x
1 2 3 4 5 6
Mean dan Variansi
• Teorema 3.1: Mean dan variansi dari sebaran peluang seragam
f(x;k) adalah 1 k 1 k
μ = ∑ xi σ = ∑ ( xi − μ )2
2
k i =1 k i =1
BUKTI
k k
xi 1 k
μ = E ( X ) = ∑ xi f ( xi ; k ) = ∑ = ∑ xi
i =1 i =1 k k i =1
[ ]
k k
σ 2 = E ( X − μ )2 = ∑ (xi − μ )2 f ( xi ; k ) = ∑
(xi − μ )2
i =1 i =1 k
1 k
= ∑ ( xi − μ )
2
k i =1
Contoh 3.3
• Berdasarkan contoh 3.1 ttg pelemparan dadu,
maka kita peroleh mean dan variansi sbb
μ = (1/6)(1+2+3+4+5+6) = 3.5
• Untuk kasus dimana n=3 dan p=1/4, sebaran peluang X yng menyatakan
banyaknya produk cacat, dpt ditulis sbg (bandingkan dng tabel hasil
sebelumnya)
b(x;3, 1/4) = C(3,x)(1/4)x(3/4)3-x ; x = 0, 1, 2, 3
• Contoh 3.4: Peluang bahwa komponen tertentu lolos uji kejut adalah ¾.
Tentukan peluang bahwa tepat dua dari empat komponen lolos uji kejut.
• Jawab: Dengan mengasumsikan uji ini saling bebas dan p=3/4 dari setiap
pengujian, maka
b(2;4,3/4) = C(4,2)(3/4)2(1/4)2 = [4!/(2!2!)](32/44) = 27/128
Nilai peluang
• Seringkali kita perlu menghitung P(X<r) atau P(a≤X≤b). Ini bisa
ditentukan dengan penjumlahan binomial B(r;n,p)=∑rx=0 b(x;n,p) yang
nilainya sudah ditabulasikan (lihat Table II dalam Buku acuan).
Berikut ini contoh pemakaian tabel tsb.
• Contoh 3.5: peluang seorang pasien dapat sembuh dari suatu jenis
penyakit langka adalah 0.4. Jika ada 15 orang yang terinfeksi, berapa
peluang bahwa: (1) sedikitnya 10 orang sembuh, (2) 3~8 orang
sembuh, dan (3) tepat 5 orang sembuh.
• Jawab:
P(X≥10) =1-P(X<10) = 1- ∑9x=0b(x;15,0.4) = 1-0.9662
=0.0338
P(3≤X≤8) = ∑8x=0b(x;15,0.4)- ∑2x=0b(x;15,0.4) = 0.9050-0.0271
= 0.8799
P(X=5) = b(5;15,0.4) = ∑5x=0b(x;15,0.4)- ∑4x=0b(x;15,0.4)
=0.4032 – 0.2173
= 0.1859
Mean dan variansi sebaran binomial
• Torema 3.2: Nilai mean dan variansi dari sebaran binomial
b(x;n,p) adalah
μ = np dan σ2 = npq
• Bukti: andaikan Ij menyatakan keluaran bernilai 0 atau 1 dng peluang
masing-masing q dan p. Ij disebut sebagai peubah Bernoulli atau lbh
tepat lagi peubah indikator karena Ij=0 adalah indikator kegagalan,
sedangkan Ij=1 menyatakan keberhasilan. Dengan demikian, jumlah
keberhasilan adalah
X=I1 + I2 + … +In.
Mean dr sebarang nilai Ij adalah E(Ij) =0⋅q + 1⋅p = p. Berdasarkan
Corollary dari Teorema 2.4, mean menjadi
μ = E(X) = E(I1) + E(I2) + … + E(In)
= p + p + … + p = np
Sedangkan variansi dari sebarang Ij adalah
σ2Ij = E[(Ij - p)2] = E(I2j) –p2 =[ 02q+12p ]– p2 = p(1-p) = pq
Berdasar Teorema 2.11, Corollary 1, maka:
σ2Ij = σ2I1 + σ2I2 + … + σ2In = pq + pq + … + pq = npq
Contoh 3.6
• Soal: Dengan teorema Chebyshev, tentukan dan tafsirkan
interval μ ± 2σ untuk contoh 3.5
• Jawab: Karena contoh 3.5 adalah eksperimen binomial
dengan n=15 dan p=0.4, dari Teorema 3.2 kita dapatkan
⎛ n ⎞ n!
⎜⎜ ⎟⎟ =
⎝ x1 , x2 , ..., xk ⎠ x1! x2 !...xk !
cara. Setiap partisi muncul secara mutually exclusive dengan
peluang yang sama, sehingga diperoleh sebaran multinomial.
Rumus sebaran multinomial
• SEBARAN MULTINOMIAL. Jika suatu percobaan dapat
memberikan k-jenis hasil E1, E2, …, Ek dengan peluang p1, p2, …,
pk, maka sebaran peluang dari peubah acak X1, X2, …, Xk, yang
menyatakan kemunculan dari E1, E2, …, Ek didalam n-kali
percobaan yang saling-bebas adalah
⎛ n ⎞ x1 x2
f ( x1 , x2 , ..., xk ; p1 , p2 , ..., pk , n ) = ⎜⎜ ⎟⎟ p1 p2 ... pkxk
⎝ x1 , x2 , ..., xk ⎠
k k
dimana ∑x
i =1
i = n dan ∑p
i =1
i =1
2 1 11 ⎞ ⎛ 6 ⎞⎛ 2 ⎞ ⎛ 1 ⎞⎛ 11 ⎞
2 3
⎛
f ⎜ 2,1, 3; , , , 6 ⎟ = ⎜⎜ ⎟⎟⎜ ⎟ ⎜ ⎟⎜ ⎟
⎝ 9 6 18 ⎠ ⎝ 2,1, 3 ⎠⎝ 9 ⎠ ⎝ 6 ⎠⎝ 18 ⎠
2 3
6! ⎛ 2 ⎞ ⎛ 1 ⎞⎛ 11 ⎞
= ⎜ ⎟ ⎜ ⎟⎜ ⎟ = 0.1127
2!1!3! ⎝ 9 ⎠ ⎝ 6 ⎠⎝ 18 ⎠
Latihan
• Bab 2: 58, 61, 64
• Bab 3: 7
3.3 Sebaran Hipergeometrik
Pendahuluan
• Contoh sebelumnya menunjukkan bahwa sebaran binomial tidak
berlaku untuk, misalnya, pengambilan 3 kartu merah dalam 5 kali
pengambilan acak tanpa mengembalikan dan mengocok lagi.
• Tinjau pengambilan 5 kartu secara acak lalu hitung peluang
munculnya 3 kartu merah dari 26 yang ada dan 2 kartu hitam dari 26
sisanya. Ada C(26,3) cara untuk mengambil kartu merah dan C(26,2)
cara untuk kartu hitam. Jadi, total akan ada C(26,3)⋅C(26,2) untuk
eksperimen ini. Tetapi, ada C(52,5) cara untuk mengambil 5 dari 52
kartu tanpa penggantian sehingga peluang terambil 3 kartu merah dan
2 hitam adalah.
C(26,3)⋅C(26,2)/C(52,5) = 0.3251
• Contoh diatas menggambarkan eksperimen hipergeometrik. Kita ingin
menghitung peluang x buah dari pengambilan k benda yang
dinamakan sukses dan n - x gagal dari N-k benda yang dilabeli sebagai
gagal jika n buah cuplikan acak diambil dari N benda.
• Ada dua sifat dasar eksperiman hipergeometrik
1. Pencuplikan dilakukan scr acak sebanyak n diambil dari N buah benda
2. k dari N item digolongkan sukses, sdngkan N-k sisanya disebut gagal,
Peubah acak hipergeometrik
• Definisi 3.2. Banyaknya X sukses dalam suatu
eksperimen hipergeometrik disebut sebagai
peubah acak hipergeometrik.
• Sebaran peluang dari peubah acak hipergeometrik X
disebut sebagai sebaran hipergeometrik dan
dituliskan sebagai h(x; N, n, k) karena nilainya
bergantung pada:
– jumlah keberhasilan k
– diambil dari kumpulan yang berisi N benda
– kita memilih n buah dari kumpulan N benda tsb
Ilustrasi
• Tinjau contoh 3.8 berikut. Suatu komite yang terdiri dari 5 orang dipilih
secara acak dari 3 orang Kimiawan dan 5 Fisikawan. Tentukan sebaran
peluang dari jumlah Kimiawan dalam komite tsb.
• Jawab: Andaikan peubah acak X menyatakan jumlah Kimiawan dalam
komite, kedua syarat eksperimen hipergeometrik menjadi terpenuhi. Dng
demikian:
P(X=0) = h(0; N=8, n=5, k=3) = C(3,0)⋅C(5,5)/C(8,5) = 1/56
P(X=1) = h(1;8,5,3) = C(3,1)⋅C(5,4)/C(8,5) = 15/56
P(X=2) = h(2;8,5,3) = C(3,2)⋅C(5,3)/C(8,5) = 30/56
P(X=3) = h(3;8,5,3) = C(3,3)⋅C(5,2)/C(8,5) = 10/56
• Dalam bentuk tabel
x 0 1 2 3
h(x; 8, 5, 3) 1/56 15/56 30/56 10/56
• Besar ruang cuplikan adalah C(N, n). Ada C(a1,x1) cara untuk
memilih x1 benda dari A1, dan masing-masing ada C(a2,x2) cara
untuk memilih x2 benda dari A2. Jadi, kita dapat memilih x1
benda dari A1 dan x2 benda dari A2 sebanyak C(a1,x1)⋅C(a2,x2)
cara. Demikian seterusnya, kita dapat memilih n-buah benda
yang terdiri dari x1 buah anggota A1, x2 benda dari A2, …, xk
benda dari Ak sebanyak C(a1,x1)⋅C(a2,x2)⋅ … ⋅C(ak,xk).
• Kita rumuskan hasil ini sbb.
Perluasan sebaran hipergeometrik
• EKSTENSI DARI SEBARAN HIPEGEOMETRIK. Jika
sekumpulan N- buah benda dapat dipartisi menjadi k buah sel
A1, A2, …, Ak yang masing-masing memiliki a1, a2, …, ak
anggota, maka sebaran peluang dari peubah acak X1, X2, …, Xk
yang menyatakan jumlah anggota terpilih dari A1, A2, …, Ak
dalam cuplikan acak berukuran n adalah
⎛ a1 ⎞⎛ a2 ⎞ ⎛ ak ⎞
⎜⎜ ⎟⎟⎜⎜ ⎟⎟ ⋅ ⋅ ⋅ ⎜⎜ ⎟⎟
f ( x1 , x2 , ..., xk ; a1 , a2 , ..., ak , N , n ) = ⎝ x1 ⎠⎝ x2 ⎠ ⎝ xk ⎠
⎛N⎞
⎜⎜ ⎟⎟
k k
⎝n ⎠
dengan ∑ xi = n dan ∑ ai = N
i =1 i =1
Contoh 3.12
• Soal: Suatu kelompok yang terdiri dari 10 orang
dipakai untuk survei biologi. Dalam kelompok
terdapat 3 orang berdarah O, 4 berdarah A, dan 3
berdarah B. Tentukan peluang dari suatu cuplikan
acak sebesar 5 orang mengandung 1 orang berdarah O,
2 orang berdarah A, dan 2 orang berdarah B.
• Jawab: Dengan formula perluasan dimana x1=1, x2=2,
x3=2, a1=3, a2=4, a3=3, N=10, dan n=5, maka nilai
peluangnya adalah
P= f(1, 2, 2;3, 4, 3, 10, 5)
= C(3,1)C(4,2)C(3,2)/C(10,5)
= 3/14
3.4 Sebaran Poisson
Percobaan Poisson
• Percobaan yng menghasilkan peubah acak X, yng
menyatakan jumlah keberhasilan dalam selang waktu atau
daerah tertentu, disebut percobaan Poisson. Sifat-sifat:
– Jumlah keberhasilan dalam suatu selang waktu aatu daerah
tertentu, bebas terhadap peristiwa dlm selang atau daerah lain.
– Peluang satu keberhasilan selama selang waktu pendek atau daerah
kecil sebanding dengan lamanya (durasi) selang atau besarnya
daerah tsb, dan tdk bergantung pada jumlah keberhasilan yang
terjadi diluar selang atau daerah ini.
– Peluang lebih dari satu keberhasilan dalam selang atau daerah tsb
sangat kecil (dapat diabaikan).
• Contoh percobaan Poisson:
– kedatangan panggilan telepon per jam, jumlah libur sekolah karena
terjadi banjir selama musim hujan, jumlah pertandingan sepakbola
yang dibatalkan akibat hujan dalam musim pertandingan tertentu.
Peubah acak dan Sebaran Poisson
• Def. 3.3: Jumlah X buah keberhasilan dalam percobaan
Poisson disebut sebagai peubah acak Poisson.
e−μ μ x
p ( x; μ ) = , x = 0, 1, 2, ...
x!
dimana μ adalah rata-rata keberhasilan selama selang waktu
atau daerah terntentu dan e = 2.71828… (bilangan alami).