DISTRIBUSI PELUANG DISKRIT

1. DISTRIBUSI BINOMIAL

Suatu percobaan disebut percobaan Binomial jika memenuhi syarat:

a. Percobaan terdiri dari n usaha yang berulang
b. Tiap usaha memberikan hasil yang dapat ditentukan saling sukses atau gagal
c. Peluang sukses yang dinyatakan dengan P, tidak berubah dari usaha yang satu ke usaha
yang berikutnya
d. Tiap usaha bebas dengan usaha yang lainnya
Definisi:
Banyaknya sukses x dalam n usaha suatu percobaan Binomial disebut: peubah acak
Binomial
Distribusi peluang p.a Binomial:
b ( x ; n , p) = n px ¿
() x
Dengan x= Usaha sukses
p= Peluang Sukses
n= Jumlah Usaha

Contoh:

1 3
Suatu suku cadang dapat menahan uji goncangan tertentu dengan peluang , Hitung
4
peluang bahwa tepat dua dari empat suku cadang yang di uji tidak akan rusak
Jawab:
3
b 2: 4 , = 4 ¿
( ) ()
4 2
2. DISTRIBUSI BINOMIAL NEGATIF

Suatu percobaan disebut percobaan Binomial negatif jika memenuhi syarat:

a. Usaha diulangi sampai terjadi sejumlah sukses tertentu
b. Tiap usaha memberikan hasil yang dapat ditentukan saling sukses atau gagal
c. Peluang sukses yang dinyatakan dengan P, tidak berubah dari usaha yang satu ke usaha
yang berikutnya
d. Tiap usaha bebas dengan usaha yang lainnya

Definisi:
Banyaknya usaha x untuk menghasilkan k sukses dalam percobaan Binomial Negatif disebut p.a
Binomial Negatif
x−1 p k ¿
Distribusi peluang Binomial Negatif (fmp): b* (x; k,p)=p(X=x)= ( ) k−1
Dimana X=k, k+1, k+2,...
b* (x; k,p) =Banyaknya usaha yang berakhir tepat pada sukses ke k
p =peluang sukses
k 2 k (1− p)
sifat x b ¿ ( x ; k , p ) : E ( x )= σ =
p p2
Fungsi Pembangkit Momen (FPM) dari distribusi Binomial Negatif:
M (t )= p k (1−( 1− p ) e t ¿− k untukt ←ln ( 1− p ) )coba buktikan!!
Dengan FPM diatas buktikan:
k k (1− p)
E ( x )= dan σ 2=
p p2

Carilah peluang bahwa seorang yang melantunkan 3 uang logam sekaligus akan
1 menghasilkan semuanya muka atau semuanya belakang untuk kedua kalinya pada
1 lantunan ke lima.
Jawab:
1
Distribusi Binomial Negatif dengan x=5 ; k =2 ; p=
4
1
b ¿ 5 ; 2 , = 5−1 ¿
( )( )
4 2−1

3. DISTRIBUSI GEOMETRIK
Bila usaha yang saling bebas dilakukan brulang kali menghasilkan sukses dengan peluang p,
gagal dengan peluang Q=1-p, maka distribusi peluang p.a x yaitu banyakmya usaha sampai saat
terjadi sukses yang pertama

Atau dapat dikatakan

Jika k=1 pada p.a Binomial Negatif , maka x dikatakan p.a Geometrik (Banyaknya usaha
sampai terjadi sukses yang pertama kali)
Distribusi peluangnya dapat ditulis
g ( x ; p )= p ( X =x )= p Q x−1 ; x=1,2 , . .
1 2 ( 1− p)
sifat x g ( x ; p ) ( i ) μ=E ( x )= ( ii ) σ =
p p2

Fungsi Pembangkit Moment(FPM)

Dari FPM distribusi Binomial Negatif dengan k=1 maka FPM Distribusi geometri didapat:
∞ ∞
p
M (t )=E ( etx )=∑ etx Q x−1 . p= ∑ ¿ ¿ ¿
x=1 Q x=1
1
et <
Q

ln e t ← ln Q
t ←lnQ

1 Q
Dengan menggunakan FPM tentukan dan buktikan E ( x )= dan Var ( x )= 2
p p
Contoh soal:
Dalam suatu proses produksi diketahui bahwa rata-rata 1 diantara 100 butir hasil produksi cacat.
Berapa peluang memeriksa 5 butir dan baru menemukan yang cacat pada yang kelima?
Jawab:
Distribusi geometri dengan x=5 , p=0,01
g ( 5 ; 0,01 )=( 0,01 ) ¿

4. DISTRIBUSI POISSON
Percobaan poisson adalah percobaan yang menghasilkan banyaknya sukses selama selang waktu
atau daerah tertentu.
e−μ μx
p ( X=x ) =p ( x ; μ )= , x=0,1,2, . .
x!
Dengan μ menyatakan rata-rata banyaknya sukses yang terjadi dalam selang waktu atau daerah
tertentu.
Sifat:
∞
1. E ( x ) =μ 2. Var ( x )=σ 2=μ3. ∑ p ( X ; μ )=1
x=0
Contohnya :
Rata-rata banyaknya partikel radioaktif yang melewati suatu penghitung selama 1 millidetik
dalam suatu percobaan di lab adalah 4. Berapa peluang 6 partikel melewati penghitung dalam
suatu millidetik tertentu.
Jawab :
−4 6 6 4
e 4
x=6 , μ=4 p ( 6 ; 4 )= =∑ p ( x ; 4 ) −∑ p ( x ; 4 )=0,8893−0,7851=0,042
6! x=0 x=0

5. DISTRIBUSI HIPERGEOMETRIK

Suatu percobaan disebut percobaan hipergeometrik jika:

1. Sampel acak berukuran n diambil dari N benda
2. Sebanyak k benda disebut sukses, dan N-k disebut gagal
Definisi: Banyaknya sukses x dipercobaan hipergeometrik disebut p.a hipergeometrik
Fungsi massa peluangnya (fmp)
k N−k
( )( )
p ( X=x ) =h ( x ; N , n , k )=
x n−x
, x =0,1 ,… n
N
( ) n
Karena nilainya bergantung pada banyaknya yang sukses k dalam n barang yang dipilih acak dari
sebanyak N
nk 2 N−n k k
sifat : x h ( x )( i ) E ( x )=μ= ( ii ) σ =Var ( x )= =n . (1− )
N N−1 N N

Contoh:
1. Suatu kotak berisi 40 suku cadang yang dapat diterima bila terdapat paling banyak 3 yang
cacat. Jika diambil sampel sebanyak 5 kotak, berapa peluang terdapat 1 yang cacat dari
sampel?
Jawab :
3 37
N=40 ; k =3 ; n=5 ; x=1 ; N−k=40−3=37 ; n−x =5−1=4 p ( X=1 ) =
( )( )
1 4
=0,3011
40
( )58

6. Distribusi Unifrom/Seragam

Definisi Distribusi Peluang Seragam :

Jika Peubah Acak X mempunyai nilai x1, x2, x3,...,xk yang berpeluang sama, maka distribusi
peluang seragamnya adalah :     
                      
                        p(x;k)   =  1/k               untuk x = x1, x2, x3,...,xk

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 

Mean distribusi seragam adalah :

Variansinya adalah:

Contoh :
1. 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
 

7. Distribusi Multinomial