Distribusi Binomial

Distribusi Binomial atau distribusi Bernoulli (ditemukan oleh James Bernoulli) adalah suatu
distribusi teoritis yang menggunakan variabel random diskrit yang terdiri dari dua kejadian yang
berkomplemen, seperti sukses-gagal, ya-tidak, baik-cacat, kepala- ekor dll.

~Ciri-ciri distribusi Binomial adalah sbb :

1. Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak, sukses-1. Setiap percobaan hanya
memiliki dua peristiwa, seperti ya-tidak, sukses-gagal.

2. Probabilitas suatu peristiwa adalah tetap, tidak berubah untuk setiap percobaan.

3. Percobaannya bersifat independen, artinya peristiwa dari suatu percobaan tidak mempengaruhi atau
dipengaruhi peristiwa dalam percobaan lainnya.

4. Jumlah atau banyaknya percobaan yang merupakan komponen percobaan binomial harus tertentu.

Distribusi Normal

Distribusi Normal adalah salah satu distribusi teoritis dari variable random kontinu. Distribusi
Normal sering disebut distribusi Gauss. Distribusi Normal memiliki bentuk fungsi sebagai berikut :

Distribusi Poisson

Distribusi poisson adalah

 Distribusi nilai-nilai bagi suatu variabel random X (X diskret), yaitu banyaknya hasil
percobaan yang terjadi dalam suatu interval waktu tertentu atau di suatu daerah tertentu.
 Distribusi probabilitas diskret yang menyatakan peluang jumlah peristiwa yang terjadi pada
periode waktu tertentu apabila rata-rata kejadian tersebut diketahui dan dalam waktu yang
saling bebas sejak kejadian terakhir.
CIRI-CIRI DISTRIBUSI POISSON

 Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu atau suatu daerah
tertentu tidak bergantung pada banyaknya hasil percobaan yang terjadi pada interval waktu
atau daerah lain yang terpisah.

 Probabilitas terjadinya hasil percobaan selama suatu interval waktu yang singkat atau dalam
suatu daerah yang kecil, sebanding dengan panjang interval waktu atau besarnya daerah
tersebut dan tidak bergantung pada banyaknya hasil percobaan yang terjadi di luar interval
waktu atau daerah tersebut.

Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval waktu yang singkat atau dalam
daerah yang kecil dapat diabaikan. Selain itu, Distribusi poisson banyak digunakan dalam hal berikut:

Menghitung probabilitas terjadinya peristiwa menurut satuan waktu, ruang atau isi, luas, panjang
tertentu, seperti menghitung probabilitas dari:

 Banyaknya penggunaan telepon per menit atau banyaknya mobil yang lewat selama 5 menit
di suatu ruas jalan,

 Banyaknya bakteri dalam satu tetes atau 1 liter air,

 Banyaknya kesalahan ketik per halaman sebuah buku, dan

 Banyaknya kecelakaan mobil di jalan tol selama minggu pertama bulan Oktober.

 Menghitung distribusi binomial apabila n besar (n ³ 30) dan p kecil (p <>

 Rumus Pendekatan Peluang Poisson untuk Binomial

Distribusi Sampling

 Bidang Inferensia Statistik membahas generalisasi/penarikan kesimpulan dan

prediksi/ peramalan. Generalisasi dan prediksi tersebut melibatkan sampel/contoh,
sangat jarang menyangkut populasi.
 Sensus = pendataan setiap anggota populasi
  Sampling = pendataan sebagian anggota populasi = penarikan contoh = pengambilan
sampel
 Pekerjaan yang melibatkan populasi tidak digunakan, karena:

1. mahal dari segi biaya dan waktu yang panjang

2. populasi akan menjadi rusak atau habis jika disensus

misal : dari populasi donat ingin diketahui rasanya, jika semua

donat dimakan, dan donat tidak tersisa, tidak ada yang dijual?

 Sampel yang baik ® Sampel yang representatif

Beda antara Statistik Sampel Vs Parameter Populasi? perhatikan tabel berikut:

Ukuran/Ciri Parameter Populasi Statistik Sampel

Rata-Rata m : myu

Selisih 2 Rata-rata : nilai mutlak : nilai mutlak

Standar Deviasi = Simpangan s : sigma S

Baku

Varians = Ragam s² s²

Proporsi p : phi atau p

Selisih 2 proporsi : nilai mutlak : nilai mutlak

Distribusi Penarikan Sampel = Distribusi Sampling

 Jumlah Sampel Acak yang dapat ditarik dari suatu populasi adalah sangat banyak.
 Nilai setiap Statistik Sampel akan bervariasi/beragam antar sampel.
 Suatu statistik dapat dianggap sebagai peubah acak yang besarnya sangat tergantung
dari sampel yang kita ambil.
 Karena statistik sampel adalah peubah acak maka ia mempunyai distribusi yang kita
sebut sebagai : Distribusi peluang statistik sampel = Distribusi Sampling = Distribusi
Penarikan Sampel