5 Distribusi Probabilitas PDF
5 Distribusi Probabilitas PDF
datanya.
Dari
ringkasan
ini
dapat
diketahui
keluarga
fixi ) dan
fi
fi fi
sebklsmed
2
fkelasmed
))
Sebelum kita melakukan pendugaan pola distribusi dari data yang kita amati, perlu
kita pelajari terlebih dahulu fungsi Distribusi
1. Distribusi Diskrit
Distribusi prob uniform diskrit
Ciri-ciri : Setiap nilai variabel acak mempunyai probabilitas terjadi yang sama.
Discrete uniform
Probability mass function
Parameters
Support
Probability
mass function
(pmf)
Cumulative
distribution
function (cdf)
Mean
Median
Mode
N/A
Variance
Skewness
Excess
kurtosis
Entropy
Momentgenerating
function
(mgf)
Characteristic
function
Contoh :
Pada sebuah dadu, peluang muncul untuk setiap mata dadu adalah 1/6,
p(x) = 1/6 untuk x = 1,2,3,4,5,6
Distribusi Poisson
Ciri-ciri :
Merupakan limit dari distribusi Binomial dengan banyaknya percobaan n relatif
besar
Poisson
Probability mass function
Mode
Variance
Skewness
Excess
kurtosis
Entropy
Momentgenerating
function
(mgf)
Characteristic
function
Contoh :
Polisi sektor daerah A mencatat rata-rata 5 orang tertangkap dengan
kasus Narkotika setiap bulan. Hitunglah probabilitas bahwa pada bulan
tertentu antara 5 sampai 9 orang !
=
x
0
1
2
3
4
5
6
7
8
9
Probabilitas
5
p
0.0067
0.0337
0.0842
0.1404
0.1755
0.1755
0.1462
0.1044
0.0653
0.0363
0.9682
x
0
1
2
3
4
Probabilitas
p
0.0067
0.0337
0.0842
0.1404
0.1755
0.4405
P( 5 X 9 )
0.5277
Distribusi Binomial
Ciri-ciri :
-
Binomial
Probability mass function
Support
Probability
mass function
(pmf)
Cumulative
distribution
function (cdf)
Mean
one of
Median
Mode
Variance
Skewness
Excess
kurtosis
Entropy
Momentgenerating
function
(mgf)
Characteristic
function
Contoh :
10
0.6
0.4
x
kombinasi
0
1.0000
1
10.0000
2
45.0000
Probabilitas
P(X=x)
0.0001049
0.0015729
0.0106168
0.0122946
Distribusi Geometri
Ciri-ciri :
-
Percobaan
bebas
dilakukan
berulang,
dapat
menghasilkan
dengan
probabilitas q = 1 p.
8
Geometric
Probability mass function
Parameters
success probability
(real)
Support
Probability
mass function
(pmf)
Cumulative
distribution
function (cdf)
Mean
Median
Mode
(not unique if
log(2) / log(1 p) is an
integer)
1
Variance
Skewness
Excess
kurtosis
Entropy
Momentgenerating
function (mgf)
Characteristic
function
(where q = 1 p)
Contoh :
Probabilitas wanita yang tidak menyetujui poligami 80 %. Tentukan
probabilitas seorang sosiolog memerlukan 3 orang wanita sampai diperoleh
wanita yang tidak setuju poligami.
n=
p=
q=
10
0.8
0.2
x
p
3
0.8000
Probabilitas
q^(x-1)
0.0400
P
0.0320
0.0320
10
2. Distribusi Kontinu
Distribusi Kontinu memiliki sifat kontinu, data yang diamati berjalan secara
berkesinambungan dan tidak terputus.
Uniform
Probability density function
Parameters
11
Support
Probability density
function (pdf)
Cumulative
distribution function
(cdf)
Mean
Median
Mode
any value in
Variance
Skewness
Excess kurtosis
Entropy
Moment-generating
function (mgf)
Characteristic
function
Contoh
Pada
suatu
sentra
telpon
ternyata
distribusi
pelayanan
telponnya
12
Distribusi Eksponensial
Exponential
Probability density function
Parameters
rate or inverse
scale (real)
Support
Probability density
function (pdf)
e x
Cumulative distribution
1 e x
function (cdf)
Mean
Median
Mode
Variance
13
Skewness
Excess kurtosis
Entropy
Moment-generating
function (mgf)
Characteristic function
Contoh :
Pada suatu sentra telpon ternyata distribusi penerimaan telponnya berdistribusi
eksponensial dengan mean = 0,1 menit.
Distribusi Normal
Distribusi Normal merupakan model yang baik untuk mendekati frekuensi dari
fenomena alam dan sosial jika sampelnya besar.
Normal
Probability density function
14
Median
Mode
Variance
Skewness
Excess
kurtosis
Entropy
Momentgenerating
function
(mgf)
Characteristic
function
15
Xi fi
i 1
n
n
fi ( Xi x )2
i 1
Xx
s
Dengan
X :
x :
s :
simpangan baku
Contoh :
Curah hujan yang tercatat di stasiun Pengamatan Cuaca Tanjung
Selor Kalimantan Timur selama 10 tahun terakhir rata-rata mencapai
2800 mm/th dengan simpangan baku 75 mm/th. Bila curah hujan
mengikuti distribusi normal, hitunglah probabilitas curah hujan kurang
dari 2675 mm/th atau lebih dari 2900 mm/th !
x=
s=
2800
75
X
Z
2675
-1.67
2900
1.33
Probabilitas
F(X)
0.0478
0.0912
0.1390
16
Distribusi Gamma
Gamma
Probability density function
Parameters
shape (real)
scale (real)
Support
Probability density
function (pdf)
Cumulative
distribution
function (cdf)
Mean
Median
17
Mode
Variance
Skewness
Excess kurtosis
Entropy
Momentgenerating function
(mgf)
Characteristic
function
batas
bawah
atas
375
380
385
390
395
400
405
379
384
389
394
399
404
409
frekuensi (f)
10
6
7
6
6
6
7
18
No
1
2
3
4
5
6
7
batas
frekuensi
nilai
bawah
atas
(f)
tengah (X)
375
379
10
377
380
384
6
382
385
389
7
387
390
394
6
392
395
399
6
397
400
404
6
402
405
409
7
407
JUMLAH
48
Mean
390.9583
Median
390.3333
S
10.5059
CV
0.0269
skewness
0.1785
fi.Xi
3770
2292
2709
2352
2382
2412
2849
18766
(Xi - x)
-13.96
-8.96
-3.96
1.04
6.04
11.04
16.04
1,948.4
481.5
109.7
6.5
219.0
731.5
1,801.3
5,297.9
Dari hasil diatas nilai rata-rata hampir sama dengan median, maka diduga data
berdistribusi normal.
19
SOAL :
Diberikan distribusi frekuensi Data pengamatan Produk kecap ABC pada tahun
2002
No
1
2
3
4
5
6
7
batas
bawah
atas
141
144
145
148
149
152
153
156
157
160
161
164
165
168
frekuensi (f)
13
9
10
8
6
5
4
20