Identitas buku

Judul buku : Pengantar Probabilitas dan Statistika Matematika

Pengarang : Lee J. Bain dan Max Engelhardt

Distribusi Diskrit Khusus

1. distribusi bernoulli
pada satu percobaan percobaan, anggaplah bahwa hanya ada dua peristiwa yang menarik,
katakanlah E dan pelengkapnya E '. misalnya, E dan E 'dapat mewakili item "baik" ketika
menggambar item tunggal dari lot yang diproduksi, atau, secara umum, "sukses" atau
"kegagalan" pada percobaan tertentu dari suatu percobaan. misalkan E. terjadi dengan
probabilitas p = P (E), dan secara bersamaan E 'terjadi dengan probabilitas q = P (E')=1-p.

variabel acak, x, yang mengasumsikan bahwa nilai 0 atau 1 diketahui sebagai variabel
bernouli, dan kinerja percobaan hanya dapat menghasilkan 'sukses' (E) atau 'kegagalan' (E '),
kemudian bernouli yang merespons variabel adalah

2. distribusi binomial
distrubusi binomial sering memungkinkan untuk menyusun eksperimen yang lebih rumit
sebagai urutan uji coba bernouli independen, di mana kuantitas yang diminati adalah jumlah
keberhasilan pada sejumlah uji coba tertentu.

Dari rumus diatas distribusi binomial dibuat. notasi b (x; n, p), yang telah kita gunakan alih-alih f
(x), mencerminkan ketergantungan pada parameter n dan p.
distribusi binomial muncul bersamaan dengan banyak permainan kebetulan, seperti dadu bergulir
atau melempar koin.

3. Distribusi hypergeometrik

Misalkan populasi atau koleksi terdiri dari sejumlah item, katakanlah N, dan ada item M dari
tipe 1 dan item N-M yang tersisa adalah dari tipe 2. anggaplah n item ditarik secara acak tanpa
penggantian, dan menunjukkan X jumlah item tipe 1 yang ditarik.

4. Ditribusi geometric binomial dan negative

 Distribusi X dikenal sebagai distribusi geometris, yang mendapat namanya dari kapal
hubungannya dengan deret geometri yang digunakan untuk mengevaluasi persamaan. ini juga
kadang-kadang dikenal sebagai distribusi pascal.

5. Distribusi binomial negatif

pada uji coba bernoulli independen yang berulang, misalkan X menunjukkan jumlah uji
X yang diperlukan untuk memperoleh kesuksesan. maka distribusi probabilitas X adalah
distribusi binomial negatif dengan pdf diskrit yang diberikan oleh

agar peristiwa [X = x] terjadi, seseorang harus mendapatkan keberhasilan ke - r pada percobaan

ke - x dengan memperoleh 'r - 1 berhasil dalam percobaan x - 1' dalam urutan apa pun, dan
kemudian memperoleh 'keberhasilan di tingkat ke - x' . dengan demikian, probabilitas evenr
pertama dapat dinyatakan sebagai

dan mengalikan ini dengan probabilitas peristiwa kedua, menghasilkan persamaan pertama.

notasi khusus, yang menunjukkan bahwa X memiliki distribusi binomial negatif adalah:

6. Hubungan binomial dengan negatif

masalah binomial negatif kadang-kadang disebut sebagai sampel binomial terbalik.
misalkan X ~ NB (r, p) dan W ~ BIN (n, p). mengikuti itu

yaitu, w> = r sesuai dengan peristiwa havung r atau lebih keberhasilan dalam n uji coba, dan itu
berarti n atau lebih sedikit uji coba akan diperlukan untuk mendapatkan r keberhasilan pertama.

7. Distribusi poisson
variabel acak diskrit X dikatakan memiliki distribusi poisson dengan parameter u> 0 jika
memiliki pdf diskrit dari formula:

8. Distribusi seragam diskrit

 Banyak masalah, penting yang melibatkan penugasan klasik probabilitas, dapat
dimodelkan oleh variabel acak diskrit yang mengasumsikan semua nilainya dengan probabilitas
yang sama. biasanya mungkin untuk mengaitkan masalah seperti itu dengan serangkaian
bilangan bulat berturut-turut 1,2, ... N.
variabel acak diskrit X memiliki distribusi seragam diskrit pada bilangan bulat 1,2, ..., N jika
memiliki pdf rumus

notasi khusus untuk situstion ini adalah

X~DU(N)

Distribusi Kontinu Khusus

1. distribusi seragam
distribusi khusus ini dikenal sebagai distribusi seragam pada interval (a, b). dan notasi
menyangkal bahwa x memiliki rumus:

X~UNIF(a,b)

2. distribusi gamma
distribusi berkelanjutan yang sering terjadi dalam aplikasi disebut distribusi
gamma. nama dari hubungannya dengan fungsi yang disebut fungsi gamma.

3. distribusi eksponensial
variabel acak berkesinambungan X memiliki distribusi eksponensial dengan parameter
a>0 jika memiliki rumus

dan nol sebaliknya. CDFof X adalah

sehingga a adalah parameter skala.

distribusi eksponantial, yang merupakan model probabilitas yang penting untuk masa hidup,
kadang-kadang dicirikan oleh properti yang diberikan.
4. distribusi weibull
 variabel acak kontinu X dikatakan memiliki distribusi weibull dengan parameter b> 0 dan
a> 0 jika memiliki rumus:

dan nol di tempat lain. sebuah notasi yang menunjukkan bahwa X adalah

5. distribusi pareto

variabel acak kontinu X dikatakan memiliki distribusi pareto dengan parameter a> 0 dan
k> 0 jika memiliki rumus

dan nol sebaliknya

6. distribusi normal

Variabel acak X mengikuti distribusi normal dengan mean u dan varians jika memiliki
rumus:

Parameter Lokasi dan Skala

Di masing-masing definisi berikut, mewakili CDF yang ditentukan sepenuhnya, dan
adalah
1. parameter lokasi, kuantitas η adalah parameter cocation untuk distribusi X jika CDF
memiliki bentuk

Dengan rumus lain yaitu

2. parameter skala. kuantitas positif θ adalah parameter skala untuk distribusi X jika CDF
memiliki rumus