Aditya Satria Pandu N.

21070118130176

STATIN B

DISTRIBUSI PELUANG DISKRIT DAN KONTINU

Distribusi peluang adalah sebaran kemungkinan terjadinya variable acak tertentu.

Variable acak adalah peristiwa yang diharapkan akan terjadi, yang biasanya
dilambangkan dengan X. Atau, suatu bilangan yang ditentukan oleh peristiwa yang
dihasilkan dari eksperimen. Ada 2 macam distribusi peluang yaitu distribusi peluang
diskrit dan distribusi peluang kontinu.

A. Distribusi Peluang Diskrit

peubah acak diskrit adalah peubah acak yang ruang rentangnya merupakan himpunan
yang berhingga ( finite) atau tak berhingga tapi terhitung ( denumerable/countably
infinite)

Berikut di bawah ini beberapa distribusi diskrit:

1. Distribusi Uniform Diskrit

Jika peubah acak X mempunyai nilai x1,x2,x3,…xk dengan peluang yang sama, maka
distribusi seragam diskrit didefinisikan sebagai:

Rataan dan variansi dari distribusi seragam diskrit

adalah:
2. Distribusi Binominal
  Distribusi binomial didasarkan pada proses Bernoulli. Pada proses Bernoulli,
suatu eksperimen sering terdiri dari beberapa usaha yang berulang-ulang, di mana tiap
usaha mempunyai dua kemungkinan: sukses atau gagal.
Sifat-Sifat Proses Bernoulli:

1. Eksperimen terdiri dari n usaha yang berulang

2. Setiap usaha memberikan hasil yang dapat diklasifikasikan menjadi sukses atau
gagal
3. Peluang dari sukses adalah p, yang bersifat 6
3. Peluang dari sukses adalah p , yang bersifat tetap dalam setiap kali usaha.
4. Tiap usaha tersebut bersifat independen satu sama lain.

3. Distribusi Multinominal
Jika suatu percobaan dapat menghasilkan k macam hasil E1,E2,…,Ek dengan
peluang P1,P2,…,Pk maka distribusi peluang dari peubah acak X1,X2,…,Xk yang
menyatakan banyak terjadinya E1,E2,…Ek dalam n usaha yang independen adalah:
 

4. Distribusi Poisson
 
Eksperimen Poisson adalah eksperimen yang menghasilkan nilai numerik dari peubah
acak X pada selang waktu yang tertentu atau daerah tertentu.
 
Contoh:
1) jumlah panggilan telepon dalam waktu 1 jam yang diterima oleh resepsionis
2) banyaknya pertandingan tenis yang terpaksa diundurkan karena terjadinya hujan
selama musim hujan
3) banyaknya tikus dalams atu hektar sawah
4) banyaknya salah ketik dalam satu halaman
 
Sifat-sifat proses Poisson:
1. Jumlah hasil yang terjadi dalam satu selang waktu atau daerah tertentu adalah
independen terhadap hasil yang terjadi pada selang atau daerah lain. Proses Poisson
dikatakan tidak mempunyai ingatan.
2. Peluang terjadinya suatu hasil (tunggal) dalam selang waktu yang sangat pendek
atau daerah yang sangat waktu yang sangat pendek atau daerah yang sangat kecil
sebanding dengan panjang selang waktu atau besarnya daerah dan tidak bergantung
pada banyaknya hasil yang terjadi di luar selang atau daerah tersebut.
3. Peluang terjadinya lebih dari satu hasil yang terjadi dalam selang waktu yang
pendek dapat diabaikan.
 
Distribusi peluang peubah acak Poisson X, yang menyatakan banyaknya sukses yang
terjadi dalam selang waktu atau daerah tertentu –dinotasikan dengan t — adalah:
 
di mana λt adalah rata-rata banyaknya sukses yang terjadi per satuan waktu atau
daerah, dan e= 2.71828…
 
Rataan dan variansi dari distribusi Poisson p(x;λt) adalah sama, yaitu λt.

5. Distribusi Hipergeometrik

Distribusi hipergeometrik mempunyai sifat-sifat sebagai berikut:

1. Secara acak diambil sebanyak n tanpa dikembalikan dari N benda.
2. k dari N benda diklasifikasikan sukses dan N -k diklasifikasikan gagal
 
Jumlah sukses X dari eksperimen hipergeometrik disebut peubah acak
hipergeometrik.
Distribusi peluang dari peubah acak hipergeometrik disebut dengan distribusi
hipergeometrik, dan nilainya dinotasikan dengan:
 

 
Distribusi peluang dari peubah acak hipergeometrik X,yaitu jumlah sukses dari
sampel acak berukuran n yang diambil dari N benda, di mana terdapat k jumlah
sukses dan N-k jumlah gagal adalah:

Rataan dan variansi dari distribusi hipergeometrik adalah

B. Distribusi Peluang  Kontinu

Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh semua
nilai pada skala kontinu. Ruang sampel kontinu adalah bila ruang sampel
mengandung
titik sampel yang tak terhingga banyaknya. Syarat dari distribusi kontinu adalah
apabila
fungsi f(x) adalah fungsi padat peluang peubah acak kontinu X yang didefinisikan di
atas
himpunan semua bilangan riil R bila:
 
Distribusi peluang kontinu dibagi menjadi 4:
 
1.Distribusi Normal
 
Distribusi Normal (Gaussian) mungkin merupakan distribusi probabilitas yang paling
penting baik dalam teori maupun aplikasi statistik. Distribusi ini paling banyak
digunakan sebagai model bagi data riil di berbagai bidang yang meliputi antara lain
karakteristik fisik makhluk hidup (berat, tinggi badan manusia, hewan, dll). Terdapat
empat alasan mengapa distribusi normal menjadi distribusi yang paling penting :
 
a. Distribusi normal terjadi secara alamiah.
b. Beberapa variabel acak yang tidak terdistribusi secara normal dapat dengan
mudah
ditransformasi menjadi suatu distribusi variabel acak yang normal.
c. Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik hanya
bias berfungsi dengan benar jika model distribusinya merupakan distribusi normal.
d. Ada beberapa variabel acak yang tidak menunjukkan distribusi normal pada
populasinya, namun distribusi dari rata-rata sampel yang diambil secara random
dari populasi tersebut ternyata menunjukkan distribusi normal.
 
Distribusi Normal disebut juga Gausian distribution adalah salah satu fungsi distribusi
peluang berbentuk lonceng seperti gambar berikut.
 
Berdasarkan gambar di atas, distribusi Normal akan memiliki beberapa ciri
diantaranya:
a. Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti genta.
b. Simetris terhadap rataan (mean).
c. Kedua ekor/ ujungnya semakin mendekati sumbu absisnyatetapi tidak pernah
memotong.
d. Jarak titik belok kurva tersebut dengan sumbu simetrisnya sama dengan σ
e. Luas daerah di bawah lengkungan kurva tersebut dari -~ sampai + ~ sama
dengan 1 atau 100 %.

Distribusi normal kumulatif didefinisikan sebagai probabilitas variabel acak normal X

bernilai kurang dari atau sama dengan suatu nilai x tertentu. Maka fungsi distribusi
kumulatif dari distribusi normal ini dinyatakan sebagai :
 

Dengan menerapkan ketentuan diatas pada persamaan (1) maka fungsikepadatan

probabilitas dari distribusi normal standard variabel acak kontinu Z adalah:

Sedangkan fungsi distribusi kumulatif dari distribusi normal standard ini

dinyatakan sebagai :

2. Distribusi Student’s t
Distribusi student’s t adalah distribusi yang ditemukan oleh seorang mahasiswa yang
tidak mau disebut namanya. Untuk menghargai hasil penemuannya itu, distribusinya
disebut distribusi Student yang lebih dikenal dengan distribusi “t”, diambil dari huruf
terakhir kata “student”.
Bentuk persamaan fungsinya :
Distribusi Peluang Kontinu
Berlaku untuk −∞< t < ∞ dan K merupakan tetapan yang besarnya tergantung dari
besar n sedemikian sehingga luas daerah antara kurva fungsi itu dan sumbu t adalah 1.
Bilangan n–1 disebut derajat kebebasan (dk). Yang dimaksudkan dengan dk ialah
kemungkinan banyak pilihan dari sejumlah objek yang diberikan. Misalnya kita
mempunyai dua objek yaitu A dan B. Dari dua objek ini kita hanya mungkin
melakukan 1 kali pilihan saja, A dan B. Seandainya terpilih A maka B tidak usah
dipilih lagi. Dan untuk itu dk = 2–1 = 1.
3. Distribusi Chi-Kuadrat
Distribusi chi-kuadrat merupakan distribusi yang banyak digunakan dalam sejumlah
prosedur statistik inferensial. Distribusi chi-kuadrat merupakan kasus khusus dari
distribusi gamma dengan faktor bentuk α= v/2, dimana v adalah bilangan bulat positif
dan faktor skala β=2
Jika variabel acak kontinu X memiliki distribusi chi-kudrat dengan parameter v, maka
fungsi kepadatan probabilitas dari X adalah

Parameter n disebut angka derajat kebebasan (degree of freedom/df) dari X.

Sedangkan fungsi distribusi kumulatif chi -kuadrat adalah :

Berikut ini diberikan rumusan beberapa ukuran statistik deskriptif untuk

distribusi chi-kuadrat.
4. Distribusi F
Menurut Gasperz (1989:251), secara teori sebaran F merupakan rasio dari dua sebaran
chi kuadrat yang bebas. Oleh karena itu peubah acak F diberikan sebagai:

Keterangan:

Oleh karena itu sebaran F mempunyai dua derajat bebas yaitu V1 dan V2.

 Tabel Rekap

Parameter yang Diuji θ Statistik yang Standart Error Distribusi Sampling

Nama Symbol Digunakan untuk Uji σ θ^
θ Statistik
Distribusi Z   σ x̄−μ
σ x̄ = ⋅z= σ
√n √n
2 2 2 2
Distribusi F F F s1 / σ 1 σ 2 s 1
F= 2 2 = 2 2
s2/ σ 2 σ 1 s2
Distribusi t T T x̄ −μ
t= s
√n
Distribusi Chi Square f(x) f(x) ( N −1 ) s 2
❑2
Distribusi sampling rata-rata σ N −n
σ x=
√ n N −1
μ x =μ
√
Distribusi sampling proporsi μ p=π
π (1−π ) N −n

Distribusi sampling selisih rata-

σ p=
√ n
μ x́−´y =μ1−μ2 μ x́−´y =μ1−μ2
N−1 √
rata σ σ
√
σ x́− ý = 1 + 2
n1 n2
2

( x́− ý )−(μ1−μ2 )
2

z=
σ x́− ý
Distribusi sampling selisih x y
proporsi p1= i p2= i
ni n2
μsp =π 1 −π 2
π 1 (1−π 1 ) π 2 (1−π 2)
σ sp =
√ n1
+
n2
( p1− p2 ) −(π 1−π 2 )
z=
σ sp

μ x̄ σ
Rata-rata (sampel besar) σ x̄ =
√n
s
Rata-rata (sampel kecil)  S=
√n
Perbedaan Rata-rata μD D̄ σ
Berpasangan
σ D̄= D
√n
μ1 −μ 2 x̄ 1− x̄ 2 σ 21 σ 22
Rata-rata (independen, sampel
kecil, ragam sama) 1 2
√
σ x̄ − x̄ = σ + σ =

1
2
x̄ 1

1
+
n 1 n2
2
x̄2
√
Rata-rata (independen, sampel
kecil, ragam sama)
1-2 ∆ ∆ σ=Sp +
n1 n2 √
 p ^p σ pq
Proporsi

Perbedaan Proporsi Independen p1 −p 2 ^p1 − p^ 2

σ p^ =
√n
=
n √ p1 q2 p 2 q 2
σ p^ − ^p = σ 2p^ 1 +σ 2p^ 2 =
1 2 √
( n−1 ) s 2
√ n1
+
n2

Ragam  2
S 2
S= 2

σ2
(1− p) p
Proporsi (sampel besar) P P P=
n √
(1− p) p N−n
Proporsi (sampel besar, populasi
terbatas)
Penduga Parameter (populasi
P

μ
P

x̄
P=
√ n N −1 √
σ N−n σ N−n
terbatas, pengambilan sampel
tanpa pengembalian dan σ
diketahui)
X − Z α/2. .
√ n N−1 √
< μ < X + Z α/2 . .
√ n N−1 √
Penduga Parameter (populasi μ x̄ σ σ
tidak terbatas / populasi X − Z α /2 . < μ < X + Z α /2 .
terbatas yang pengambilan
√n √n
sampelnya dengan
pengembalian dan σ diketahui)
Dalil Limit Pusat Zn Zn x́−μ
Z n= N
σ x́
Daftar Pustaka

http://informatika.stei.itb.ac.id/~rinaldi.munir/Probstat/20102011/Beberapa
%20Distribusi%20Peluang%20Diskrit.pdf

http://laboratoriumstatistika.blogspot.co.id/2015/04/distribusi-peluang.html

http://statslab-rshiny.fmipa.unej.ac.id/RDoc/ddisk/

http://statistikdasar.com/files/materi/konsep_distribusi_peluang_kontinu.pdf