DISTRIBUSI PROBABILITAS

3.2. DISTRIBUSI PROBABILITAS DISKRIT

Himpunanpasanganterurut (x, f(x))

merupakansuatufungsiprobabilitasataudistribusiproabilitasdarivariabel random diskrit, jika

1. f ( x)  0
2.  x
f ( x)  1
3. P( X  x)  f ( x)

Rata-rata danvariansdarivariabel random diskrit X

  E ( X )  x xf ( x)
 2  E[( X   ) 2 ]   x ( x   ) 2 f ( x)

3.3. DISTRIBUSI PROBABILITAS KONTINU

Fungsi f(x) adalahfungsikepadatan (density) probabilitasuntukvariabelkontinu X, jika

1. f ( x)  0

2. 
-
f ( x) dx  1
b
3. P (a  X  b)   f ( x)dx
a

Rata-rata dan varians dari variabel random kontinu X


  E ( X )   xf ( x)dx


 2
 E[( X   ) 2 ]   ( x   ) 2 f ( x)dx


3.4. BEBERAPA DISTRIBUSI PROBABILITAS DISKRIT

3.4.1 Distribusi Binomial
Ciri-ciripercobaanbinomial :
1. Percobaanterdiridari n ulangan
2. Setiaphasilulangandapatdigolongkansebagaisukses (S) ataugagal (G)
3. Probabilitassukses (p) untuksetiapulanganadalahsama
4. Setiapulanganharusbersifatindependen.

Definisi4 :
Suatupercobaandengan n ulanganmempunyaiprobabilitassukses p dan gagal q = 1-p.
Jikavariabelrandom X menyatakanbanyaknyasuksesdalam n ulangan yang bebas,
maka X berdistribusi Binomial dengandistribusiprobabilitas :
  n  x n x
b(x; n, p)  
 xp q , x  0,1,2,.... n
 

Nilaiharapan (rata-rata) dan varians dari variabelrandom yang berdistribusi Binomial

 = np
2 = npq

3.4.2 DistribusiHipergeometrik
Ciri-ciripercobaanHipergeometrik :
1. Sampelacakberukuran n diambildaripopulasiberukuran N
2. Dari populasiberukuran N benda, sebanyak k benda diberi label “sukses”, dan N-k
benda diberi label “gagal”.

Definisi 5 :
Dalam populasi N benda, k benda diantaranya diberi label “sukses” dan N-k benda
lainnya diberi label “gagal”. Jika variabel random X menyatakan banyaknya sukses
dalam sampel acak berukuran n, maka X berdistribusi hipergeometrik dengan
distribusi probabilitas
 k  N  k 

 x
 

  n  x 
h(x; N, n, k)  , x  0,1,2,.... k
N

n 
 

Nilaiharapandanvariansdarivariabel random yang berdistribusiHipergeometrikadalah

nk

N
N n k  k 
2  .n. 1  
N 1 n  N

3.4.3. Distribusi Poisson

Ciri-ciri percobaan Poisson :
1. Banyaknya hasil percobaan yang terjadi dalam suatu selang waktu tertentu, tidak
tergantung padabanyaknyahasilpercobaan yang terjadipadaselangwaktu lain yang
terpisah.
2. Probabilitasterjadinyasuatuhasilpercobaanselamaselangwaktu yang singkat,
sebandingdenganpanjangselangwaktutersebut,
dantidaktergantungpadabanyaknyahasilpercobaan yang terjadi di
luarselangwaktutersebut.
3. Probabilitaslebihdarisatuhasilpercobaanakanterjadidalamselangwaktu yang singkat,
dapatdiabaikan.

Definisi6 :
Jikavariabelrandom Xmenyatakanbanyaknyahasilpercobaan yang
terjadidalamselangwaktutertentu, danadalah rata-rata
 banyaknyahasilpercobaandalamselangwaktutersebut, maka X berdistribusi Poisson
dengandistribusiprobabilitas
e   x
p(x;  )  , x  0,1,2,...
x!

Nilaiharapandanvariansdariariable random yang berdistribusi Poisson

keduanyasamadengan.

Misalkan X  b(x; n,p), bila n , p  0, maka

b(x; n,p)  p(x; )
dengan = np.

3.5. DISTRIBUSI PROBABILITAS KONTINU

3.5.1 Distribusi Normal

Definisi 7 :
Variabel random X berdistribusi normal dengan rata-rata  dan varians 2 jika
mempunyai fungsi densitas
1  x 
2

1   
f(x) = n(x;  ,  )  e 2  
, -  x  
 2

Sifat-sifatkurvanormal :
1. Modus terjadipada x = 
2. Kurvasimetristerhadap x = 
3. Keduaujungkurvasecaraasimtotikmendekatisumbudatar x, bilanilai x
bergerakmenjauhi.
4. Seluruh luas dibawah kurva dan diatas sumbu datar sama dengan 1.
f(x)

x1 x2

Gambar 1 : Kurva Normal

Misalkan ingin dihitung P (x1< X < x2) dari variabel random X yang berdistribusi
normal, maka berdasar kurva di atas P (x1< X < x2) = luas daerah yang diarsir.
 x2

Untukmenghitung P(x1< X < x 2)   f ( x) dx sulitdiselesaikan.

x1

Namundapatdiatasidenganmentransformasivariabel random normal X menjadivariabel

random Z
X 
Z .

Distribusivariabel random Z disebutdenganDistribusi Normal Standart, denganfungsidensitas
1 z2 2
f ( z)  e , -  z  
2

dengan  = 0 dan2 =1.

3.5.2 Hampiran Normal Terhadap Distribusi Binomial

Jikavariabel random X berdistribusi Binomial dengan mean  = npdanvarians2 = npq,

makavariabel random Z  X  np untuk n berdistribusi normal standart.
npq