3.

Sebaran Peluang Diskrit

EL2002-Probabilitas dan Statistik

Dosen: Andriyan B. Suksmono
 Isi
1. Sebaran seragam (uniform)
2. Sebaran binomial dan multinomial
3. Sebaran hipergeometrik
4. Sebaran Poisson
5. Sebaran binomial negatif dan geometrik
3.1 Sebaran seragam
 Sebaran seragam (uniform)
• Merupakan sebaran peluang diskrit yang paling sederhana dimana
suatu peubah acak memiliki nilai peluang yang semuanya sama
• Sebaran Seragam: Jika suatu peubah acak X dengan nilai x1, x2, …, xk,
memiliki peluang yang sama, maka sebaran diskrit seragamnya
diberikan oleh
f(x;k) = (1/k) ; x= x1, x2, …, xk\
• Notasi f(x;k) dipakai sbg pengganti f(x) untuk menegaskan
ketergantungan f pada k;
• Contoh 3.1: Dalam pelantunan dadu, setiap anggota dari ruang
cuplikan S={1, 2, 3, 4, 5, 6} muncul dengan peluang (1/6). Dengan
demikian, sebaran peluangnya adalah seragam dengan f(x;6) = 1/6 ;
x=1, 2, 3, 4, 5, 6.
f(x;6)
1/6

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

σ2 = {(1-3.5)2 + (2-3.5)2 + (3-3.5)2 + (4-3.5)2

+(5-3.5)2 + (6-3.5)2 }/6 = 35/12
3.2 Sebaran Binomial dan
Multinomial
 Sebaran binomial
• Eksperimen berulang yang menghasilkan dua macam keluaran dng
label berhasil atau gagal disebut sebagai eksperimen binomial.
• Eksperimen binomial harus memenuhi sifat-sifat berikut ini:
1. Eksperimen terdiri dari n buah percobaan berulang
2. Setiap percobaan memberikan hasil yang dapat disebut atau dilabeli
sebagai berhasil atau gagal.
3. Peluang berhasil yang disebut p bersifat tetap sepanjang percobaan.
4. Percobaan yang satu bersifat bebas secara statistik dari percobaan yang
lain.
• Contoh eksperimen binomial:
– pengamatan keluaran H dari pelantunan koin
– Pengambilan acak kartu menghasilkan kartu warna hitam dari
satu set kartu, setelah diambil kartu dikembalikan dan dikocok
• Pada kasus terakhir, jika kartu tak dikembalikan, p akan berubah dari
½ menjadi 26/51 atau 25/51, dengan demikian syarat 3 tdk dipenuhi.
Akibatnya, eksperimen ini tdk bisa disebut sbg eksperimen binomial
 Ilustrasi
• Tinjau percobaan binomial dari pengambilan tiga buah produk dari
proses manufaktur secara acak, kemudian diamati dan diklasifikasikan
sebagai cacat atau tidak cacat. Jika produk cacat, pengamatan disebut
berhasil. Jumlah keberhasilan ini disebut sbg peubah acak X yang
bernilai bulat antara 0 sampai 3. Berikut ini 8 kemungkinan hasilnya:
• Produk dipilih secara acak dari proses
Hasil pengamatan x manufaktur yang menghasilkan 25% produk
NNN 0 cacat, maka
NDN 1 P(NDN)=P(N)P(D)P(N) = (3/4)(1/4)(3/4) = 9/64
NND 1 • Peluang hasil yang lain dapat dihitung dengan
cara yang sama. Hasil perhitungan sebaran
DNN 1 peluang dari X sbb:
NDD 2
DND 2
x 0 1 2 3
DDN 2
DDD 3 f(x) 27/64 27/64 9/64 1/64
 Peubah acak binomial
• Definisi 3.1: Jumlah keberhasilan X dalam percobaan binomial
disebut sebagai peubah acak binomial.
• Sebaran peluang dari peubah acak binomial X disebut sebaran
binomial dan dituliskan sbg b(x; n, p) karena nilainya bergantung pada
jumlah percobaan dan peluang sukses untuk percobaan yang diberikan.
• Untuk sebaran peluang binomial X pada contoh sebelumnya, nilai atau
banyaknya produk cacat adalah:
P(X=2) = f(2) = b(2;3,1/4)
• Formula umum untuk b(x; n, p)
– Tinjau peluang x buah sukses dan n-x gagal untuk urutan tertentu. Karena
percobaan saling bebas, nilai peluang akan sama dengan perkalian peluang
masing-masing. Setiap sukses muncul dng peluang p, sedangkan gagal
dng peluang q=1 – p. Dengan demikian peluang satu eksperimen adalah
pxqn-x.
– Jumlah total titik cuplikan dari x sukses dan n-x gagal adalah partisi
keluaran eksperimen kedalam dua kelompok, x dikelompok pertama dan
n-x dikelompok kedua, yakni C(n,x). Dng demikian hslnya adalah C(n,x)
dikalikan dengan pxqn-x. Kita formulasikan sbb:
 Rumus sebaran binomial
• SEBARAN BINOMIAL. Jika suatu percobaan binomial menghasilkan
keluaran berhasil/sukses dengan peluang p dan gagal dengan peluang
q=1-p, maka sebaran peluang dari peubah acak binomial X, yakni
banyaknya keberhasilan dalam n buah percobaan yang saling bebas
adalah ⎛ n ⎞ x n− x
b( x; n, p ) = ⎜⎜ ⎟⎟ p q ; x = 0,1, 2, ..., n
⎝ x⎠

• 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

μ = (15)(0.4) = 6 dan σ2=(15)(0.4)(0.6) = 3.6

atau σ=√3.6 = 1.897.

Dengan demikian, interval yang dimaksud adalah

6±2(1.897) atau dari 2.206 sampai dengan 9.794.

Teorema Chebyshev menyatakan bahwa laju penyembuhan

15 pasien akibat penyakit tsb punya peluang sedikitnya ¾
untuk jatuh diantara 2.206 dan 9.794.
 Sebaran multinomial
• Jika hasil eksperimen bukan hanya dua macam tetapi lebih,
eksperimen binomial berubah menjadi eksperimen multinomial.
• Contoh:
– Klasifikasi produk manufaktur menjadi 3 golongan: “berat”,
“ringan”, atau “masih dapat diterima” (acceptable)
– Pencatatan kecelakaan lalulintas diperempatan jalan menurut hari-
hari dalam seminggu
– Penarikan kartu secara acak, kemudian digolongkan sebagai salah
satu dari{ ♣,♦,♥,♠}.
• Secara umum, jika percobaan menghasilkan k macam keluaran E1, E2,
…, Ek dengan peluang p1, p2, …, pk, maka sebaran multinomial
menyatakan peluang peristiwa E1 terjadi x1 kali, E2 muncul x2 kali, …,
dan Ek muncul xk kali dalam percobaan saling bebas dimana
x1 + x2 + … + xk = n.
Kita tuliskan sebaran peluang multinomial sebagai
f(x1, x2, …, xk; p1, p2, …, pk, n)
Jelas bahwa
p1 + p2 + … + pk = 1.
 Perhitungan sebaran multinomial
• Kita ambil analogi dengan kasus binomial. Setiap percobaan
saling bebas, karena itu untuk urutan tertentu, ada x1 keluaran dari
E1, x2 keluaran dari E2, …, xk keluaran dari Ek, dengan peluang
p1x1, p2x2, .., pkxk.
• Total jumlah urutan dng keluaran yang sama untuk n percobaan
akan sama dengan jumlah partisi n benda kedalam k kelompok, x1
kelompok pertama, x2 kelompok kedua, …, xk kelompok ke-k,
yang dapat dilakukan sebanyak

⎛ 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

• Istilah sebaran multinomial muncul karena suku-suku ekspansi

multinomial (p1 + p2 + … + pk)2 berkaitan dengan semua nilai
yang mungkin dari f(x1, x2, …, xk; p1, p2, …, pk, n)
 Contoh 3.7
• Soal: Jika sepasang dadu dilantunkan 6 kali, berapa peluang mendapatkan
jumlah total 7 atau 11 sebanyak 2-kali, keduanya tepat sama sebanyak 1-kali,
dan kombinasi lain sebanyak 3-kali?
• Jawab: Kejadian yang muncul kita sebut Mata 1 2 3 4 5 6
Dadu
E1 : jumlah total mata kedua 7 atau 11
1 2 3 4 5 6 7
E2 : muncul pasangan dadu dng mata sama
2 3 4 5 6 7 8
E3 : bukan pasangan bermata sama
3 4 5 6 7 8 9
maupun jumlah total-nya 7 atau 11
4 5 6 7 8 9 10
Masing-masing dengan peluang
5 6 7 8 9 10 11
p1 = (6+2)/36= 2/9, p2 = 6/36=1/6, dan
6 7 8 9 10 11 12
p3 = 22/36=11/18. Nilai peluang tetap
untuk 6 kali pelantunan. Dengan menggunakan sebaran multinomial x1 = 2,
x2=1, dan x3 = 3, nilai peluangnya adalah

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

• Dan dalam bentuk formula

h(x;8,5,3) = C(3,x)⋅C(5, 5-x)/C(8,5), x=0, 1, 2, 3
 Sebaran hipergeometrik
• SEBARAN HIPERGEOMETRIK. Sebaran peluang dari peubah
acak hipergeometrik X, yakni jumlah sukses dari cuplikan acak
sejumlah n yang terambil dari N benda, dimana k buah
diantaranya disebut sukses dan N-k disebut gagal, adalah
⎛ k ⎞⎛ N − k ⎞
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
x n− x
h (x ; N , n , k ) = ⎝ ⎠ ⎝ ⎠ , x = 0 , 1, 2 , ..., n
⎛N ⎞
⎜⎜ ⎟⎟
⎝n ⎠

• Contoh: Sejumlah 40 buah komponen elektronik dapat diterima jika

cacat-nya tidak lebih dari tiga buah. Pencuplikan dilakukan dengan
cara memilih 5 komponen scr acak dan menolaknya jika ada yang
cacat. Jika ada 3 dari 40 komponen ini cacat, tentukan peluang tepat
satu satu dari cuplikan ini cacat.
• Jawab: Ini adalah sebaran hipergeometrik dengan n=5, N=40, k=3 dan
x=1. Dengan demikian, peluang tepat satu buah cacat adalah
h(1; 40, 5, 3) = C(3,1)⋅C(37,4)/ C(40,5) = 0.3011
 Mean dan Variansi
• Teorema 3.3 Mean dan variansi dari sebaran
hipergeometrik h(x; N, n, k) adalah, masing-masing,
μ = nk/N, dan
σ2 = [(N-n)/(N-1)]⋅n⋅(k/N)⋅[1- (k/N)]

• Bukti: lihat textbook

• Pendekatan.
Jika n jauh lebih kecil daripada N, perubahan peluang
antar pengamatan menjadi kecil. Akibatnya, eksperimen
lebih mirip ke percobaan binomial dan sebarannya akan
menjadi sebaran binomial dengan p=k/N. Mean dan
variansi dapat didekati dengan rumus berikut:
μ = np = nk/N, dan
σ2 = npq = n⋅(k/N)⋅[1- (k/N)]
 Contoh-2
• Contoh 3.10: Dengan teorema Chebysev, hitung dan
tafsirkan interval μ±2σ dalam contoh 3.9
• Jawab: Karena contoh 3.9 merupakan percobaan
hipergeometrik dengan N=40, n=5, dan k=3, maka dengan
Teorema 3.3 akan diperoleh
μ = (5)(3)/40 = 3/8 = 0.375
dan
σ2 = [(40-5)/(39)](5)(3/40)[1-(3/40)] = 0.3113
Akar kuadrat variansi memberikan simpangan baku
sebesar σ=0.558. Dengan demikian, interval yang dicari
adalah 0.375±(2)(0.558) atau -0.741 sampai 1.491.
Berdasarkan teorema Chebysev, jumlah komponen cacat
ketika 5 komponen dipilih secara acak dari 40 buah, 3
diantaranya cacat, punya peluang sedikitnya ¾ untuk
berada dalam selang -0.741 sampai 1.491
 Generalisasi
• Tinjau N kumpulan benda yang dipartisi kedalam k sel A1, A2,
… , Ak dengan a1 benda berada di sel pertama, a2 dalam sel
kedua, …, ak dalam sel ke-k. Kita akan menghitung peluang
cuplikan acak sejumlah n menghasilkan x1 benda dari A1, x2
benda dari A2, …, xk benda dari Ak.
• Tuliskan peluang ini sebagai

f(x1, x2, …, xk; a1, a2, …, ak, N ,n)

• 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.

• SEBARAN POISSON. Sebaran peluang dari peubah acak

Poisson X, yang menyatakan jumlah keberhasilan dalam
suatu selang waktu atau daerah tertentu, adalah

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).

• Tabel III dalam buku teks menampilkan jumlah sebaran

Poisson P(r; μ) = ∑rx=0 p(x; μ).
 Contoh 3.13
• Soal: Dalam percobaan teramati rata-rata ada 4
buah partikel radioaktif yang melewati alat
pencacah selama selang waktu 1 milidetik. Berapa
peluang ada 6 partikel yang masuk alat tsb dalam
selama milidetik tertentu?
• Jawab: Dengan menggunakan tabel sebaran
Poisson (Tabel III) untuk x=6 dan μ=4, kita
peroleh
p(6;4)= e-446/6!
= ∑6x=0 p(x; 4) - ∑5x=0 p(x; 4)
= 0.88993 -0.7851 = 0.1042
 Mean dan variansi
• Teorema 3.4 Mean dan variansi dari sebaran
Poisson p(x;μ) memiliki nilai sama, yaitu μ.

• Contoh: dalam soal 3.13 dimana μ=4, maka

variansinya σ2=4 atau σ=2. Berdasarkan teorema
Chebyshev, maka kita bisa mengatakan bahwa
peubah acak Poisson ini memiliki peluang
sedikitnya ¾ (yakni 1-1/22) untuk jatuh dalam
selang μ ± 2σ = 4 ± 2(2), atau dalam selang 0
sampai dengan 8.
 Kaitan dengan sebaran binomial
• Teorema 3.5 Andaikan X suatu peubah acak binomial
dengan sebaran peluang b(x;n,p). Ketika n→ ∞, p→0, dan
μ=np konstan, maka
b(x; n, p) → p(x; n)
• Contoh 3.15. Dalam suatu proses manufaktur produk gelas,
munculnya cacat atau gelembung menyulitkan penjualan produk
tsb. Diketahui bahwa untuk setiap 1000 produk ini, akan ada 1
produk yang memiliki 1 atau lebih cacat gelembung. Berapa
peluang dari cuplikan acak sebanyak 8000 menghasilkan kurang
dari 7 produk yang memiliki cacat gelembung ini?
• Jawab: Sesungguhnya ini adalah eksperimen binomial dengan
n=8000 dan p=1/1000=0.001. Karena p mendekati nol dan n
sangat tinggi, kita bisa memakai pendekatan Poisson dng
μ=(8000)(0.001) = 8. Jadi, jika X menyatakan banyaknya
gelembung, maka
P(X<7) = ∑6x=0 b(x; 8000, 0.001)≈∑6x=0 p(x; 8)
= 0.3134
3.5 Sebaran Binomial Negatif
dan
Sebaran Geometrik
 Pecobaan binomial negatif
• Percobaan binomial negatif bersifat mirip dengan
percobaan binomial (biasa), kecuali percobaan dilakukan
berulang sampai jumlah tertentu sukses tercapai. Jadi, yang
dihitung adalah peluang terjadinya sukses ke-k pada
percobaan ke-x.
• Contoh: suatu obat efektif terhadap 60% kasus. Akan
dihitung peluang pasien ke-5 yang sembuh (S) adalah
pasien ke-7 yang diberi obat. Kita sebut F jika pengobatan
tidak berhasil. Jadi, kita akan menghitung peluang
kejadian, misalnya, SFSSSFS, yng muncul dng peluang
(0.6)(0.4)(0.6) (0.6) (0.6)(0.4)(0.6) = (0.6)5(0.4)2. Kita juga
harus mencacah semua kombinasi S dan F yng demikian,
dng batasan urutan terakhir adalah S; yakni C(7-1,5-1) =
C(6,4) = 15. Dengan demikian:
P(X=7)=C(6,4) (0.6)5(0.4)2 = 0.1866
Peubah acak dan sebaran binomial negatif
• Definisi 3.4 Jumlah percobaan X yang menghasilkan k
sukses dalam eksperimen binomial negatif disebut sebagai
peubah acak binomial negatif.

• SEBARAN BINOMIAL NEGATIF. Jika percobaan

berulang yang saling bebas dapat menghasilkan sukses
dengan peluang p dan gagal dengan peluang q=1-p, maka
sebaran peluang dari peubah acak X, yakni banyaknya
percobaan yang menghasilkan sukses ke-k, diberikan oleh
⎛ x −1⎞ k k
b (x; k, n) = ⎜⎜
*
⎟⎟ p x , x = k, k +1, k + 2,...
⎝ k −1⎠
 Contoh 3.16
• Tentukan peluang seseorang yang
melantunkan 3 keping koin mendapatkan
semua H atau semua T untuk kedua kalinya
dalam 5 kali pelantunan.
• Jawab: ini adalah eksperimen binomial
negatif dengan x=5, k=2, dan p=1/4,
sehingga:
b*(5;2,1/4)= C(4,1)(1/4)2(3/4)2
= (4!/(1!3!)) (33/45)
= 27/256
 Sebaran geometrik
• Kasus dimana sebaran binomial negatif memiliki k=1
menghasilkan sebaran peluang dari banyaknya percobaan
yang menghasilkan satu sukses. Contoh: pelantunan uang
hingga muncul H.
• Sebaran yang demikian disebut sebagai sebaran geometrik
g(x;p).

• SEBARAN GEOMETRIK. Jika percobaan berulang yang

saling bebas menghasilkan sukses dengan peluang p dan
gagal dengan peluang q=1-p, maka sebaran peluang dari
peubah acak X, yakni banyaknya percobaan hingga sukses
pertama muncul, diberikan oleh
g(x;p) = pqx-1 , x = 1, 2, 3, …
 Contoh 3.17
• Soal: Dalam suatu proses manufaktur, diketahui
bahwa rata-rata 1 dari 100 item (bagian produk) cacat.
Berapakah peluang bahwa 5 item teramati sebelum
suatu cacat ditemukan?

• Jawab: dengan sebaran geometrik dimana x=5 dan

p=0.01 diperoleh
g(5; 0.01) = (0.01)(0.99)4
= 0.0096
Selesai