BI dalam kata BINOMIAL berarti dua. Hal ini merujuk ke setiap kali percobaan atau
kesempatan, hasil yang MUNGKIN muncul hanya ada dua.
Misalkan kita mempunyai satu buah koin yang terdiri atas dua sisi, depan dan
belakang. Misalkan kita mengundi sebanyak 10 kali. Pada undian pertama,
kemungkinan hasilnya hanya sisi depan atau sisi belakang. Pada undian kedua,
kemungkinan hasilnya hanya sisi depan atau sisi belakang. Demikian seterusnya.
Setiap kali mengundi, kemungkinan hasilnya sama, hanya dua yaitu sisi depan atau
sisi belakang. Dari sepuluh kali percobaan, berapa peluang sisi depan muncul
sebanyak dua kali?
Diketahui:
Peluang sukses = peluang munculnya sisi depan dalam setiap percobaan = p = 0.5.
Peluang gagal = peluang tidak munculnya sisi depan dalam setiap percobaan = q =
1-p = 0.5.
Ditanyakan:
Dari sepuluh kali percobaan, berapa peluang sisi depan muncul sebanyak dua kali?
Atau P (X = 2) -> Yang ditanyakan adalah peluang munculnya sisi depan maka
kejadian yang dianggap sukses adalah jika sisi depan muncul ketika diundi.
Jawaban:
DISTRIBUSI POISSON
Distribusi poisson diberi nama sesuai dengan penemunya yaitu Siemon D. Poisson. Distribusi
ini merupakan distribusi probabilitas untuk variabel diskrit acak yang mempunyai nilai 0, 1, 2, 3
dan seterusnya. Suatu bentuk dari distribusi ini adalah rumus pendekatan peluang poisson
untuk peluang binomial yang dapat digunakan untuk pendekatan probabilitas binomial dalam
situasi tertentu. Rumus poisson dapat digunakan untuk menghitung probabilitas dari jumlah
kedatangan, misalnya : probabilitas jumlah kedatangan nasabah pada suatu bank pada jam
kantor. Distribusi poisson ini digunakan untuk menghitung probabilitas menurut satuan waktu.
Menurut Walpole (1995), distribusi poisson adalah distribusi peluang acak poisson X, yang
menyatakan banyaknya sukses yang terjadi dalam suatu selang waktu atau daerah tertentu.
Bilangan X yang menyatakan banyaknya hasil percobaan dalam suatu percobaan poisson
disebut peubah acak poisson dan sebaran peluangnya disebut sebaran poisson.
1. Menghitung probabilitas terjadinya peristiwa menurut satuan waktu, ruang atau isi, luas,
panjang tertentu, saeperti menghitung probabilitas dari kemungkinan kesalahan pemasukan
data atau kemungkinan cek ditolak oleh bank. Jumlah pelanggan yang harus antri pada
pelayanan rumah sakit, restaurant cepat saji atau antrian yang panjang bila ke ancol. Semua
contoh ini merupakan beberapa hal yang menggambarkan tentang suatu distribusi poisson.
2. Menghitung distribusi binomial apabila nilai n besar (n ≥ 30) dan p kecil (p<0,1). Jika kita
menghitung sejumlah benda acak dalam suatu daerah tertentu T, maka proses penghitungan ini
dilakukan sebagai berikut.
Jumlah rata-rata benda di daerah S T adalah sebanding terhadap ukuran S, yaitu
ECount(S)= λ S, di sini melambangkan ukuran S, yaitu panjang, luas, volume, dan lain-
lain. Parameter λ > 0 menggambarkankan intensitas proses.
Menghitung di daerah terpisah adalah bebas.
Kesempatan untuk mengamati lebih dari satu benda di dalam suatu daerah kecil adalah
sangat kecil, yaitu P(Count(S)2) menjadi kecil ketika ukuran menjadi kecil.
Contoh Soal :
Diketahui probabilitas untuk terjadi shock pada saat imunisasi dengan vaksinasi meningitis
adalah 0,0005. Kalau di suatu kota jumlah orang yang dilakukan vaksinasi sebanyak 4000.
Hitunglah peluang tepat tiga orang akan terjadi shock!
Jawab :
DISRIBUSI NORMAL
Distribusi normal merupakan suatu alat statistik yang sangat penting
untuk menaksir dan meramalkan peristiwa-peristiwa yang lebih luas.
Distribusi normal disebut juga dengan distribusi Gauss untuk
menghormati Gauss sebagai penemu persamaannya (1777-1855). Menurut
pandangan ahli statistik, distribusi variabel pada populasi mengikuti
distribusi normal.
Suatu data membentuk distribusi normal jika jumlah data di atas dan di
bawah mean adalah sama.
Distribusi normal berupa kurva berbentuk lonceng setangkup yang
melebar tak berhingga pada kedua arah positif dan negatifnya.
Ciri-ciri kurva normal :
3. Simetris.
dengan