SD (X)= np (1 p )
p(1-p) mencapai maks
saat p=.5

P(1-p)=.25

Distribusi Geometric

Definisi: Binomial
For X~Bin (N,p)

X=

Bernouilli ;Var (Y )

= p (1 p)

i =1

= Var ( X ) = Var (

i =1

Y) =

Var (Y ) = np(1 p)
i =1

Distribusi geometric biasanya diterjemahkan

sebagai banyaknya percobaan sampai
kejadian gagal terjadi.
Banyaknya koin dilempar sampai keluar ekor
untuk pertama kalinya.
Peubah acak X adalah banyaknya lemparan
samapi ekor muncul pertama kalinya
Peluang muncul kepala (sukses) adalah p.
14

Distribusi Geometric
Fungsi peluang dari distribusi Geometric

PX (1) = (1 p )

PX (2 ) = p (1 p )

PX ( x ) = p x 1 (1 p )

x =1

x 1

x =1

x 1

x =1

= (1 p ) p x = (1 p )
(x bil. Bulat positif)

P (x ) = p (1 p ) = (1 p ) p

seterusnya.

PX ( x ) = ?

Perhatikanbahwa tidak terdapat batas atas

untuk X
Ingat penjumlahan semua peluang adalah 1:

PX (3) = p ( p )(1 p ) = p 2 (1 p )
Jadi,

Distribusi Geometric

x =0

Deret Geometric

(1 p )

=1

16

Distribusi Geometric

Distribusi Geometric
lanjutan

x=0

1
1 p

Expectation:

(| p |< 1)
Turunkan kedua sisi terhadap p:

xp

x 1

= 1

x=0

1
1
1 =
(1 p ) 2
(1 p) 2

x =1

x =1

x =1

xPX (x ) = xp x1 (1 p ) = (1 p ) xp x1
= (1 p )

1
1
=
2
(1 p ) 1 p

17

Contoh: Geometric

Distribusi Geometric

Sebuah dadu dilempar sampai mata 6 didapatkan. Jika X adalah

banyaknya percobaan sampai sukses didapatkan, maka tabel
peluangnya adalah

Lanjutan

Variance:

V (X ) =

p
(1 p )2

P(X=x)

1
1
6

5 1 2 3 4 n1
5 1 5 1 5 1 5 1
6 6 6 6 6 6 6 6 6 6

Gunakan tabel diatas untuk mendapatkan mean dan varians.

Apa hasilnya?

Distribusi Negative Binomial (Pascals)

Distribusi Negative Binomial (Pascals)

Definisi (versi pertama):

Definisi (versi kedua):

Negatif Binomial digunakan untuk memberikan r

sukses dalam x percobaan, dimana sukses terakhir
merupakan akhir percobaan. Peluang sukses adalah
p, sedangkan peluang gagal adl q.

Negatif Binomial digunakan untuk memberikan r gagal

dalam x percobaan sebelum sukses yang ke-r.
Peluang sukses adalah p, sedangkan peluang gagal
adl q.

Apa yang dimaksud Negatif?

Nama Negatif dimaksudkan sebagai aplikasi
bentuk umum Teorema Binomial dengan
Pangkat Negatif

Negatif Binomial
Mean

Varians

Negatif Binomial (Contoh)

Hypergeometric

Sebuah dadu yang adil dilempar sampai mata 6 (enam)

keluar 2 kali. Tentukan peluang bahwa 5 kali lemparan
dibutuhkan untuk mendapatkan 2 kali angka 6.

Distribusi Hypergeometric terjadi ketika n sampel

diambil tanpa pengembalian dari sebuah populasi
(N). Banyaknya sukses pada populasi diberikan oleh
r. Banyaknya sukses pada sampel diberikan oleh y.

Dimana max (0, n+r-N) k min (r,n)

Hypergeometric

Hypergeometric

Mean

E(Y) = np = nr/N
Varians

Contoh: 10 kartu diambil dari satu paket kartu.

Tentukan peluang terdapat tepat 1 ace dari 10 kartu.
N = 10, r = 4, k = 1, N = 52, p = 1/13