Nama : Ulfa Rahmani

NPM : 140220180001
Distribusi Peluang Diskrit

Distribusi Peluang Diskrit, yaitu hanya dapat bernilai tertentu.

Ciri-ciri utamannya adalah :
 Jumlah total peluangnya sama dengan 1
 Peluang dari suatu hasil adalah antara 0 sampai 1
 Hasilnya tidak terikat satu sama lain
Beberapa Distribusi Peluang Diskrit :

1. Distribusi Bernoulli

Peubah aca Bernoulli hanya mempunyai dua nilai yaitu 0 dan 1 dalam satu kali percobaan. Nilai
0 dan 1 ini biasanya dikaitkan dengan “gagal” dan “sukses”. Peluang sukses dinyatakan dengan p
dan gagal dengan 1- p.

Ciri-ciri :

1. Percobaan terdiri atas n usaha yang berulang

2. Tiap usaha memberikan hasil yang dapat ditentukan sukses atau gagal
3. Peluang sukses, dinyatakan dengan p, tidak berubah dari usaha yang satu ke yang
berikutnya
4. Tiap usaha, bebas dengan usaha yang lainnya
 Definisi
Suatu peubah acak X mempunyai distribusi bernoulli (X dikatakan peubah acak
bernoulli) jika dan hanya jika distribusi peluangnya diberikan dengan
𝑓(𝑥; 𝑝) = 𝑝 𝑥 (1 − 𝑝)1−𝑥 = 𝑝 𝑥 (𝑞)1−𝑥 , 𝑢𝑛𝑡𝑢𝑘 𝑥 = 0, 1.
 Teorema
Distribusi Bernoulli f ( x; p) mempunyai rata-rata dan variansi

  p dan  2  pq
 Bukti :
1. Untuk rataan
1 1
  E ( x)   xf ( x, p)   xp x q1 x  0. p 0 q10  1 p1 q 11  p
x 0 x 0

2. Untuk variansi
Diketahui bahwa  2  E ( xi   ) 2  E ( x) 2  [ E ( x)]2

Dan   E ( x)  p , sekarang akan dicari E ( x 2 ) sebagai berikut

1 1
  E ( x 2 )   x 2 f ( x; p)   x 2 p x q 1 x  0 2. p 0 q 10  12 p 1 q 11  p
x 0 x 0

Jadi  2  E( xi   ) 2  E( x) 2  [ E( x)]2  p  p 2  p(1  p)  pq

Jadi teorema 1. Terbukti

2. Distribus Binomial
Suatu percobaan disebut percobaan Binomial jika memenuhi syarat :
 Setiap hasil diklasifikasikan ke dalam satu dari dua kategori yang tidak terikat satu sama
lain.
 Distribusi ini dihasilkan dari perhitungan jumlah sukses dari sejumlah percobaan.
 Peluang sebuah sukses tetap sama dari satu percobaan ke percobaan lain.
 Setiap percobaannya saling bebas.
 Peluang Binomial dengan p = Peluang suskes dihitung dengan rumus sbb:

b( x; n, p)  (𝑛𝑥) p x (1  p) n  x ; x  0,1,2,...

x  Usaha sukses

p  Peluang sukses

n  Jumlah usaha

Teorema sifat binomial :

 Nilai Rata-rata nya :

  Nilai Variansinya :

Contoh :
Contoh : sebuah dadu dilemparkan 5 kali. Berapa probabilitas bahwa dalam 5 kali pelambungan
1 1
muncul mata dadu 2 sebanyak 3? Jawab : x = 3, n = 5 , p = , maka b( 3 ; 5 , ) = (53)
6 6
3
1 5 2
( ) (6) = 0.032
6

3. Distribusi Binomial Negatif

Suatu percobaan disebut Binomial negatif jika memenuhi syarat :

a. Usaha diulang sampai terjadi sejumlah sukses tertentu

b. Tiap usaha memberikan hasil yang dapat ditentukan saling sukses atau gagal
c. Peluang sukses yang dinyatakan dengan P, tidak berubah dari usaha yang satu ke usaha
yang berikutnya
d. Tiap usaha bebas dengan usaha yang lainnya

Definisi : banyaknya usaha x untuk menghasilkan k sukses dalam percobaan Binomial Negatif
disebut peluang acak Binomial Negatif

(𝑥−1) 𝑝𝑘 𝑞 𝑥−𝑘 , 𝑥 = 𝑘, 𝑘 + 1, 𝑘 + 2
Distribusi peluang Binomial Negatif 𝑝(𝑥) = { 𝑘−1
0 𝑥 = lainnya

X adalah Binomial negatif (𝑥; 𝑘, 𝑝)

4. Distribusi Hipergeometris
 Distribusi ini hanya memiliki dua hasil yang mungkin muncul.
 Peluang sebuah sukses tidak sama untuk setiap percobaan
 Distribusi ini dihasilkan dari perhitungan jumlah sukses dari sejumlah percobaan
 Distribusi ini digunakan ketika pengambilan sampel dilakukan tanpa pengembalian.
 Sebuah Peluang Hipergeometris dihitung dengan menggunakan rumus sbb :
 Distribusi Hipergeometrik adalah banyaknya x dipercobaan hipergeometrik disebut
peluang acak hipergeometrik fungsi peluangnya :

x  0,1,2,, n
Karena nilainya bergantung pada banyaknya yang sukses k dalam n barang yang terpilih acak
dari sebanyak N
nk
Sifat : (i) E ( x)   
N
N n k k
(ii)  2  Var( x)   n (1  )
N 1 n N

5. Distribusi Poisson
 Distribusi ini menjelaskan jumlah kejadian dari suatu peristiwa selama interval tertentu
 Peluang sebuah sukses terjadi secara proporsional dengan panjang intervalnya
 Interval-interval yang tidak saling tumpang tindih bersifat saling bebas
 Distribusi Poisson dihitung dengan rumus sbb :

x  0,1,2,
Dengan  menyatakan rata-rata banyaknya sukses yang terjadi selama selang waktu atau
daerah tertentu.

Sifat :

1. E (x)  

2. Var(x)   2  

3.  p( X ;  )  1
x 0

Referensi

Ronald, E.Walpole 1995. Pengantar Statistika edisi ke-3 . University of California, Berkeley.

Heni, Khotijah, Susi A,2017. Distribusi Diskrit Dan Distribusi Kontinu. Universitas Negeri
Malang. Penerbit PT Gramedia Pustaka Utama.