MINGGU KE-9

FUNGSI DISTRIBUSI PELUANG DISKRIT

Beberapa distribusi peluang diskrit (yang tersedia dalam R) adalah binomial,

hipergeometrik, negative binomial, poisson. Ekspresi R untuk masing-masing
distribusi adalah binom, geom, nbinom, pois, dengan menambah satu huruf awalan
r, p, d, atau q yang masing-masing menyatakan pembangkitan random, peluang,
densitas dan quantil. Disamping itu ekspresi untuk masing-masing distribusi
memerlukan argument dan parameter sesuai dengan yang diperlukan. Untuk itu tata
tulis ekspresi dari masing-masing distribusi perlu diperhatikan. Pada pembahasan
ini, hanya difokuskan pada distribusi binomial, sedangkan untuk distribusi diskrit
yang lain dapat dilakukan dengan cara yang relatif sama.

Berikut adalah contoh pembangkitan sampel sampel pada data yang memenuhi
kejadian binomial. Misal pada pelemparan dadu dan pelemparan mata uang.

> ## Pembangkitan Sampel Random

> sample(1:6,10,replace=TRUE)## Pelemparan Dadu 10 kali
[1] 1 5 5 5 5 3 1 5 4 3
> sample(c("A","G"),10,replace=TRUE)##Pelemparan Mata Uang 10 kali
[1] "A" "A" "G" "A" "A" "G" "A" "A" "G" "A"

Jika setiap elemen memiliki peluang muncul yang berbeda, maka dapat dilakukan
sedikit perubahan pada sintaksnya. Contohnya jika mata dadu genap memiliki
peluang muncul dua kali lebih besar dari mata dadu ganjil.

## Pembangkitan Sampel Random dadu dengan peluang dadu genap 2 kali lebih
besar dari yang ganjil

sample(1:6,10,replace=TRUE,prob=c(1/9,2/9,1/9,2/9,1/9,2/9))

## Pembangkitan Sampel Random dari sebuah kotak yang berisi 10 bola yang terdiri
dari 3 bola Merah, 5 Kuning dan 2 Biru

sample(c("Merah","Kuning","Biru"),10,replace=TRUE,prob=c(3/10,5/10,2/10))
Membuat Tabel Distribusi Peluang Empiris:
Contoh 1:
Misal X adalah variabel random yang menyatakan munculnya mata dadu tertentu,
misalkan d=(1,2,3,4,5,6) pada pelemparan dadu sebanyak n kali, yang diulang
sebanyak m kali percobaan. Artinya dalam satu kali percobaan dadu tersebut
dilempar n kali, kemudian dicatat mata dadu d muncul berapa kali, kemudian
kejadian tersebut diulang sebanyak m kali yang cukup besar. Dengan demikian X
merupakan variabel random berdistribusi binomial dengan parameter sukses adalah
1/6.

## Fungsi Pelemparan Dadu sebanyak n kali

Dadu=function(n)
{
sample(1:6,n,replace=TRUE)
}

## X = variabel random yang menyatakan munculnya mata dadu d=(1,2,3,4,5,6)

## pada pelemparan dadu n kali yang diulang m kali
Binomial_Empiris=function(d,n,m)
{
x=rep(0,m)
for (i in 1:m) {
Dadu_d=Dadu(n)==d
x[i]=length(Dadu_d[Dadu_d==TRUE])
}
cat("========================================================\n")
cat(" Data Random Munculnya Mata Dadu:",d, "pada pelemparan dadu",n,"kali\n")
cat("========================================================\n")
print(x)

cat("========================================================\n")
cat("Tabel Distribusi Peluang Empiris\n")
cat("========================================================\n")
p.e=rep(0,n+1)
p.e[1]=length(x[x==0])/length(x)
p.kum=rep(0,n+1)
p.kum[1]=length(x[x<=0])/length(x)
for (i in 1:n) {
p.e[i+1]=length(x[x==i])/length(x)
p.kum[i+1]=length(x[x<=i])/length(x)
}
tabel=matrix(c(0:n,p.e,p.kum),ncol=3)
colnames(tabel)=c("quantile","Peluang","Kumulatif")
print(tabel)
}
Contoh output:
> Binomial_Empiris(3,5,100)
========================================================
Data Random Munculnya Mata Dadu: 3 pada pelemparan dadu 5 kali
========================================================
[1] 0 1 0 0 1 0 3 1 1 2 0 1 0 0 0 0 0 0 0 0 1 0 0 1 2 0 1 0 3 0 0 1 0 0 0 0 0
[38] 1 1 0 0 0 0 0 2 1 0 3 1 1 0 0 0 0 1 0 1 0 0 0 2 0 0 2 0 1 0 0 0 1 0 2 1 1
[75] 1 0 0 1 1 0 1 0 0 0 0 0 3 0 0 0 2 0 1 1 0 1 2 1 0 0
========================================================
Tabel Distribusi Peluang Empiris
========================================================
quantile Peluang Kumulatif
[1,] 0 0.60 0.60
[2,] 1 0.28 0.88
[3,] 2 0.08 0.96
[4,] 3 0.04 1.00
[5,] 4 0.00 1.00
[6,] 5 0.00 1.00

Contoh 2:
Misal Y adalah variabel random yang menyatakan terambilnya bola warna hijau
pada sebuah kotak yang berisi 5 bola merah, 3 bola kuning dan 2 bola hijau. Dengan
demikian Y merupakan variabel random berdistribusi binomial dengan parameter
peluang sukses adalah 2/10 atau 0,2.

## Fungsi Pengambilan bola warna hijau sebanyak n kali

Bola=function(n)
{
sample(c("Merah","Kuning","Hijau"),n,replace=TRUE,prob=c(5/10,3/10,2/10))
}

## Y = variabel random yang menyatakan terambilnya bola warna hijau

## pada pelemparan pengambilan bola n kali yang diulang m kali
Bola_Empiris=function(d,n,m)
{
x=rep(0,m)
for (i in 1:m) {
Bola_Hijau=Bola(n)=="Hijau"
x[i]=length(Bola_Hijau[Bola_Hijau ==TRUE])
}
cat("========================================================\n")
cat(" Data Random Terambilnya Bola:",d, "pada pengambilan bola sebanyak",n,"kali\n")
cat("========================================================\n")
print(x)

cat("========================================================\n")
cat("Tabel Distribusi Peluang Empiris\n")
cat("========================================================\n")
p.e=rep(0,n+1)
p.e[1]=length(x[x==0])/length(x)
p.kum=rep(0,n+1)
 p.kum[1]=length(x[x<=0])/length(x)
for (i in 1:n) {
p.e[i+1]=length(x[x==i])/length(x)
p.kum[i+1]=length(x[x<=i])/length(x)
}
tabel=matrix(c(0:n,p.e,p.kum),ncol=3)
colnames(tabel)=c("quantile","Peluang","Kumulatif")
print(tabel)
}

Contoh output:
> Bola_Empiris("Hijau",8,100)
========================================================
Data Random Terambilnya Bola: Hijau pada pengambilan bola sebanyak 8 kali
========================================================
[1] 5 3 1 1 3 1 3 1 4 2 2 1 4 2 3 2 4 3 2 1 3 0 2 1 3 1 2 4 1 1 1 1 2 1 1 2 0
[38] 2 3 1 1 1 0 1 2 1 3 1 3 2 0 3 4 1 3 3 3 4 1 2 2 2 3 2 2 1 3 1 2 2 2 3 0 0
[75] 2 0 1 0 2 1 2 1 0 1 3 1 1 1 3 1 0 1 2 2 0 4 3 3 0 0
========================================================
Tabel Distribusi Peluang Empiris
========================================================
quantile Peluang Kumulatif
[1,] 0 0.13 0.13
[2,] 1 0.33 0.46
[3,] 2 0.25 0.71
[4,] 3 0.21 0.92
[5,] 4 0.07 0.99
[6,] 5 0.01 1.00
[7,] 6 0.00 1.00
[8,] 7 0.00 1.00
[9,] 8 0.00 1.00

Latihan:

Buatlah program untuk membuat Tabel Distribusi Binomial Empiris dimana X adalah
variabel random munculnya Angka pada pelemparan mata uang sebanyak n kali!

Bandingkan dengan hasil secara teoritisnya!

Menghitung Peluang Distribusi Binomial mengunakan fungsi bawaan di R:

Mencari nilai densitas binomial pada x=0, dengan ukuran n=10, dan peluang
suksesnya adalah p=0.3.

> dbinom(0,10,0.3)
[1] 0.02824752
Mencari peluang kumulatif P[X  5] dari Binomial(10,0.3)
> pbinom(5,10,0.3)
[1] 0.952651

Mencari titik Quantil q dari Binomial(10,0.3) sehingga P[X  q]= 0.75

> qbinom(0.75,10,0.3)
[1] 4

Mencari 100 bilangan random dari Binomial(10,0.3)

> rbinom(100,10,0.3)
[1] 5 1 2 2 5 2 2 3 3 6 3 4 3 3 5 5 4 6 6 1 6 6 2 4 1 0 2 2 5 3 0 6 3 3 2 4 1
[38] 2 2 3 3 4 3 3 4 3 5 5 1 1 4 4 1 3 4 5 2 4 4 4 4 3 2 3 0 2 5 4 4 4 3 1 3 4
[75] 2 5 4 3 3 4 3 2 3 3 2 2 5 3 2 5 4 5 1 5 1 3 5 5 3 4

Contoh berikut akan menghasilkan gambar grafik fungsi kepadatan peluang dan
fungsi distribusi kumulatifnya.

x=seq(0,12)
y1=dbinom(x,10,0.3)
y2=dbinom(x,10,0.8)
z1=pbinom(x,10,0.3)
z2=pbinom(x,10,0.8)
win.graph()
par(mfrow=c(2,2))
plot(x,y1,type="h",xlab="Quantile B(10,0.3)",ylab="Densitas B(10,0.3)")
points(x,y1,col="black")
plot(x,y2,type="h",xlab="Quantile B(10,0.8)",ylab="Densitas B(10,0.8)")
points(x,y2,col="black")
plot(x,z1,type="s",xlab="Quantile B(10,0.3)",ylab=" P Kum B(10,0.3)")
plot(x,z2,type="s",xlab="Quantile B(10,0.8)",ylab=" P Kum B(10,0.8)")
Membuat Tabel Distribusi Binomial secara Teoritis
Tabel ini dibuat merupakan table distribusi binomial yang secara teori ada di buku. Jadi
nilainya tidak akan berubah. Berbeda dengan table yang diperoleh secara empiris, yang
nilainya selalu berubah karena mengandung unsur sampel randomnya.

Contoh:
Membuat Tabel Distribusi Binomial(n,p) dengan ketentuan inputnya adalah:
Ukuran Percobaan (trial) : n
Peluang Sukses :p
Berikut adalah code programnya:

## Membuat Tabel Distribusi Binomial

Tabel_Binomial=function(n,p)
{
cat("========================================================\n")
cat(" Tabel Binomial dengan Trial:",n, "Peluang Sukses:",p,"\n")
cat("========================================================\n")
p.t=rep(0,n+1)
p.t[1]= dbinom(0,n,p)
p.kum=rep(0,n+1)
p.kum[1]= pbinom(0,n,p)
for (i in 1:n) {
p.t[i+1]=dbinom(i,n,p)
p.kum[i+1]=pbinom(i,n,p)
}
tabel=matrix(c(0:n,p.t,p.kum),ncol=3)
colnames(tabel)=c("quantile","Peluang","Kumulatif")
print(tabel)
}
 Jika ingin mencetak nilai table peluang distribusi Binomial dengan peluang
sukses 0.3 dan banyaknya trial 10 atau B(10,0.3) maka diperoleh Output:

> Tabel_Binomial(10,0.3)
========================================================
Tabel Binomial dengan Trial: 10 Peluang Sukses: 0.3
========================================================
quantile Peluang Kumulatif
[1,] 0 0.0282475249 0.02824752
[2,] 1 0.1210608210 0.14930835
[3,] 2 0.2334744405 0.38278279
[4,] 3 0.2668279320 0.64961072
[5,] 4 0.2001209490 0.84973167
[6,] 5 0.1029193452 0.95265101
[7,] 6 0.0367569090 0.98940792
[8,] 7 0.0090016920 0.99840961
[9,] 8 0.0014467005 0.99985631
[10,] 9 0.0001377810 0.99999410
[11,] 10 0.0000059049 1.00000000
========================================================

Latihan:
Buatlah Tabel distribusi diskrit yang lain (Poisson, geometric) dengan input sesuai
dengan parameter distribusi yang dibutuhkan. Cetaklah Hasilnya!

Note:
Setiap distribusi peluang statistik selalu mempunyai parameter tersendiri.