Anda di halaman 1dari 6

DISTRIBUSI BINOMIAL DAN MULTINOMIAL

Suatu percobaan sering kali terdiri atas uji-coba (trial) yang diulang-ulang
dan masing-masing mempunyai dua kemungkinan hasil yang dapat diberi nama
sukses atau gagal. Setiap ulangan dari percobaan tersebut disebut uji-coba
Bernoulli. Percobaan yang merupakan uji-coba Bernoulli yang bebas dinamakan
percobaan binomial.
Percobaan binomial adalah percobaan yang memiliki ciri-ciri berikut:
1. Percobaannya terdiri atas uji-coba
2. Dalam setiap uji-coba, hasilnya dapat digolongkan sebagai sukses atau gagal
3. Peluang sukses, yang dilambangkan dengan , untuk setiap uji-coba adalah
sama, tidak berubah-ubah.
4. Uji-coba-uji-coba itu bersifat bebas satu sama lain
Misalkan sebuah percobaan binomial berupa lantunan sekeping koin
sebanyak tiga kali, dan dikatakan “sukses” bila yang muncul sisi , maka
banyaknya sukses dapat dipandang sebagai sebuah peubah acak yang
mengambil nilai bulat dari 0 sampai 3. Kedelapan kemungkinan hasil berikut nilai
-nya adalah:
Hasil Percobaan
AAA 0
AGA 1
AAG 1
GAA 1
AGG 2
GAG 2
GGA 2
GGG 3
Karena uji-coba satu dengan lainnya bebas dan masing-masing memiliki
peluang sukses tetap sebesar , maka

( ) ( ) ( ) ( ) ( )( )( )

1
2

Begitu setiap kemungkinan hasil percobaan lainnya juga terjadi dengan peluang
sebesar . Dengan demikian, sebaran peluang bagi adalah:

0 1 2 3
( )

Atau dengan rumus


( )
( ) untuk .

Peubah acak yang menyatakan banyaknya sukses dalam uji-coba


suatu percobaan binomial disebut peubah acak binomial. Distribusi peluang bagi
peubah acak dikret ini disebut distribusi binomial, dan fungsi padat peluangnya
dilambangkan dengan ( ) karena nilai-nilai ini tergantung pada banyaknya
uji-coba dan peluang sukses pada suatu uji-coba. Sehingga, untuk lantunan koin
sebanyak tiga kali, distribusi peluangnya akan dituliskan sebagai:
( )
( ) untuk .

Definisi. Distribusi Binomial


Bila suatu uji-coba Bernoulli mempunyai peluang sukses dan peluang gagal
, maka distribusi peluang atau Probability Mass Function (PMF) bagi
peubah acak binomial , yaitu banyaknya sukses dalam ulangan yang bebas
adalah:

( ) ( ) ( ) ( ) ,

untuk dan
Sesuai dengan hasil untuk banyaknya sisi bila sebuah koin dilantunkan
tiga kali.

Pembuktian distribusi binomial merupakan suatu PMF.


Bukti.
Untuk membuktikan suatu peubah acak adalah PMF, maka harus ditunjukan:
1. ( )
2. ∑ ( )
3

Akan ditunjukkan distribusi binomial memenuhi kedua syarat di atas:

1. ( )

Karena 0 p 1 dan nilai kombinasi pasti positif maka ( ) pasti positif.

2. ∑ ( )

Menggunakan persamaan binomial Newton pada ∑ ( ), akan diperoleh:

∑ ( ) ∑( ) ( ) ( )

( ( ))

Perhatikan bahwa bila dan , maka

( )
( ) ( )( ) ( )

Contoh 1.
Tentukan peluang mendapatkan tepat tiga bilangan 2 bila sebuah dadu setimbang
dilantunkan 5 kali.
Jawab:
Peluang sukses setiap uji-coba yang bebas ini adalah dan peluang gagal adalah .

Dalam hal ini munculnya bilangan 2 dianggap sukses maka:

( ) ( )( ) ( )

Contoh 2.
Di sebuah bagian kota, keperluan uang untuk membeli ganja atau sebangsanya
ternyata melatarbelakangi peristiwa pencurian yang terjadi. Berapa peluang
bahwa tepat 2 di antara 4 kasus pencurian berikutnya dilatarbelakangi oleh
keperluan uang untuk membeli ganja?
Jawab:
Dengan anggapan bahwa kasus pencurian itu bersifat bebas dan maka:
4

( ) ( )( ) ( )

Distribusi binomial mendapatkan namanya dari kenyataan bahwa ke


( ) suku dalam penguraian binomial ( ) ternyata merupakan berbagai
nilai dari ( ) untuk . Perhatikan bahwa:

( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( )
karena , maka kita peroleh ∑ ( ) , suatu syarat yang harus
berlaku untuk distribusi peluang apapun.

Contoh 3.
Peluang seseorang sembuh dari suatu penyakit darah tinggi adalah . Bila 15
orang diketahui menderita penyakit ini, berapa peluang bahwa:
(a) Sekurang-kurangnya 10 orang dapat sembuh?
(b) Ada 3 sampai 8 orang yang sembuh?
(c) Tepat 5 orang yang sembuh?
Jawab:
(a) Misalkan adalah banyaknya orang yang sembuh maka:
( ( )

∑ ( )

(b) ( ) ∑ ( )

∑ ( ) ∑ ( )

(c) ( ) ( )

∑ ( ) ∑ ( )
5

Teorema
Rataan dan variansi bagi distribusi binomial ( ) adalah:
dan
Bukti:
Misalkan hasil pada uji-coba ke- dinyatakanoleh peubah acak , yang bernilai 0
dan 1, masing-masing dengan peluang dan . Peubah acak ini disebut peubah
Bernoulli atau mungkin lebih tepat peubah indicator, karena berarti gagal
dan berarti sukses. Dengan demikian, dalam suatu percobaan binomial
banyaknya sukses dapat dituliskan sebagai jumlah peubah indicator yang bebas,
sehingga:

Rataan setiap adalah ( ) . Maka dengan menggunakan


teorema pada bab 4 kita dapatkan rataan bagi distribusi binomial, yaitu:
( ) ( ) ( ) ( )

Variansi bagi setiap adalah:

*( ) + ( )

( ) ( )
( )
Dengan demikian menurut teorema, variansi distribusi binomial adalah:

Seandainya dalam percobaan binomial tersebut setiap uji-coba


menghasilkan lebih dari dua kemungkinan hasil, maka percobaan itu menjadi apa
yang disebut percobaan multinomial. Pengambilan kartu dengan pemulihan juga
merupakan percobaan multinomial bila yang diamati adalah keempat macam kartu
yang ada.
6

Definisi. Distribusi Multinomial


Bila setiap ulangan menghasilkan salah satu dari hasil percobaan
dengan peluan , maka sebaran peluang bagi peubah acak
, yang menyatakan berapa kali terjadi dalam ulangan
yang bebas, adalah
( ) ( ) ,
dengan ∑ dan ∑ .
Distribusi multinomial mendapatkan namanya dari kenyataan bahwa suku-suku
penguraian multinomial ( ) , berpadanan dengan semua
kemungkinan nilai
( )

Contoh 4.
Bila dua dadu dilantunkan 6 kali, berapa peluang mendapatkan jumlah bilangan
yang muncul sebesar 7 atau 11 sebanyak dua kali, bilangan yang sama pada kedua
dadu sekali, dan kemungkinan lainnya tiga kali?
Jawab:
Kita daftarkan kejadian yang mungkin terjadi:
: terjadi jumlah bilangan yang muncul 7 atau 11
: muncul bilangan yang sama pada kedua dadu
: kemungkinan lainnya selain dua di atas.

Dalam setiap ulangan, peluang masing-masing kejadian di atas adalah ,

dan . Ketiga peluang tersebut tidak berubah dari ulangan satu ke

ulangan lainnya. Dengan menggunakan distribusi multinomial denga ,


dan , kita mendapatkan peluang yang ditanyakan:

( ) ( )( ) ( ) ( )

( ) ( ) ( )

Anda mungkin juga menyukai