TUGAS
Diajukan dalam Rangka Memenuhi Tugas Mata Kuliah Analisis Simulasi Sistem
Disusun Oleh :
Sigit Afriyanto 201521073
i
DAFTAR ISI
2
BAB I
DISTRIBUSI DATA
3
b. Probabilitas binomial kumulatif
Probabilitas binomial kumulatif adalah probabilitas dari peristiwa
binomial lebih dari satu sukses. Probabilitas binomial kumulatif dapat
dihitung dengan menggunakan rumus :
4
c. Rata-rata (Mean)
Rata-rata (Mean) dari distribusi bernoulli adalah 𝐸(𝑋) = 𝑝.
d. Varian
Varian dari distribusi bernoulli adalah 𝑉𝑎𝑟(𝑋) = 𝑝(1 − 𝑝)
5
1.2. Distribusi Uniform
Distribusi seragam (uninformly distribution) merupakan distribusi
probabilitas yang paling sederhana diantara distribusi-distribusi probabilitas yang
lain. Dalam distribusi ini setiap nilai peubah acak mempunyai probabilitas terjadi
yang sama. Distribusi seragam dapat pula didefinisikan seperti berikut. Bila peubah
acak X mempunyai nilai-nilai X1, X2, …Xk, dengan probabilitas yang sama,
distribusi seragam diskrit dinyatakan sebagai
6
1.3.1. Rumus Distribusi Exponential
a. Fungsi Padat Peluang
b. Mean
E(X) = θ-1
c. Varian
Var(X) = θ-2
7
Sifat-sifat kurva normal :
• Modus terjadi pada x=μ (bisa juga dikatakan rata-rata μ tepat ditengah kurva
tertinggi)
• Kurva simetris terhadap x=μ
• Kedua ujung kurva semakin mendekati sumbu mendatar bila nilai x bergerak
menjauhi rata-rata μ (sumbu mendatar di sebut asimtot dari kurva normal)
• Seluruh luas kurva normal di atas sumbu mendatar adalah 1.
• Simpangan baku σ menentukan bentuk kurva, semakin kecil σ akan semakin
runcing juga kurvanya .
8
1.4.1. Rumus Distribusi Normal
a. Mean
E(X)=μ
b. Varian
Var(X)=σ2
b. Varian
9
1.6. Distribusi Beta
Distribusi Beta adalah sebuah keluarga yang berkesinambungan parameter
bentuk, biasanya dilambangkan dengan α dan β. Ini adalah kasus khusus
daridistribusi Dirichlet dengan hanya dua parameter. Karena distribusi Dirichlet
adalahkonjugat sebelumnya dari distribusi multinomial, distribusi beta
konjugatsebelumnya dari distribusi binomial. Dalam Bayesian statistik, dapat dilihat
sebagaidistribusi posterior dari parameter p dari distribusi binomial setelah
mengamati α - 1kejadian yang independen dengan probabilitas p dan β - 1 dengan
probabilitas 1 - p, jika sebelumnya distribusi p adalah seragam
Distribusi beta digunakan sebagai penaksiran kasar dari suatu missing data
distribusi dari suatu proporsi.
• Varian
E(X) = αβ
• Varian
Var(X) = αβ2
10
1.8. Distribusi Weibul
Distribusi Weibull biasanya digunakan untuk menyelesaikan masalah-masalah
yang menyangkut lama waktu (umur) suatu objek yang mampu bertahan hingga
akhirnya objek tersebut tidak berfungsi sebagaimana mestinya (rusak atau mati).
dimana λ > 0 adalah parameter bentuk dan k > 0 adalah parameter skala. Fungsi
kepadatan peluangnya adalah turunan dari fungsi distribusi kumulatifnya tersebut.
• Varian
11
DAFTAR PUSTAKA
https://madinglife.com/2017/10/03/ditribusi-binomial-distribusi-normal-distribusi-
poisson-distribusi-sampling-statistik-penduga/
https://id.wikipedia.org/wiki/Distribusi_binomial
https://www.rumusstatistik.com/2014/08/distribusi-bernoulli.html
http://ditaretnow.blogspot.com/2015/10/distribusi-uniformseragam-peubah-acak.html
https://www.rumusstatistik.com/2013/07/rumus-distribusi-eksponensial.html
https://id.wikipedia.org/wiki/Distribusi_normal
http://www.aksiomaid.com/Matematika/RingkasanMateri/0128010100000000/DISTRIB
USI-NORMAL/PENGERTIAN-DISTRIBUSI-NORMAL-DAN-TABEL-
DISTRIBUSI-NORMAL
https://id.wikipedia.org/wiki/Distribusi_normal
https://www.slideshare.net/posku/stat-prob09-distributioncontinue
https://www.rumusstatistik.com/2013/07/distribusi-beta.html
https://www.scribd.com/doc/252858989/Distribusi-Beta
https://www.rumusstatistik.com/2013/07/rumus-distribusi-gamma.html
https://www.rumusstatistik.com/2013/07/distribusi-weibull.html
12