STATISTIKA & PROBABILITAS

PERTEMUAN 9
Distribusi Probabilitas

Tulus Joseph, S.Si, M.Si

Yan Batara, S.Si., M.Si.

D3 Teknik Informatika
Tahun Ajaran
2019/2020
CAPAIAN
PEMBELAJARAN
1. Mendefinisikan apa pengertian
dari variabel acak (random)
2. Memahami konsep mengenai
distribusi probabilitas diskrit dan
kontinu dan jenisnya
3. Menggunakan dengan benar dan
tepat distribusi probabilitas dalam
pengerjaan soal

2
Variabel Random (Acak)

adalah suatu fungsi yang menghubungkan sebuah bilangan riil

dengan setiap unsur didalam ruang sampel S ( himpunan
semua hasil percobaan).
Untuk menyatakan variabel random digunakan sebuah huruf
besar, misalkan X. Sedangkan huruf kecilnya, misalkan x,
menunjukkan salah satu dari nilainya.

3
Contoh

S = {BBB, BBC, BCB, CBB, BCC, CBC, CCB, CCC}

•dengan B menunjukkan “tanpa cacat (baik)” dan C
menunjukkan“cacat”.
Variabel random X yang menyatakan jumlah barang yang
cacat pada saat tiga komponen elektronik diuji, maka ditulis X
• = 0, 1, 2, 3.

4
Variabel Acak
Variabel acak dibagi menjadi 2 yaitu :

• Variabel Acak Diskrit

• Variabel Acak Kontinu

5
Distribusi Probabilitas

Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-

nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X
(distribusi X)
Himpunan pasangan tersusun (x, f(x)) adalah sebuah fungsi probabilitas,
fungsi padat probabilitas, atau distribusi probabilitas dari suatu variabel
random diskrit X bila untuk setiap keluaran x yang mungkin, berlaku :
• P(X = x) = f(x)
• f(x) 0
• σ𝑛𝑥=1 𝑓 𝑥 = 1
6
Distribusi Probabilitas

1.DISTRIBUSI PROBABILITAS DISKRIT

◦ Untuk data atribut, karakteristik yang diukur
hanya membicarakan nilai-nilai tertentu (0,1,2,3)
◦ Distribusi probabilitas Binomial, Hipergeometrik,
dan Poisson

2.DISTRIBUSI PROBABILITAS CONTINUOUS

◦ Untuk data variabel, karakteristik yang diukur adalah
berbagai nilai (ketepatan, pengukuran, dan proses)
◦ Distribusi probabilitas normal, exponential 7
Distribusi Binomial
𝑛 𝑘 𝑛−𝑘
𝑓 𝑥 =𝑃 𝑥=𝑘 = 𝑝 1−𝑝
𝑘
Dimana :
p = P sukses
q = P (gagal) = 1-p , k = 0, 1, 2, 3,...,n
n = banyaknya trial

Dinamakan distribusi binomial dengan parameter n dan p

𝑀𝑒𝑎𝑛 → 𝜇 = 𝑛𝑝
𝑉𝑎𝑟𝑖𝑎𝑛𝑐𝑒 → 𝜎 2 = 𝑛𝑝(1 − 𝑝)
8
Distribusi Binomial

• Sifat-sifat sebagai berikut :

Percobaan itu terdiri dari n pengulangan
Tiap pengulangan memberikan hasil yang dapat diidentifikasi
sukses atau gagal
Probabilitas sukses dinyatakan dengan p, tetap konstan (tidak
berubah) dari satu pengulangan ke pengulangan lainnya,
sedangkan probabilitas gagal adalah q = 1- p
Tiap pengulangan dan pengulangan lainnya saling bebas.
9
Contoh
Probabilitas seorang pasien yg sakit suatu penyakit flu sembuh adalah 40%. Jikalau 15
orang diketahui telah tertular penyakit ini, berapakah probabilitasnya bahwa (a) paling
tidak 10 orang sembuh, (b) antara 3 hingga 8 orang sembuh (c) tepat 5 orang sembuh?

Jawab
Ini adalah proses Bernoulli. Probabilitas “sukses” yaitu sembuh adalah p =0.4.
Variabel random X menyatakan banyak orang yang “sukses”= sembuh, sedangkan
total percobaannya adalah n=15.

a) P (paling tidak 10 sembuh) = P(X≥10) =1- P(X<10)=

=1- B(r=9;n=15,p=0.4) = 1 – 0.9662 = 0.0338
b) P (antara 3 sd 8 sembuh) = P(3≤X≤8) =P(X≤8) - P(X<3) =
=B(r=8;n=15,p=0.4) - B(r=2;n=15,p=0.4) = 0.9050-0.0271= 0.8779
c) P (5 sembuh) = P(X=5) =P(X≤5) - P(X<5) =
=B(r=5;n=15,p=0.4) - B(r=4;n=15,p=0.4) = 0.4032-0.2173=0.1859 10
Distribusi Poisson
Menggambarkan kejadian yang jarang terjadi

(𝑛𝑝)𝑘
𝑃 𝑥=𝑘 = = 𝑒 −(𝑛𝑝)
𝑘!
𝜆 = 𝑛𝑝
Dimana :
𝑛 : banyaknya trial
𝑝 : probabilitas sukses untuk tiap trial

𝑀𝑒𝑎𝑛 → 𝜇 = 𝜆
𝑉𝑎𝑟𝑖𝑎𝑛𝑐𝑒 → 𝜎 2 = 𝜆 11
Contoh

Seseorang memasang lotre sebanyak 1000 kali. Jika

kemungkinan dia menang dalam setiap kali pasang
adalah 0,0012 tentukan probabilitas bahwa :
a. Dia tidak akan menang sama sekali
b. Paling sedikit 4 kali menang
𝜆 = 𝑛𝑝 = 1000 x 0,0012 = 1,2
𝑥 = banyaknya kali dia menang ~poisson dengan
𝜆 = 1,2
12
Jawab

a. P (tidak menang sama sekali)

(1,2)0 −1,2
𝑃 𝑥=0 = 𝑒 = 𝑒 −1,2 = 0,301194
0!
b. P (paling sedikit 4 kali menang)
𝑃 𝑥 ≥ 4 = 1 − 𝑃(𝑥 ≤ 3)
= 1 − 𝑃 𝑥 = 0 + 𝑃 𝑥 = 1 + 𝑃 𝑥 = 2 + 𝑃(𝑥 = 3)
(1,2)0 −1,2 (1,2)1 −1,2 (1,2)2 −1,2 (1,2)3 −1,2
=1− 𝑒 + 𝑒 + 𝑒 + 𝑒
0! 1! 2! 3!
= 1 − 0,301194 + 0,361433 + 0,21686 + 0,086744
= 1 − 0,966231 = 0.033769
13
 THANK
YOU!
Yan Batara, S.Si., M.Si.

Phone
0821-6575-9307
Email
yan.batara@usu.ac.id