NAMA : Tiara Putri Gunatamy

NPM : 19420086
GRUP : 2K4
RESUME STATISTIKA BAB 7 & 8

BAB VII
PENGANTAR PELUANG
1. PENDAHULUAN
Untuk membuat kesimpulan tentang populasi ini, umumnya penelitian secara sampling
dilakukan. Jadi sampel yang representatif diambil dari populasi, lalu datanya dikumpulkan
dan dianalisis. Atas dasar hasil analisis ini dan berbagai pertimbangan yang perlu dibuat
kesimpulan bagaimana karakteristik populasi tersebut. Teori ini antara lain membahas
tentang ukuran atau derajat ketidakpastian sesuatu peritiwa.

2. DEFINISI PELUANG
Mengundi dengan sebuah mta uang logam atau sebuah dadu, membaca temperatur udara
setiap hari dari termometer, mencatat banyak kendaraan yang melalui sebuah tikungan setiap
jam dan masih banyak contoh lainnya, merupakan eksperimen yang dapat diulangi. Dari
eksperimen demikian semua hasil yang mungkin terjadi bisa dicatat. Segala bagian yang
mungkin didapat dari hasil ini dinmakan peristiwa.
Definisi : dua peristiwa atau lebih dinamakan saling eksklusif atau saling asing jika
terjadinya peristiwa yang satu mencegah terjadinya yng lain.
Definisi : misalka sebuah peristiwa E dapat terjadi sebanyak n kali diantara N peristiwa
yang saling eksklusif dan masing-masing terjadi dengan kesempatan yang sama.

n
Maka peluang peristiwa E terjadi adalah dan dituliskan dalam bentuk P(E) =
N

n
N
 Definisi : kita perhatikan frekuensi relatif tentang terjadinya sebuah peristiwa untuk
sejumlah pengamatan. Maka peluang peristiwa itu adalah limit dari frekuensi
relatif apabila jumlah pengamatan diperbesar sampai tak hingga banyaknya.

3. BEBERAPA ATURAN PELUANG

n
Dari definisi klasik, kita dapat bahwa peristiwa E, P(E) = . Mudah dimengerti bahwa
N
paling kecil n = 0, yakni dalam hal peristiwa E tidak ada, dan paling besar n = N, yakni
semua hal yang terjadi merupakan peristiwa E. karenanya paling kecil peluang peristiwa E
berharga nol dan paling besar berharga satu. Jadi didapat batas-batas peluang :

0 ≤ P(E) ≤ 1.
Jika P(E) = 0, maka diartikan peristiwa E pasti tidak terjadi, sedangkan jika P(E) = 1
diartikan peristiwa E pasti terjadi. Yang serig terjadi dalam kenyataan, ialah harga-harga
P(E) antara 0 dan 1. Jika P(E) dekat sekali dengan nol, seringdiartikan bahwa peristiwa E
praktis tidk terjadi dan dalam hal P(E) dekat sekali pada satu, biasa dikatakan bahwa
peristiwa E praktis terjadi.
n
Selanjutnya dari definisi bahwa P(E) = , jika É menyatakan bukan E, maka didapat :
N
P( É ¿ = 1 – P(E)
Atau berlaku hubungan :
P(E) + P( É ) = 1.
Jika k buah peristiwa E1, E2, ..., Ek saling eksklusif atau saling asingmaka peluang
terjadinya E1 atau E2 atau Ek sama dengan jumlah peluang tiap peristiwa. Dalam rumus
dituliskan sebagai berikut :

Jika kita tulis A dan B untuk menyatakan peristiwa-peristiwa A dan B kedua-duanya

terjadi, maka peluangnya dinyatakan dalam peluang bersyarat diperoleh :
 P ( A dan B ) = P (B) . P ( A l B ).
Jika A dan B independen, maka :
P ( A l B ) = P (A).
Dan dalam hal ini, dari rumus peluang bersyarat diperoleh :
P ( A dan B ) = P (A) . P (B).

Ini dapat diperluas untuk k buah peristiwa E1, E2, ..., Ek yang independen . rumusnya
adalah :
P( E1 dan E2 dan . . . dan Ek ) = P( E1) . P( E2)... P( Ek )
Hubungan terakhir antar peristiwa ialah hubungan inklusif. Untuk dua peristiwa A dan B
yang mempunyai hubungan inklusif , berlaku hubungan : A atau B atau kedua-duanya
terjadi, dan untuk ini berlaku rumus :
P ( A dan atau B ) = P (A) + P (B) – P ( A dan B )
Dengan A dan atau B disini diartikan hubungan inklusif antara peristiwa A dan peristiwa B.

4. EKSPEKTASI
Misalkan kita punya sebuah eksperimen yang menghasilkan k buah peristiwa dapat
terjadi. Peluang terjadinya setiap peristiwa masing-masing p1, p2, . . . , pk dan untuk setiap
peristiwa dengan peluang tersebut terdapat satuan-satuan d 1, d 2, . . . , d k . Satuan-satuan ini
bisa nol, positif, ataupun negatif dan tentulah p1 +¿ p2 +¿ . . . + pk = 1.

Maka ekspektasi eksperimen itu ditulis , didefinisikan sebagai berikut :

 BAB VIII
DISTRIBUSI PELUANG
1. PENDAHULUAN
Variabel acak diskrit X menentukan distribusi peluang apabila untuk nilai-nilai X = x 1, x 2
, . . . , x n terdapat peluang p( x i) = P(X = x i) sehingga :

p (x) disebut fungsi peluang untuk variabel acak X pada harga X = x.

untuk sebuah variabel acak kita dapat menentukan, jika ada ekspektasinya. Rumusnya
adalah :

(X) = ∑ x i . p( x i)
Dimana (X) = ekspektasi untuk variabel acak X dan penjumlahan dilakukan untuk semua
harga X yang mungkin. (X) merupakan rata-rata untuk variabel acak X.
Variabel acak yang tidak diskrit disebut variabel acak kontinu. Beberapa diantaranya
misalnya untuk menyatakan waktu dan hasil pengukuran. Variabel ini dapat mempunyai
setiap harga. Jadi jika X = variabel acak kontinu, maka harga X = x dibatasi oleh -∞ ¿ x ¿ ∞
atau batas-batas lain.
Jika X sebuah variabel acak kontinu, maka kita mempunyai fungsi densitas f(x) yang dapat
menghasilkan peluang untuk harga-harga x. dalam hal ini berlaku :
∞

∫ f ( x) dx = 1
−∞

Untuk menentukan peluang bahwa harga X = x antara a dan b misalnya, maka digunakan
rumus :
 b

P(a ¿ X ¿ b) = ∫ f ( x ) dx
a

Ekspektasi untuk variabel acak kontinu X ditentukan oleh :

∞

(X) = ∫ x f (x ) dx
−∞

2. DISTRIBUSI BINOM
Perhatikan sebuah eksperimenyang hanya menghasilkan dua peristiwa A dan bukan A,
atau A, dengan P(A) = π = peluang terjadinya peristiwa A.
Jika pada setiap percobaan dalam eksperimen itu π = P(A) tetap harganya, maka
percobaan yang berulang-ulang dari eksperimen itu dinamakan percoban Bernaoulli.
Sekarang lakukan percobaan Bernaoulli sebanyak N kali secara independen, X diantaranya
menhasilkan peristiwa A dan sisanya (N – X) peristiwa Á . Jika π = P(A) untuk setiap
ppercobaan, jadi 1 - π = P(A), maka peluang terjadinya peristiwa A sebanyak X = x kali
diantara N, dihitung oleh :

Distribusi Binom
Dengan x = 0, 1, 2, . . . , N, 0 ¿ π ¿ 1, dan

Koefisien Binom
Dengan N! = 1 X 2 X 3 X . . . X (N – 1) X N dan 0! = 1
Distribusi binom ini mempunyai parameter, diantaranya yang akan kita gunakan ialah
rata-rata μ dan simpangan baku σ . Rumusnya adalah :
 Dengan pengertian bahwa parameter ini ditinjau dari peristiwa A.

3. DISTRIBUSI MULTINOM
Perluasan dari distribusi binom ialah distribusi mutinom :

4. DISTRIBUSI HIPERGEOMETRIK

Rata-rata distribusi hipergeometrik adalah μ = nD/N.

5. DISTRIBUSI POISSON
 Variabel acak diskrit X dikatakan mempunyai distribusi Poisson jika fungsi peluangnya
berbentuk :

Dengan x = 0, 1, 2, 3, . . . , sedangkan e = sebuah bilangan konstan yang jika dihitung

hingga 4 desimal e = 2,7183 dan = sebuah bilangan tetap.

6. DISTRIBUSI NORMAL

7. DISTRIBUSI STUDENT
Distribusi dengan variabel acak kontinu lainnya selain daridistribusi normal ialah distribusi
Student atau distribusi t. fungsi densitasnya adalah :
 Berlaku untuk harga-harga t yang memenuhi -∞ ¿ t ¿ ∞ dan K merupakan bilangan tetap
yang besarnya bergantng pada n sedemikian sehingga luas daerah di bawah kurva sama
dengan satu unit.
Pada distribusi t ini terdapat bilangan (n – 1) yan dinamakan derajat kebebasan, akan
disingkat dengan dk.
Bentuk grafiknya seperti grafik distribusi normal baku, simetrik terhadap t = 0, sehingga
sepintas hampir tidak ada bedanya.

8. DISTRIBUSI CHI KUADRAT

Distribusi chi kuadrat merupakan distribusi dengan variabel acak kontinu. Simbol yang
dipakai untuk chi kuadrat ialah x 2. Persamaan chi kuadrat adalah :
 Grafik distribusi chi kuadrat umumnya merupakan kurva positif, yaitu miring ke kanan.
Kemiringan ini semakin berkurang jika derajat kebebasan v semakin besar. Contoh kurva :

9. DISTRIBUSI F
Distribusi F ini juga mempunyai variabel acak yang kontinu. Fungsi densitasnya
mempuyai persamaan :

Dengan variabel acak F memenuhi batas F ¿ 0, K = bilangan tetap yang harganya

bergantung pada v1 dan v 2 sedemikian hingga luas di bawah kurva sama dengan satu, v1 =
dk pembilang dan v 2 = dk penyebut.
Grafik distribusi F tidak simetrik dan umumnya sedikit positif, sepertipada contoh di
bawah ini :
Untuk setiap dk = v 2, daftar terdiri atas dua baris, yang atas untu peluang p = 0,05 dan yang
bawah untuk p = 0,01.
Meskipun daftar yang diberikan hanya untuk peluang p = 0,01 dan p = 0,05, tetapi
sebenarnya masih bisa disapat nilai F dengan peluang 0,99 dan 0,95. Untuk itu digunakan
rumus :