PENDAHULUAN
1
memerlukan pemahaman mengenai model probabilitas yang digunakannya, yang
artinya perlu kembali ke teori probabilitas.
1.2 Tujuan
a. Dapat mengetahui pengertian distribusi geometrik
b. Dapat mengetahui pengertian distribusi hipergeometrik
c. Dapat mengetahui pengertian distribusi poison
d. Dapat mengetahui dan mengerjakan contoh soal tentang distribusi
geometri, hipergeometri dan poison.
3
2.1.1 Fungsi, Rataan dan Variasi Distribusi Probabilitas Geometrik
1. CDF ( Commulative Distribution Function )
P (X ≤ x ) = P (X = 1) + P(X = 2 ) + ... + P(X = x)
= p + qp + q2p + ... + qx-1p
2. Rataan dan Variansi
a. Rataan
E(X) = ∑∞
𝒙=𝟏 𝒙. 𝒑𝒒
𝒙−𝟏
b. Mencari E(X2)
E [ X (X – 1 )] =∑∞
𝑥=1(𝑥 – x) P (X = x)
2
–
=∑∞
𝑥=1(𝑥
2
x) pqx-1
= (1 . 0 . p + 2 . pq + 6 pq2 + ...)
Kalikan kedua sisi dengan “q” , maka
qE [ X (X – 1) ] = (1 . 0 . pq + 2 . pq2 + 6 pq3 + ...)
kurangkan E [ X (X – 1) ] dengan qE [X(X – 1) ] maka,
kurangkan E [ X (X – 1) ] dengan qE [X(X – 1) ] maka,
E [ X (X – 1) ] = (1.0.p + 2 .pq + 6 . pq2 + ...)
qE [X(X – 1) ] =( 1. 0 . pq + 2 . pq2 + ...) -
E [ X(X – 1 ) ] – qE [X(X – 1)] = (2pq + 4pq2 + ...)
E [ X(X – 1)] (1 – q ) = (2pq + 4pq2 + ...)
Karena p = 1 – q maka ,
E [ X(X – 1 ) ] p = 2q (q + 2pq + 3pq2 + ...)
E [ X(X – 1 ) ] p = 2q E(X)
E [ X(X – 1 ) ] p =2q / p
E [ X(X – 1 ) ] = 2q / p2
E (X2 – X ) = 2q / p2
E (X2) – E (X) = 2q / p2
E(X2) = (2q / p2) + E (X)
E(X2) = (2q / p2) + 1/p
E(X2) =1+q
P2
atau dengan cara menurunkan MGF nya,
𝑝𝑒 2
MGF : 1− 𝑞𝑒 𝑡
u= 𝑝𝑒 𝑡 v = 1 − 𝑞𝑒 𝑡
du = 𝑝𝑒 𝑡 𝑑𝑡 dv = − 𝑞𝑒 𝑡 𝑑𝑡
𝑝𝑒 𝑡 (1−𝑞𝑒 𝑡 )−𝑝𝑒 𝑡 (−𝑞𝑒 𝑡 )
Mx(t) = (1− 𝑞𝑒 𝑡 )2
𝑝𝑒 𝑡 −𝑝𝑞𝑒 2𝑡 +𝑝𝑞𝑒 2𝑡
= (1−𝑝𝑒 𝑡 )2
𝑝𝑒 𝑡
=(1−𝑞𝑒 𝑡)2
u = 𝑝𝑒 𝑡 v = ( 1 − 𝑞𝑒 2 )2
du = 𝑝𝑒 𝑡 𝑑𝑡 dv = −2𝑞𝑒 𝑡 (1 − 𝑞𝑒 𝑡 )𝑑𝑡
5
c. Variansi
3. MGF
7
N = Total populasi atau sampel
k = jumlah benda yang diberi label “berhasil” yang tersedia
n = jumlah percobaan atau jumlah sampel yang dipilih
x = jumlah kejadian yang sukses
sedangkan dalam populasi N benda terdapat lebih dari 2 jenis
sampel yang berbeda, maka sebaran peluang bagi peubah acak
hipergeometrik X, yang menyatakan banyaknya keberhasilan dalam
contoh acak berukuran n, adalah :
Keterangan :
N = k1 + k2 + k3 + ... + kn
X = x1 + x2 + x3 + ... + xn
n = jumlah sampel yang dipilih.
2.2.3 Rumus-rumus Distribusi Hipergeomtrik
1. Nilai mean distribusi hipergeomtrik
Rataan atau nilai mean (µ) dari suatu distribusi hipergeomtrik
dapat diperoleh dengan rumus : µ = n.kN
Keterangan :
µ = mean (rata-rata)
2. Nilai harapan distribusi hipergeometrik
Nilai harapan distribusi hipergeometrik adalah jumlah dari semua
hasil perkalian antara nilai variabel random dengan nilai probabilitas
hipergeometrik dari nilai tersebut. Yang dirumuskan sebagai berikut :
E(X) = X.P(X).
2.2.4 Penggunaan Distribusi Hipergeometrik
Distribusi hipergeometrik dapat diaplikasikan pada banyak bidang,
misalnya pada penerimaan sampel (acceptance sampling), pengujian
elektronik, dan pengendalian kuliatas (quality control) dari suatu hasil
produksi. Dalam banyak bidang ini, pengujian dilakuakan terhadap barang
yang diuji yang dapat akhirnya barang uji tersebut menjadi rusak, sehingga
tidak dapat dikembalikan. Jadi, pengembalian sampel harus dikerjakan
tanpa pengembalian. Berikut beberapa aplikasi distribusi hipergeometrik
dalam kehidupan sehari-hari :
1. Kita dapat mengetahui jumlah barang yang rusak dalam sampel acak
dari sejumlah kiriman.
2. Jumlah permen yang diambil dari dalam kotak dengan rasa tertentu.
3. Aplikasi dalam pendidikan seperti dalam penyelidikan pendapat
umum/survey.
9
3. Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval
waktu yang singkat atau dalam daerah yang kecil dapat diabaikan.
= ∑𝑛𝑥=0 𝑃 (𝑋 = 𝑥)
= P (X = 0) + P(X = 1) + P(X = 2) +...+ P(X = n)
Beberapa sifat dari distribusi poisson dapat dilihat pada tabel dibawah ini:
Mean => µ=λ=n.p
Varian => σ2 = λ = n . p
Koefisien Momen σ3 =
1
=> √λ
Kemiringan
Koefisien Momen σ4 =
1
=> √λ
Kurtosis
Tabel sifat distribusi poisson.
Pada kenyataannya, dapat diperlihatkan bahwa distribusi poisson akan mendekati
11
BAB III
PEMBAHASAN
2. Dalam suatu proses produksi diketahui bahwa rata-rata di antara 100 butir
hasil produksi 1 yang cacat. Berapakah peluang bahwa setelah 5 butir yang
diperiksa baru menemukan cacat pertama ?
Jawab :
Gunakan distribusi geometrik dengan x = 5 dan p = 0,01, maka diperoleh
g(5 ; 0,01) = (0,01)(0,99)4
= 0,0096
3. Pada waktu sibuk suatu sentral telepon hampir mencapai batas daya
sambungnya, sehingga orang tidak mendapat sambungan. Ingin diketahui
banyaknya usaha yang diperlukan agar mendapat sambungan. Misalkan p
= 0,05 peluang mendapat sambungan selama waktu sibuk. Kita ingin
mencari peluang bahwa diperlukan 5 usaha agar sambungan berhasil
Jawab :
Dengan menggunakan distribusi geometrik dengan x = 5 dan p = 0,05
diperoleh
P(X = x) = g(5; 0,05) = (0,05)(0,95)4
= 0,041
3.2 Contoh Soal Distribusi Hipergeometrik
1. Dalam sebuah kotak terdapat 7 bola yang 3 diantaranya berwarna merah.
Jika dari dalam tersebut diambil 3 bola secara acak, hitunglah peluang
terambilnya bola tersebut terdapat:
a. satu bola berwarna merah?
b. dua bola bewarna merah?
c. ketiga-tiganya berwarna merah?
d. tidak ada bola berwarna merah?
Jawab :
Dari soal tersebut diketahui N=7,N=7, k=3k=3 dan n=3,n=3, dengan
demikian maka
a. satu bola berwarna merah
13
d. tidak ada warna merah
15
DAFTAR PUSTAKA