Anda di halaman 1dari 11

DISTRIBUSI FUNGSI KETERANGAN

𝑛
Binomial b(x; n, p)=( )𝑝 𝑥 𝑞𝑛−𝑥 Distribusi binomial adalah
𝑥 distribusi probabilitas diskrit
jumlah keberhasilan dalam n
dimana x = 0,1,2,.....n
percobaan ya/tidak yang saling
P(B)= Peluang berhasil, bisa juga
bebas.
dimisalkan dengan p
Ciri -ciri:
P(G) = Peluang gagal,bisa juga
 Eksperimen terdiri dari
dimisalkan q
n usaha yang berulang
n = banyak percobaan yang dilakukan
 Setiap usaha
X = banyaknya percobaan yang
memberikan hasil yang
berhasil nilai X ini berada 0<X<n.
dapat diklasifikasikan
menjadi sukses atau
gagal
 Peluang dari sukses
adalah p, yang bersifat 6
 Peluang dari sukses
adalah p , yang bersifat
tetap dalam setiap kali
usaha.
 Tiap usaha tersebut
bersifat independen satu
sama lain.
Sebuah koin dilempar 3 kali
pelemparan. Tentukan peluang
didapatnya dua angka pada
pelemparan tersebut.
Penyelesaian dengan Binomial:
n=3 ; X =2 (diharapkan 2
Angka) ; p =1/2 dan q = ½
𝑃(2 𝑎𝑛𝑔𝑘𝑎)
3! 1 2 1 1 3
= ( ) ( ) =
(3 − 2!)2! 2 2 8
Multinomial f(x, 𝑥2 ,... 𝑥𝑛 ; 𝑝1 , 𝑝2 ,... 𝑝𝑘 , Distribusi multinomial adalah
𝑛 perluasan dari distribusi
n)=(𝑥 ) 𝑝1 𝑥1 𝑝2 𝑥2 ... 𝑝𝑘 𝑥𝑘 binomial. Misalkan sebuah
1 ,𝑥2 ,..𝑥𝑘
eksperimen menghasilkan
peristiwa peristiwa dengan
peluuang terhadap eksperimen
ini kita lakukan percobaan
sebanyak n kali. Maka peluang
akan terdapat peristiwa
peristiwa Ek diantara n,
ditentukan oleh distribusi
multinomial
Ciri ciri distribusi multinomial:
 Ada n percobaan yang
identik dan saling bebas
 Setiap percobaan
menghasilkan sebanyak
k hasil mutually
exclusive dan exhaustive
(jika satu hasil terjadi
yang lain tidak terjadi)
dengan probabilitas
masing-masing hasil
yang mungkin sebesar
p1, p2, ..., pk,
di mana 0<pi<1, i = 1,
2, ...,k
dan p1+p2+...+pk = 1
 Untuk n percobaan yang
identik dan saling bebas
tersebut menghasilkan k
variabel acak X1,
X2, ..., Xk dengan nilai
masing-masing x1,
x2, ..., xk
Contoh:Dua buah dadu
dilempar enam kali, berapa
peluang muncul bilangan yang
hasil penjumlahannya adalah 7
atau 11 sebanyak dua kali,
bilangan yang sama muncul
sekali dan hasil yang lainnya
muncul tiga kali?
Jawab
Banyaknya titik sampel pada
pelemparan dua buah dadu
adalah 36 titik sampel.
1. Kejadian E1, muncul
bilangan yang hasil
penjumlahannya adalah
7 atau 11 sebanyak dua
6
kali. Peluangnya 36 +
2 2
=9
36
2. Kejadian E2, muncul
bilangan yang sama
sebanyak dua sekali.
6
Peluangnya adalah 36 =
1
6
3. Kejadian E3, muncul
hasil lainnya sebanyak
dua sekali. Peluangnya
2 1 11
adalah 1 − 9 − 6 = 18
Diketahui juga n=6 dimana 𝑥1 =2,
𝑥2 =1, 𝑥3 =3, maka persoalan
tersebut dapat diselesaikan
dengan menggunakan rumus
Distribusi Multinomial.
𝑓(𝑥; 𝑛, 𝑝)
6! 2 2 1 1 11 3
= ( ) ( ) ( )
2! 1! 3! 9 6 18
= 0,1127
Hipergeometrik (𝑘 𝑛−𝑘
𝑥) (𝑛−𝑥)
Distribusi hipergeometrik
h(x;n, k)= ; x=0,1,2,...n adalah distribusi probabilitas
(𝑛
𝑛)
diskrit dari sekelompok obyek
x = jumlah terambil dari kelompok yang di pilih tanpa
sukses pengambilan.
N = jumlah sampel populasi Distribusi hipergeometrik
n = jumlah sampel mempunyai sifat-sifat sebagai
k = jumlah sukses berikut:
 Secara acak diambil
sebanyak n tanpa
dikembalikan dari N
benda.
 k dari N benda
diklasifikasikan sukses
dan N -k
diklasifikasikan gagal
Contoh Soal :Tumpukan 40
komponen masing-masing
dikatakan dapat diterima bila
isinya tidak lebih dari 3 yang
cacat. Prosedur penarikan
contoh tumpukan tersebut
adalah memilih 5 komponen
secara acak dan menolak
tumpukan tersebut bila
ditemukan suatu cacat.
Berapakah probabilitas bahwa
tepat 1 cacat ditemukan dalam
contoh itu bila ada 3 cacat
dalam keseluruhan tumpukan
itu?
Penyelesaian:
Dengan menggunakan
sebaran hipergeometri dengan n
= 5, N = 4, k = 3 dan x = 1 kita
dapatkan probabilitas perolehan
satu cacat menjadi.
3 37
( )( )
ℎ(1; 40,5,3) = 1 4
40
( )
5
= 0,3011
Poisson 𝑎𝑥 .𝑒 −𝑥 Distribusi poisson merupakan
P(x)= distribusi diskrit yang
𝑥!
mengestimasi probabilitas
x = 0, 2, ………. = banyaknya munculnya suatu keluaran
sukses dalam suatu standar unit
e. = 2,7183
λ = bilangan tetap = n π tertentu sebanyak x kali,
n =banyaknya ulangan yang dimana rata-rata kemunculan
dilakukan keluaran tersebut per unitnya
konstan sebesar l.Standar unit
ini dapat berupa interval waktu
(menit, detik, hari, bulan,dll)
atau luas daerah tertentu.
Sifat-sifat proses Poisson:
 Jumlah hasil yang
terjadi dalam satu
selang waktu atau
daerah tertentu adalah
independen terhadap
hasil yang terjadi pada
selang atau daerah lain.
Proses Poisson
dikatakan tidak
mempunyai ingatan.
 Peluang terjadinya suatu
hasil (tunggal) dalam
selang waktu yang
sangat pendek atau
daerah yang sangat
waktu yang sangat
pendek atau daerah
yang sangat kecil
sebanding dengan
panjang selang waktu
atau besarnya daerah
dan tidak bergantung
pada banyaknya hasil
yang terjadi di luar
selang atau daerah
tersebut.
 Peluang terjadinya lebih
dari satu hasil yang
terjadi dalam selang
waktu yang pendek
dapat diabaikan.
Contoh: Jika peluang
pengunjung yang pingsan
saat melihat parade akibat
terik matahari adalah 0,005
maka hitunglah peluang
bahwa dari 3000
pengunjung parade
tersebut, trdapat 18 orang
yang pingsan akibat terik
matahari.
Jawab :
π = 0,005 n = 3000
λ = n π = 3000 (0,005) = 15
x = 18
P(X) = P (X=x)

Normal 1 2 )/(2𝜎 2 ) Distribusi normal adalahdisebut


n(x; M; σ)= 𝑒 –(𝑥−𝜎
6√2𝜋 pula distribusi Gauss, adalah
distribusi probabilitas yang
dimana -∞< x <∞ paling banyak digunakan dalam
Nila konstan yang ditulis hingga berbagai analisis statistika
4 desimal  Karakterisik Distribusi Normal
e = Bilangan konstan, bila ditulis  Bentuk kurva normal
hingga 4 desimal, e = 2,7183
seperti bel dan simetris.
µ = Parameter, merupakan rata-rata
untuk distribusi  Parameter s,
σ=Parameter, merupakan simpangan menunjukkan lebar dari
baku untuk distibusi kurva normal (semakin
besar nilainya, semakin
lebar) q Titik tertinggi
dari kurva nomal
terletak pada nilai rata-
rata=median=modus
 Luas total area di bawah
kurva normal adalah 1.
(luas bagian di sebelah
kiri µ = sebelah kanan
µ).
 Probabilita suaru
random variabel normal
sama dengan luas di
bawah kurva normal.

Uniform Diskrit 𝑙 Distribusi Uniform Diskrit


f(x; k)= , x=𝑥1 , 𝑥2 , 𝑥3 ,... 𝑥𝑘
𝑘 ( Seragam Diskrit) adalah
probabilitas distribusi
sederhana yang semua peubah
acaknya mempunyai
probabilitas yang sama.
Contoh :
Sebuah dadu setimbang
dilemparkan sekali. Bila x
menyatakan mata dadu yang
muncul, buatlah distribusi
probabilitas x, mean dan
variansinya!
Jawab:
Ruang contoh S = {1,2,3,4,5,6}
dan setiap mata dadu
mempunyai probabilitas yang
sama untuk muncul, yaitu 1/6.
Dengan demikian distribusi
seragamnya adalah
p(x : 6) = 1/6 untuk x =
1,2,3,4,5,6
Chi-Kuadrat 1 𝑣 𝑥 Distribusi khi-kuadrat (bahasa
2 (2)−1 −
𝑓𝑥 (x;v)={ 𝑣 𝑣 𝑥 𝑒 ,2
Inggris: Chi-square
21+(2)
distribution) atau distribusi χ²
𝑥≥0 dengan k derajat bebas adalah
distribusi jumlah kuadrat
keperubah acak normal baku
yang saling bebas
Ciri ciri distribusi chi-kuadrat:
 Selalu positif
 df = k – 1, dimana k
adalah jumlah kategori
(variabel). Jadi bentuk
distribusi chi-kuadrat
tidak ditentukan
banyaknya sampel,
melainkan banyaknya
derajat bebas.
 Bentuk distribusi chi-
kuadrat menjulur
positif. Semakin besar
derajat bebas, semakin
mendekati distribusi
normal
Distrubusi F 1 Statistik F didefinisikan
(𝑉 −2)
𝐹2 1
f(F)=K. 1 sebagai nisbah dua peubah acak
𝑉1 𝐹 2(𝑉1+𝑉2 ) khi-kuadrat yang bebas, masing
(1+ 𝑉 )
2
– masing dibagi dengan derajat
kebebasannya.
F = Variabel acak yang memenuhi
F>0 Ciri-ciri utama distribusi F
K = bilanan tetap yang harganya adalah sebagai berikut :
pada derajat kebebasan v1 dan v2  Terdapat dua parameter,
V1 = Derajat kebebasan antara yaitu derajat bebas
varians rata-rata sampel (sebagai pembilang dan derajat
pembilang) bebas penyebut.
V2 = derajat kebebasan dalam
keseluruhan sampel (sebagai  Nilai F tidak pernah
penyebut) negatif dan merupakan
distribusi yang
kontinyu.
 Kurva distribusi F
menjulur kearah positif.
 Nilai F mampunyai
rentang dari 0 hingga ∞.
Bila nilai F meningkat,
kurva distribusi
mendekati sumbu X,
tetapi tidak pernah
menyentuhnya.
Tentukan nilai dari F 0,05
(12,20)
Penyelesaian :
Diketahui :
p = 0,05
Ditanya : F = . . . . ?
Jawab :
F 0,05 (12,20) = 2,28
P = 1 – 0,05 = 0,95
F 0,95 (20,12) =
Jadi nilai F 0,05 (12,20) adalah
0,04

Student`s T 𝐾 Distribusi Student atau


f(t)= 1 ,
𝑛 distribusi t, ialah Distribusi
𝑡2 2
1+(𝑛−1)
dengan variabel acak kontinu
lainnya, selain daripada
dimana -∞ < 𝑡 < ∞ distribusi normal dengan fungsi
t = Rata-rata sampel densitasnya adalah :
m = rata-rata populasi Untuk harga-harga n yang
s = simpang baku, populasi besar, biasanya n ≥ 30,
distribusi t mendekati distribusi
normal baku.
Distribusi probabilitas t-Student
diturunkan dari distribusi
probabilitas normal baku
Ciri –ciri distribusi T:
 Sampel yang diuji
berukuran kecil (n < 30)
 Penentuan nilai tabel
dilihat dari besarnya
tingkat signifikan (α)
dan besarnya derajat
bebas (db)
Contoh:Suatu pabrik bola
lampu yakin bahwa bola
lampunya akan tahan menyala
rata – rata selama 500 jam.
Untuk mempertahankan nilai
tersebut, tiap bulan diuji 25
bola lampu. Bila nilai t yang
dihitung terletak antara dan
maka pengusahan pabrik tadi
akan mempertahankan
kenyakinannya. Kesimpulan
apa yang seharusnya dia ambil
dari sampel dengan rataan =
518 jam dan simpangan baku s
= 40 jam? Anggap bahwa
distribusi waktu menyala,
secara hampiran, noramal.
Jawab :
Dari tabel 5 diperoleh = 1,711
untuk derajat kebebasan 24.
Jadi pengusaha tadi akan puas
dengan keyakinananya bila
sampel 25 bola lampu
memberikan nilai t antara -
1,711 dan 1,711. Bila memang
= 500, maka
Suatu nilai yang cukup jauh di
atas 1,711. Peluang mendapat
nilai t, dengan derajat
kebebasan v = 24, sama atau
lebih besar dari 2,25, secara
hampiran adalah 0,02. Bila ,
nilai t yang di hitung dari
sampel akan lebih wajar. Jadi
pengusaha tali kemungkinan
besar akan menyimpilkan
bahwa produksinya lebih nbaik
daripada yang diduganya
semula.
Binomial 𝑥 − 1 𝑘( Distribusi binomial negatif adalah
( ) 𝑝 1 − 𝑝)𝑥−𝑘
Negatif f(x)={ 𝑘 − 1 distribusi hasil percobaan
0 bernoulli yang diulang sampai
mendapatkan sukses ke-k.
x=k,k+1,k+2,...lainnya  Ciri-ciri eksperimen
Keterangan notasi sebagai berikut: binomial negatif:
p=peluangsukses Ada serangkaian
x=jumlah percobaan sampai percobaan Bernoulli yang
mendapatkansukseske-k identik dan saling bebas.
k = jumlah sukses yang muncul  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.
 Serangkaian percobaan-
percobaan tersebut
dihentikan begitu
mendapatkan hasil "H"
sebanyak k.
 Variabel acak X
menyatakan jumlah
percobaan sebelum
terjadi hasil "H" yang ke k,
arti jumlah hasil "H"
terjadi sebanyak k-1.
Contoh : 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?
P=0,7
1-p=0,3
K=5
k-1=4
x=9
𝑏𝑛𝑒𝑔 (𝑥, 𝑘, 𝑝) = 2,3653 . 10−3