PENDAHULUAN
1.1 Latar Belakang
Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi
probabilitas diskrit jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal) yang
saling bebas, dimana setiap hasil percobaan memiliki probabilitas p. Eksperimen
berhasil/gagal juga disebut percobaan bernoulli. Ketika n = 1, distribusi binomial adalah
distribusi bernoulli. Distribusi binomial merupakan dasar dari uji binomial dalam uji
signifikansi statistik.
Distribusi ini seringkali digunakan untuk memodelkan jumlah keberhasilan pada
jumlah sampel n dari jumlah populasi N. Apabila sampel tidak saling bebas (yakni
pengambilan sampel tanpa pengembalian), distribusi yang dihasilkan adalah distribusi
hipergeometrik, bukan binomial. Semakin besar N daripada n, distribusi binomial merupakan
pendekatan yang baik dan banyak digunakan. Hal ini juga diketahui bahwa distribusi
binomial adalah distribusi jumlah keberhasilan yang terjadi dalam n percobaan independen
dengan probabilitas keberhasilan dalam setiap percobaan adalah p.
1.3 Tujuan
Adapun tujuan dari penulisan makalah ini adalah selain untuk memenuhi tugas mata
kuliah Metode Statisitka, juga untuk lebih memahami materi tentang distribusi binomial.
1
BAB II
PEMBAHASAN
2.1 Ikhtisar
Model distribusi binomial mengulangi pilihan antara dua alternatif. Sebagai contoh,
akan memberikan probabilitas memperoleh 5 Ekor saat melempar 10 koin atau probabilitas
sebuah tikus memilih 10 kali keluar dari 20 cabang yang benar dari labirin 3-cabang. Tes
binomial menggunakan distribusi binomial untuk memutuskan apakah hasilnya dari
percobaan menggunakan variabel biner (juga disebut dikotomik ) dapat dikaitkan dengan efek
yang sistematis. Uji tanda diterapkan sebelum / sesudah desain dan menggunakan tes
binomial untuk mengevaluasi jika arah perubahan antara sebelum dan sesudah perlakuan
adalah sistematik.
2. Dengan notasi ini, probabilitas mendapatkan hasil C Keluar dari percobaan N diberikan
oleh rumus
𝑁
Pr(𝑌 = 𝐶) = ( ) × 𝑃𝐶 × (1 − 𝑃)𝑁−𝐶 1
𝐶
𝑁
Syarat ( ) memberikan banyaknya kombinasi elemen C dari sebuah ensemble N, hal itu
𝐶
disebut "binomial N, dan C", dan dihitung sebagai
𝑁 𝑁!
( ) = 𝐶!(𝑁−𝐶)! 𝑑𝑖𝑚𝑎𝑛𝑎 𝑁! = 1 × 2 … × 𝑁 2
𝐶
2
Sebagai contoh, jika probabilitas memperoleh 2 kepala ketika melempar 4 koin dihitung
sebagai:
𝑁
Pr(𝑌 = 2) = ( ) × 𝑃𝐶 × (1 − 𝑃)𝑁−𝐶
𝐶
4
= ( ) 𝑃2 (1 − 𝑃)4−2 3
2
= 6 × 0,52 × (1 − 0,5)2
= 6 × 0,54 = 0,3750
Dengan asumsi tingkat α = 0,05, kita dapat menyimpulkan bahwa anak tersebut tidak
menjawab secara acak.
3
1
2.3.1 𝑃 ≠ 2
1
Tes binomial dapat digunakan dengan nilai P yang berbeda dari Misalnya,
2
probabilitas p memiliki 5 tikus memilih Pintu keluar yang benar dari 4 kemungkinan pintu di
1
labirin, menggunakan nilai P =4 dan adalah sama dengan
= 0,0046
Dan kita akan menyimpulkan bahwa tikus yang menunjukkan referensi signifikan untuk pintu
yang benar.
Probabilitas yang terkait dengan nilai Z menjadi lebih kecil dari α = 0,001, kita dapat
menyimpulkan bahwa anak-anak tidak menjawab secara acak.
4
antara kedua hari ini. Pada hari kedua, dari 15 anak-anak ini, 5 makan dengan jumlah
permenyang sama, 9 makan kurang, dan 1 makan lebih. Dapatkan kita pertimbangkan bahwa
film mengurangi konsumsi permen? Masalah ini setara dengan membandingkan 9 hasil
1
positif terhadap satu negatif dengan P =2. Dari Persamaan 5, kita mendapatkan bahwa hasil
tersebut memiliki nilai p kecil yang α = 0,05 dan kita simpulkan bahwa film itu mengubah
perilaku anak-anak.
5
BAB III
PENUTUP
3.1 Kesimpulan
Distribusi Binomial seringkali digunakan untuk memodelkan jumlah keberhasilan
pada jumlah sampel n dari jumlah populasi N. Distribusi ini banyak digunakan pada masalah
yang mungkin bernilai benar atau salah, gagal atau sukses, dan lain sebagainya. Untuk
nilai N yang besar, biasanya dipakai pendekatan normal dapat digunakan untuk distribusi
binomial dengan mengitung dahulu skor Z untuk memperoleh p.
6
DAFTAR PUSTAKA