DISTRIBUSI GEOMETRIK
Nama Kelompok :
1. M. Arifiranda P. (170601016)
2. M. Rifki Imansyah (170601017)
3. A. Sukma Amrul M. (170601018)
4. M. Rafli Rafsanjani (170601021)
Dalam teori probabilitas dan statistik , distribusi geometrik adalah salah satu dari dua distribusi
probabilitas diskrit :
Distribusi probabilitas dari X jumlah percobaan Bernoulli yang diperlukan untuk mendapatkan
satu kesuksesan, didukung pada himpunan {1, 2, 3, ...}
Distribusi probabilitas dari jumlah Y = X - 1 dari kegagalan sebelum keberhasilan pertama,
didukung pada himpunan {0, 1, 2, 3, ... }
Yang satu ini sebut sebagai "" distribusi geometrik adalah masalah konvensi dan kenyamanan.
Kedua distribusi geometris yang berbeda tidak harus bingung dengan satu sama lain. Seringkali,
namabergeser distribusi geometrik diadopsi untuk mantan satu (distribusi jumlah X), namun,
untuk menghindari ambiguitas, itu dianggap bijaksana untuk menunjukkan yang dimaksudkan,
dengan menyebutkan dukungan secara eksplisit.
Ini adalah probabilitas bahwa kejadian pertama keberhasilan memerlukan k jumlah percobaan
independen, masing-masing dengan probabilitas keberhasilan p. Jika probabilitas keberhasilan
pada setiap percobaan adalah p, maka probabilitas bahwa k th trial (uji coba dari k) adalah
keberhasilan pertama adalah
untuk k = 1, 2, 3, ....
Bentuk atas distribusi geometrik yang digunakan untuk memodelkan jumlah percobaan sampai
keberhasilan pertama. Sebaliknya, bentuk berikut distribusi geometrik digunakan untuk
memodelkan jumlah kegagalan sampai keberhasilan pertama:
untuk k = 0, 1, 2, 3, ....
Misalnya, seorang biasa die dilemparkan berulang kali sampai pertama kalinya "1" muncul.
Distribusi probabilitas dari jumlah kali itu dilemparkan didukung pada himpunan tak terhingga
{1, 2, 3, ... } Dan distribusi geometris dengan p = 1/6.
Moments dan cumulants [ sunting ]
The nilai yang diharapkan dari geometris didistribusikan variabel acak X adalah 1 / p dan varians
adalah (1 - p) /p 2:
Demikian pula, nilai yang diharapkan dari geometris didistribusikan random variabel Y (Y di
mana sesuai dengan PMF tercantum di kolom kanan) adalah (1 - p) / p, dan varians adalah (1 - p)
/ p 2:
Garis bukti: Itu nilai yang diharapkan adalah (1 - p) / p dapat ditunjukkan dengan cara berikut.
(The interchange dari penjumlahan dan diferensiasi dibenarkan oleh fakta bahwa konvergen
deret pangkat konvergen seragam pada kompak himpunan bagian dari himpunan titik-titik di
mana mereka berkumpul.)
Estimasi Parameter [ sunting ]
Untuk kedua varian dari distribusi geometrik, parameter p dapat diperkirakan dengan
menyamakan nilai yang diharapkan dengan rata-rata sampel . Ini adalah metode momen , yang
dalam hal ini terjadi untuk menghasilkan kemungkinan maksimum estimasi p. [ rujukan? ]
Secara khusus, untuk varian pertama membiarkan k = k 1, ..., k n menjadi sampel di mana k i ≥ 1
adalah[ rujukan? ]
Posterior berarti E [p] pendekatan estimasi maksimum likelihood sebagai α dan β mendekati
nol.
Dalam kasus alternatif, mari k 1, ..., k n menjadi sampel di mana k i ≥ 0 untuk i = 1, ..., n.
Sekali lagi posterior mean E [p] pendekatan estimasi maksimum likelihood sebagai α dan β
mendekati nol.
Properti Lainnya [ sunting ]
Para fungsi probabilitas menghasilkan X dan Y masing-masing adalah,
• Pada seleksi karyawan baru sebuah perusahaan terdapat 3 dari 10 pelamar sarjana komputer
sudah mempunyai keahlian komputer tingkat advance dalam pembuatan program. Para
pelamar diinterview secara intensive dan diseleksi secara random.
Pertanyaan :
• Berapa probabilitas pertama kali pelamar diterima pada 5 interview yang dilakukan?
• Berapakah rata-rata pelamar yang membutuhkan interview guna mendapatkan satu calon yang
punya advance training
Jawaban:
f(5)=(0,3)(0,7)4=0.072
• E(x)=1/p=1/0,3=3,333