UNIVERSITAS ANDALAS
STATISTIKA
dan
PROBABILITAS
Distribusi Distribusi
Probabilitas Probabilitas
Diskrit Kontinu
Binomial Normal
Poisson Uniform
Hypergeometric Exponential
Distribusi Probabilitas Diskrit
Variabel acak diskrit adalah sebuah variabel
yang dapat diasumsikan hanya jumlah nilai
yang dapat dihitung
Banyak kemungkinan hasilnya :
jumlah komplain per hari
jumlah TV didalam sebuah rumah tangga
jumlah bunyi telpn sebelum telpon dijawab
Hanya dua kemungkinan hasilnya :
jenis kelamin : lelaki atau wanita
defektif : ya atau tidak
dipoles ‘peanut butter’ dulu atau dipoles ‘jelly’ dulu
Distribusi Probabilitas Kontinu
Variabel acak kontinu adalah sebuah variabel
yang dapat menganggap setiap nilai pada
kondisi kontinu dapat dianggap jumlah nilai
yang tidak dapat dihitung
Tebal suatu barang
Waktu yang diperlukan untuk menyelesaikan tugas
Temperatur sebuah solusi
Tinggi dalam m
Distribusi
Probabilitas
Diskrit
Binomial
Poisson
Hypergeometric
Distribusi Binomial
Karakteristik Distribusi Binomial :
Setiap percobaan hanya mempunyai dua
kemungkinan hasil – “sukses” atau “gagal”
Terdapat jumlah tetap n untuk percobaan yang
sama
Percobaan dari eksperime adalah ‘independent’
untuk setiap percobaan
Probabilitas sebuah sukses p, selalu konstan dari
percobaan ke percobaan yang lain
Jika p = probabilitas dari sukses, maka
(1-p) = q adalah probabilitas dari kegagalan
Kejadian Distribusi Binomial
Pabrik pembuatan label menghasilkan
produk yang ‘rusak’ atau ‘bagus’
Perusahaan mengikuti tender akan
mengalami ‘menang’ atau ‘kalah’
Perusahaan riset pemasaran menerima
respon hasil survey, yaitu “ya, saya akan
membeli” atau “tidak, saya tidak akan
membeli”
Aplikasi lamaran pekerjaan : aplikasi
‘diterima’ atau ‘ditolak’
Counting Rule for Combinations
Kombinasi adalah hasil dari eksperimen dimana
sejumlah x buah obyek dipilih dari grup n buah
obyek
n!
C n
x! (n x )!
x
dimana:
n! =n(n - 1)(n - 2) . . . (2)(1)
x! = x(x - 1)(x - 2) . . . (2)(1)
0! = 1
Formula Distribusi Binomial
n! x nx
P(x) p q
x ! (n x )!
P(X) n = 5 p = 0.5
.6
.4
Untuk, n = 5 dan p = 0.5 .2
0 X
0 1 2 3 4 5
Karakteristik Distribusi Binomial
- Mean
μ E(x) np
- Varian dan Standar Deviasi
σ npq
2
σ npq
Dimana n = jumlah sampel
p = probabilitas sukses
q = (1 – p) = probabilitas kegagalan
Karakteristik Binomial
Contoh :
μ np (5)(.1) 0.5 P(X) n = 5 p = 0.1
.6
.4
σ npq (5)(.1)(1 .1) .2
0.6708 0 X
0 1 2 3 4 5
Contoh :
n = 10, p = .35, x = 3: P(x = 3|n =10, p = .35) = .2522
n = 10, p = .75, x = 2: P(x = 2|n =10, p = .75) = .0004
Statistik di Excel
Pilih Formula / Statistic / Prob…
Statistik di Excel
Statistik di Excel
Distribusi Poisson
Distribusi
Probabilitas
Distribusi
Probabilitas
Discrete
Binomial
Poisson
Hypergeometric
Distribusi Poisson
Karakteristik Distribusi Poisson :
Hasil yang diinginkan adalah jarang mempunyai
nilai relatif terhadap kemungkinan yang dihasilkan
Jumlah rata-rata hasil yang diinginkan per waktu
atau interval ruang adalah
Jumlah hasil yang diinginkan adalah acak, dan
kejadian dari hasil yang diperoleh tidak
mempengaruhi kesempatan dari hasil lain yang
diinginkan
Probabilitas bahwa hasil yang diinginkan terjadi
pada segmen yang ditetapkan adalah sama untuk
semua segmen
Formula Distribusi Poisson
t
( t ) e x
P( x )
x!
Dimana :
t = ukuran interval yang diinginkan
x = jumlah kejadian sukses pada segmen yang diinginkan
= jumlah yang sukses pada segmen satuan tertentu
e = sistem logaritma natural (2.71828...)
Karakteristik
Distribusi Poisson
Mean μ λt
Varian dan Standar Deviasi
σ λt
2
σ λt
dimana : = jumlah kejadian sukses dalam segmen ukuran unit yang ditetapkan
t = ukuran segmen yang diinginkan
Penggunaan Tabel Poisson
t
0.60
t = P(x) 0.40
X 0.50
0.30
0 0.6065
0.20
1 0.3033
2 0.0758 0.10
3 0.0126 0.00
0 1 2 3 4 5 6 7
4 0.0016
5 0.0002 x
6 0.0000
P(x = 2) = .0758
7 0.0000
Bentuk Distribusi Poisson
Bentuk dari distribusi Poisson tergantung
pada nilai parameters dan t :
t = 0.50 t = 3.0
0.70 0.25
0.60
0.20
0.50
0.15
0.40
P(x)
P(x)
0.30 0.10
0.20
0.05
0.10
0.00 0.00
0 1 2 3 4 5 6 7 1 2 3 4 5 6 7 8 9 10 11 12
x x
Statistik di Excel
Pilih Formula / Statistic / Poisson…
Statistik di Excel
Statistik di Excel
Distribusi Hypergeometric
Distribusi
Probabilitas
Distribusi
Probabilitas
Discrete
Binomial
Poisson
Hypergeometric
Distribusi Hypergeometric
N X . X
C C
P( x ) n x
N
x
C n
Dimana :
N = ukuran populasi
X = jumlah sukses didalam populasi
n = jumlah sampel
x = jumlah sukses didalam sampel
n – x = jumlah yang gagal didalam sampel
Formula
Distribusi Hypergeometric
Contoh : 3 buah lampu listrik dipilih dari 10 buah. 4
dari 10 buah lampu adalah rusak. Berapa
probabilitas bahwa 2 dari 3 buah lampu yang dipilih
adalah rusak?
N = 10 n=3
X=4 x=2
Distribusi
Probabilitas
Continuous
Normal
Uniform
Exponential
Distribusi Normal
Bentuk ‘Bell’
Bentuk Simetris
f(x)
Mean, Median dan Mode
adalah sama
Lokasinya ditentukan oleh σ
mean (μ) x
Bentuk sebaran ditentukan μ
oleh standar deviasi (σ)
Mean
Variabel acak secara teoritis = Median
mempunyai range tidak = Mode
terbatas :
+ ke
Beberapa Distribusi Normal
μ x
Menghitung Probabilitas
Distribusi Normal
Probabilitas Probabilitas dihitung dari
adalah daerah
luasan dibawah kurva
dibawah kurva
f(x) P (a x b)
a b x
Probabilitas
luasan dibawah kurva
Luas total dibawah kurva adalah 1.0, dan kurva tersebut
simetris, sehingga separoh dari kurva tsb adalah diatas
mean, sedang separohnya lagi dibawah mean
0.5 0.5
μ x
P( x ) 1.0
Aturan Empiris
f(x)
μ ± 1σ sekitar 68% dari x
σ σ
x
μ1σ μ μ+1σ
68.26%
Aturan Empiris
(lanjutan)
2σ 2σ 3σ 3σ
μ x μ x
95.44% 99.72%
Distribusi Normal Standar
Disebut juga sebagai distribusi “z”
Mean didefinisikan = 0
Standar Deviasi = 1
f(z)
1
z
0
Nilai diatas mean mempunyai nilai z positif
Nilai dibawah mean mempunyai nilai z negatif
Distribusi Normal Standar
x μ
z
σ
Contoh :
Jika x berdistribusi normal dengan mean
=100 dan standar deviasi = 50, maka nilai z
untuk x = 250 adalah
x μ 250 100
z 3.0
σ 50
Ini dikatakan bahwa untuk x = 250 adalah
tiga kali standar deviasi (3 kenaikan dari 50)
diatas mean = 100.
Membandingkan
nilai x dan z
μ = 100
σ = 50
100 250 x
0 3.0 z
Catatan : Bentuk distributionnya adalah sama, hanya
skalanya yang berubah. Ini dapat dinyatakan bahwa nilai
asli dinyatakan dalam satuan (x) atau di standarisasi
menjadi satuan (z)
Tabel Normal Standar
Tabel Normal Standar didalam buku terletak di
Lampiran
.4772
Contoh:
P(0 < z < 2.00) = .4772
0 2.00 z
Tabel Normal Standar (lanjutan)
0.1
Baris memberikan
nilai z pada angka 0.2
. Nilai didalam tabel
pertama desimal .
. memberikan nilai
2.0 .4772 probabilitas dari z = 0
s/d nilai z yang
P(0 < z < 2.00)2.0
= .4772 diinginkan
Prosedur umum untuk
menghitung Probabilitas
Untuk menghitung P(a < x < b) pada saat x
berdistribusi normal :
x μ 8 8
z 0
σ 5
8 8.6 x
x μ 8.6 8 0 0.12 Z
z 0.12
σ 5 P(8 < x < 8.6)
= P(0 < z < 0.12)
Contoh Tabel Z (lanjutan)
Jika nilai-nilai x berdistribusi normal dengan mean
= 8.0 dan standar deviasi = 5.0.
Hitung P(8 < x < 8.6)
=8 =0
=5 =1
8 8.6 x 0 0.12 z
Z
8.0
8.6
Menghitung Probabilitas Normal
(lanjutan)
.5000 .0478
P(x < 8.6)
= P(z < 0.12)
= P(z < 0) + P(0 < z < 0.12)
= .5 + .0478 = .5478 Z
0.00
0.12
Probabilitas ‘Upper Tail’
Z
8.0
8.6
Probabilitas ‘Upper Tail’
(lanjutan)
Hitung P(x > 8.6)…
P(x > 8.6) = P(z > 0.12) = P(z > 0) - P(0 < z < 0.12)
= .5 - .0478 = .4522
.0478
.5000 .50 - .0478
= .4522
Z Z
0 0
0.12 0.12
Probabilitas ‘Lower Tail’
Z
8.0
7.4
Probabilitas ‘Lower Tail’
(lanjutan)
Distribusi
Probabilitas
Continuous
Normal
Uniform
Exponential
Distribusi Uniform
1
if a x b
ba
f(x) =
0 utk x yg lain
Dimana :
f(x) = nilai fungsi kepadatan apada setiap nilai x
a = batas bawah dari interval
b = batas atas dari interval
Distribusi Uniform
Contoh : Distribusi probabilitas uniform
pada range 2 ≤ x ≤ 6
1
f(x) = 6 - 2 = .25 for 2 ≤ x ≤ 6
f(x)
.25
2 6 x
Distribusi Exponential
Probability
Distributions
Continuous
Probability
Distributions
Normal
Uniform
Exponential
Distribusi Exponential
Contoh :
Waktu antar kedatangan truk pada lokasi
bongkar muat
Waktu antar kejadian transaksi di ATM
λa
P(0 x a) 1 e
dimana 1/ adalah waktu rata-rata antara dua kejadian
f(x)
= 3.0
(mean = .333)
= 1.0
(mean = 1.0)
= 0.5
(mean = 2.0)
x
Contoh :
Contoh : Pelanggan datang pada kounter klaim
dengan laju 15 pelanggan/jam (dg distribusi
Poisson). Berapakah probabilitas kedatangan
antara masing-masing pelanggan kurang dari 5
menit ?
Waktu antar kedatangan berdistribusi exponential
dengan mean antar kedatangan = 4 menit (15 per
60 menit rata-rata)
1/ = 4.0, sehingga = .25
P(x < 5) = 1 - e-a = 1 – e-(.25)(5) = .7135
Statistik di Excel
Pilih Formula / Statistic / Expondist…
Statistik di Excel
Statistik di Excel
Ringkasan Materi
Mengulang distribusi diskrit
binomial, poisson, hypergeometric
Mengulang distribusi kontinu
normal, uniform, exponential
Menghitung probabilitas menggunakan formula dan
tabel
Mengetahui penggunaan distribusi yang berbeda-
beda
Penerapan distribusi untuk memutuskan masalah