1. DISTRIBUSI BINOMIAL
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
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
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
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
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