PROBABILITAS DAN STATISTIKA

DISTRIBUSI BINOMIAL NEGATIF

Muhammad Sutarno

PROBABILITAS DAN STATISTIKA

DISTRIBUSI BINOMIAL NEGATIF
Dr. Ir. H. Muhammad Sutarno, S.H.I., M.Sc., M.Ag.

Distribusi binomial negatif disebut juga distribusi Pascal atau distribusi Pôlya.

Ciri-ciri eksperimen binomial negatif:

1. Ada serangkaian percobaan Bernoulli yang identik dan saling bebas.

Yang diperhatikan di percobaan Bernoulli hanyalah takterjadi peristiwa / gagal atau
terjadi suatu peristiwa / berhasil, katakanlah gagal "G" atau berhasil "H". Jadi ruang
sampelnya percobaan Bernoulli:

 "G" 
  
 "H" 
2. Setiap percobaan dalam serangkaian percobaan Bernoulli tersebut, probabilitas
berhasil "H" senantiasa konstan yaitu p selalu sama untuk tiap-tiap percobaan.
Probabilitas gagal "G" sebesar q = 1-p selalu sama untuk tiap-tiap percobaan.
3. Serangkaian percobaan-percobaan tersebut dihentikan begitu mendapatkan hasil "H"
sebanyak k.
4. Variabel acak X menyatakan jumlah percobaan sebelum terjadi hasil "H" yang ke k,
artinya jumlah hasil "H" terjadi sudah sebanyak k-1.
Variabel acak X berdistribusi binomial negatif dengan nilai

x 0 1 2 ... x k 1 k 1 2 3 ...

( x  k  1) k
P (X x) p (1  p ) x x 0 1 2 ...
x ( k  1)
k 1 2 ...
atau
( k )
P (X x) p k [ ( 1  p ) ] x x 0 1 2 ...
x ( k  x )
k 1 2 ...

Halaman 1
Edisi Pertama, April 2016, Bandung, Indonesia
 PROBABILITAS DAN STATISTIKA
DISTRIBUSI BINOMIAL NEGATIF
Muhammad Sutarno

Perhatikan
( k ) ( k ) ( k  1) ... ( k  x  1)  k
p k [ ( 1  p ) ] x p [ ( 1  p ) ] 
x
x ( k  x ) x

( k ) k ( k  1) ... ( k  x  1)  k
p k [ ( 1  p ) ] x ( 1) x p [ ( 1  p ) ] 
x
x ( k  x ) x

( k ) k ( k  1) ... ( x  k  1)  k
p k [ ( 1  p ) ] x ( 1) x p [ ( 1  p ) ] x
x ( k  x ) x

( k ) k ( k  1) ... ( x  k  1)  k
p k [ ( 1  p ) ] x p ( 1  p ) x
x ( k  x ) x

( k ) k ( k  1) ... ( x  k  1)  k
p k [ ( 1  p ) ] x p ( 1  p ) 
x
x ( k  x ) x

( k ) [ 1 ( 2) ... ( k  1) ] [ ( k ) ( k  1) ... ( x  k  1) ]  k
p k [ ( 1  p ) ] x p ( 1  p ) x
x ( k  x ) ( k  1) x

( k ) ( x  k  1) ... ( k  1) ( k ) ... ( 2) 1  k
p k [ ( 1  p ) ] x p ( 1  p ) x
x ( k  x ) x ( k  1)

( k ) ( x  k  1)  k
p k [ ( 1  p ) ] x p ( 1  p ) 
x
x 0 1 2 ...
x ( k  x ) x ( k  1)
k 1 2 ...
Besarnya

 ( x  k  1) p k ( 1  p ) x
  x ( k  1)



1
u0

( k )
 x ( k  x )
p k [ ( 1  p ) ] x 1
x0

Definisi 10.1. Distribusi Binomial negatif

Variabel acak X berdistribusi binomial negatif bila variabel acak X mempunyai fungsi
massa probabilitas
( x  k  1) k
bneg ( x k p ) p ( 1  p ) x if ( 0  p  1)  ( k  1)  ( x  0)
x ( k  1)
0 otherwise

Halaman 2
Edisi Pertama, April 2016, Bandung, Indonesia
 PROBABILITAS DAN STATISTIKA
DISTRIBUSI BINOMIAL NEGATIF
Muhammad Sutarno

Contoh 10.1
Direktur Utama suatu perusahaan ingin menguji kemampuan Direktur Pemasarannya
yang baru. Direktur Pemasaran ini dikatakan berhasil dalam pekerjaannya jika telah
berhasil memasarkan produk baru perusahaan tersebut di berbagai daerah pemasaran
dimana sebanyak lima daerah pemasaran yang dia telah berhasil memasarkan dengan
baik. Jika probabilitas berhasil memasarkan produk baru tersebut dalam setiap daerah
pemasaran sebesar tujuh per sepuluh dan tetap besarnya , maka berapa probabilitasnya
dalam sepuluh daerah pemasaran berturutan, Direktur Pemasaran dinyatakan berhasil
oleh Direktur Utamanya?
Jawab:

p  0.7 probabilitas berhasil memasarkan produk baru tersebut dalam setiap

daerah pemasaran
1  p  0.3 probabilitas gagal memasarkan produk baru tersebut dalam setiap daerah
pemasaran
k  5 jumlah daerah pemasaran yang dia harus telah berhasil memasarkan
produk baru dengan baik.
k 1  4 jumlah daerah pemasaran sebelum terjadi hasil "H" yang ke k, artinya
jumlah hasil "H" terjadi sudah sebanyak k-1.
x  9 dalam sepuluh daerah pemasaran berturutan, Direktur Pemasaran
dinyatakan berhasil oleh Direktur Utamanya artinya x = 10-1 = 9

( x  k  1) k
bneg ( x k p )  p ( 1  p ) x if ( 0  p  1)  ( k  1)  ( x  0)
x ( k  1)
0 otherwise

bneg ( x k p )  2.36531  10  3

x 9
k 5
k 1  4
p  0.7
( x  k  1)
 715
x ( k  1)
( x  k  1)  6.22702  10 9
5
x  3.6288  10

( k  1)  24

Halaman 3
Edisi Pertama, April 2016, Bandung, Indonesia
 PROBABILITAS DAN STATISTIKA
DISTRIBUSI BINOMIAL NEGATIF
Muhammad Sutarno

p k  0.16807

( 1  p ) x  1.9683  10  5
( x  k  1) k
p ( 1  p ) x  2.36531  10  3
x ( k  1)

Untuk x  0  12

x  bneg ( x k p ) 

0 0.16807
0.3
1 0.25210
2 0.22689
3 0.15883
4 0.09530 0.2
5 0.05146
bneg ( x k p )
6 0.02573
7 0.01213 0.1
8 5.45840·10-3
9 2.36531·10-3
10 9.93429·10-4
11 4.06403·10-4 0 5 10 15
12 1.62561·10-4 x

Dalil 10.1. Fungsi Generator Momen Distribusi Binomial Negatif

Jika variabel acak X berdistribusi binomial negatif dengan fungsi massa probabilitas:

( x  k  1) k
bneg ( x k p ) p ( 1  p ) x if ( 0  p  1)  ( k  1)  ( x  0)
x ( k  1)
0 otherwise

maka fungsi generator momen distribusi binomial negatif adalah

M ( k p t ) 
E et X  pk
k
1  e t ( 1  p )

Halaman 4
Edisi Pertama, April 2016, Bandung, Indonesia
 PROBABILITAS DAN STATISTIKA
DISTRIBUSI BINOMIAL NEGATIF
Muhammad Sutarno

Bukti:
Dengan menggunakan deret Taylor didapat
 
 ( k ) x  ( x  k  1) y x
(1  y )  k   x ( k  x ) ( y ) 
    x ( k  1) 
 
1  y  1
x0 x0

Fungsi generator momen distribusi binomial negatif


M ( k p t ) E e  tX    e t x bneg ( x k p ) 
x0

 t x  ( x  k  1) k x
M ( k p t )  e  x ( k  1) p ( 1  p ) 
  
x0

 t x  ( x  k  1) x

k
M ( k p t ) p e  x ( k  1) ( 1  p ) 
  
x0


 ( x  k  1)  t x
 
k
M ( k p t ) p  e ( 1  p )
 x ( k  1) 
x0

k
M ( k p t ) p k 1  e t ( 1  p )

k
p t
M ( k p t ) 1  e ( 1  p )  1
k
1  e t ( 1  p )

berlaku untuk
( 0  p  1)
dan
1  e t ( 1  p )  1

et (1  p )  1
1
et 
1p
kalau di ln -kan

Halaman 5
Edisi Pertama, April 2016, Bandung, Indonesia
 PROBABILITAS DAN STATISTIKA
DISTRIBUSI BINOMIAL NEGATIF
Muhammad Sutarno

 
ln e t  ln 
1 

1p 
t  ln ( 1)  ln ( 1  p )
t  0  ln ( 1  p )
t  ln ( 1  p )

Untuk

e t ( 1  p )  1

e t  
1 

1p 
1
et 
p 1
kalau di ln -kan
t  ln ( 1)  ln ( p  1)
t  ln ( p  1)
jadi
ln ( p  1)  t  ln ( 1  p )

Dalil 10.2. Mean Distribusi Binomial Negatif

Jika variabel acak X berdistribusi binomial negatif dengan fungsi massa probabilitas:

( x  k  1) k
bneg ( x k p ) p ( 1  p ) x if ( 0  p  1)  ( k  1)  ( x  0)
x ( k  1)
0 otherwise

maka mean distribusi binomial negatif

k (1  p )
meanX ( k p ) 
p

Bukti:
Fungsi generator momen distribusi binomial negatif adalah

E et X 
pk
M ( k p t ) ln ( p  1)  t  ln ( 1  p )
k
1  e ( 1  p )
t

Halaman 6
Edisi Pertama, April 2016, Bandung, Indonesia
 PROBABILITAS DAN STATISTIKA
DISTRIBUSI BINOMIAL NEGATIF
Muhammad Sutarno

Untuk mendapatkan momen ke-r untuk X dengan cara mendapatkan turunan ke-r
fungsi generator momen distribusi binomial negatif terhadap t kemudian
dimasukkan untuk t=0.
Untuk X apabila turunan ke-r fungsi generator momen distribusi binomial negatif
terhadap t ditulis

dr
TMX ( r k p t ) M ( k p t )
dt r

dr  pk 

TMX ( r k p t )
r k 
dt 
 1  e ( 1  p ) 
t

untuk r=1

d  
k
p 
TMX ( 1 k p t )
dt   k
 1  e ( 1  p ) 
t

 k p k e t ( p  1) 
TMX ( 1 k p t )  
 t k  1 
 e ( p  1)  1 

untuk t=0

TMX ( 1 k p 0) momenX ( 1)

k (1  p )
TMX ( 1 k p 0)
p
jadi
k (1  p )
momenX ( 1) meanX ( k p )
p

Contoh 10.2
Untuk Contoh 10.1 maka meannya
k (1  p )
meanX ( k p ) 
p
k (1  p )
 2.14286
p

Halaman 7
Edisi Pertama, April 2016, Bandung, Indonesia
 PROBABILITAS DAN STATISTIKA
DISTRIBUSI BINOMIAL NEGATIF
Muhammad Sutarno

Dalil 10.3. Variansi Distribusi Binomial Negatif

Jika variabel acak X berdistribusi binomial negatif dengan fungsi massa probabilitas:

( x  k  1) k
bneg ( x k p ) p ( 1  p ) x if ( 0  p  1)  ( k  1)  ( x  0)
x ( k  1)
0 otherwise
maka variansi distribusi binomial negatif
k (1  p )
variansi X ( k p ) 
p2

Bukti:
Fungsi generator momen distribusi binomial negatif adalah

M ( k p t ) E e tX  pk
k
ln ( p  1)  t  ln ( 1  p )
1  e ( 1  p )
t

variansi X ( p ) momenX ( 2)   momenX ( 1)  2 TMX ( 2 p 0)   TMX ( 1 p 0)  2

variansi X ( p ) TMX ( 2 p 0)   TMX ( 1 p 0)  2

 k (1  p )  2
variansi X ( p ) TMX ( 2 p 0)   
 p 
Untuk

d2  pk 

TMX ( 2.k p t )
2 k 
dt 
 1  e ( 1  p ) 
t

k p k e 2 t ( k  1) ( p  1) 2 k p k e t ( p  1)
TMX ( 2 k p t ) 
k 2 k 1
e t ( p  1)  1 e t ( p  1)  1

 k p k e t ( p  1)  k e t  k p e t  1 
TMX ( 2 k p t )  

  p e t  e t  1 k  2 


Halaman 8
Edisi Pertama, April 2016, Bandung, Indonesia
 PROBABILITAS DAN STATISTIKA
DISTRIBUSI BINOMIAL NEGATIF
Muhammad Sutarno

untuk t=0

 k p k ( 1) ( p  1) [ k ( 1)  k p ( 1)  1] 
TMX ( 2 k p 0) 
 [ p ( 1)  1  1] k 2 
 

 k p k ( p  1) ( k  k p  1) 
TMX ( 2 k p 0) 
 p k 2 
 
k ( p  1) ( k  k p  1) 
TMX ( 2 k p 0)  
 p2 
sehingga
2
 k (1  p ) 
variansi X ( k p ) TMX ( 2 k p 0)   
 p 

 k ( p  1) ( k  k p  1)   k ( 1  p )  2
variansi X ( k p )     p 
 p 2
 

k (1  p )
variansi X ( k p )
p2

Contoh 10.3
Untuk Contoh 10.1 maka variansinya
k (1  p )
variansi X ( k p ) 
2
p
variansi X ( k p )  3.06122

Halaman 9
Edisi Pertama, April 2016, Bandung, Indonesia