Week ke - 5
DISCRETE PROBABILITY
DISTRIBUTIONS
• Random variable
• The Probability Distribution for a Discrete Variable
• Binomial Distribution
• Poisson Distribution
• Hypergeometric Distribution
Dalam bab ini kita akan melanjutkan pembahasan tentang peluang dengan
memperkenalkan konsep tentang variabel acak dan distribusi peluang. Fokus bab ini adalah
distribusi peluang diskrit mencakup distribusi binomial, Poisson, dan hipergeometrik.
Variabel Acak
Variabel acak adalah deskripsi numerik dari ruang sampel hasil percobaan.
Seperti telah dijelaskan pada bab sebelumnya, variabel acak dapat diklasifikasikan sebagai
variable diskrit atau kontinu. Variabel diskrit menghasilkan data dari proses penghitungan.
Variabel acak diskrit adalah variabel acak yang dapat mengasumsikan jumlah nilainya terhingga
(finite) atau tak terhingga (infinite) seperti 0, 1, 2, … Variabel diskrit biasanya menggambarkan
"jumlah dari sesuatu".
Variabel kontinu menghasilkan data dari proses pengukuran. Variabel acak kontinu adalah
variabel acak yang dapat mengasumsikan nilai numerik di dalam suatu interval atau kumpulan
interval. Sebagai contoh:
Distribusi peluang dari suatu variabel acak menggambarkan bagaimana peluang didistribusikan
pada nilai-nilai variabel acak. Untuk variabel acak diskrit x, distribusi peluang didefinisikan
sebagai fungsi peluang, dilambangkan dengan f (x), yang merupakan peluang dari setiap nilai
variabel acak x.
A probability distribution for a discrete variable is a mutually exclusive list of all the possible
numerical outcomes along with the probability of occurrence of each outcome
1. f(x)≥0
2.
Sebagai contoh, Tabel di bawah ini memberikan distribusi peluang variabel X =“ jumlah
gangguan per hari di suatu jaringan komputer ”. X adalah variabel diskrit dengan kemungkinan
nilai : x= 0,1,2,3,4,5. Nilai peluang dari setiap outcome ≥0, mutually exclusive dan totalnya
adalah 1.
Nilai harapan dari variabel diskrit, dilambangkan E(X), adalah rata-rata populasi, μ, dari
distribusi peluangnya.
Berikut adalah contoh menghitung nilai harapan dari variabel Jumlah Gangguan Per Hari pada
Jaringan Komputer
Jumlah gangguan per Peluang
Jadi nilai harapan atau rata-rata jumlah gangguan per hari pada suatu jaringan komputer
adalah1.40
Berikut adalah contoh cara menghitung ragam dan standar deviasi untuk variabel Jumlah
Gangguan Per Hari pada Jaringan Komputer
Jumlah
gangguan per P(X= xi) xiP(X= xi) [xi-E(X)]2 [xi-E(X)]2 P(X= xi)
hari (xi)
0 0.35 0.00 (0-1.4)2=1.96 (1.96)(0.35)=0.686
1 0.25 0.25 (1-1.4)2=0.16 (0.16)(0.25)=0.040
2 0.20 0.40 (2-1.4)2=0.36 (0.36)(0.20)=0.072
3 0.10 0.30 (3-1.4)2=2.56 (2.56)(0.10)=0.256
4 0.05 0.20 (4-1.4)2=6.76 (6.76)(0.05)=0.338
5 0.05 0.25 (5-1.4)2=12.96 (12.96)(0.05)=0.648
Total 1.0 μ=E(X)=1.40 σ2=2.04
untuk x=0,1,2….,n
Contoh: sebuah perusahaan menerima 40% pesanannya lewat internet. Jika perusahaan
membuat 10 pesanan secara independent,
Nilai peluang dari distribusi binomial dapat diperoleh pada Table Binomial (pada lampiran)
Sebagai contoh perhatikan sebagian dari Tabel berikut :
Menggunakan formula tentang nilai harapan dan ragam pada bab sebelumnya, maka Nilai
Harapan dan Ragam dari Distribusi Binomial dengan jumlah trial= n dan peluang sukses =p
adalah sebagai berikut:
Kembali ke contoh soal tentang jumlah pesanan lewat internet, rata-rata jumlah pesanan yang
diperoleh lewat internet μ=np=10(0.4)=4 dan ragamnya σ2=10(0.4)(0.6)=2.4
Distribusi Poisson
Distribusi Poisson sering memberikan model yang baik untuk distribusi peluang dari kejadian
yang jarang terjadi/langka yang terjadi dalam ruang, waktu, volume, atau dimensi lainnya.
Contoh : Misalkan rata-rata jumlah pelanggan yang dating ke bank per menit selama periode
waktu jam 12.00 sampai jam 13.00 adalah μ=3.
a. Berapa peluang pada suatu menit ada 2 pelanggan yang datang?
b. Berapa peluang kurang dari 2 pelanggan akan datang pada suatu menit ?
c. Berapa peluang lebih dari 2 pelanggan akan datang pada suatu menit ?
Nilai peluang dari distribusi Poisson dapat diperoleh pada Table Poisson (pada lampiran)
Sebagai contoh perhatikan sebagian dari Tabel berikut :
Misalkan pada populasi berukuran N, terdapat r elemen yang berlabel “ sukses” dan N-r elemen
yang berlabel “gagal”. Distribusi hipergeometrik digunakan untuk menghitung peluang bahwa
dalam pemilihan sampel acak sebanyak n elemen, yang dipilih tanpa pemulihan, kita akan
memperoleh x elemen yang berlabel “ sukses” dan n-x elemen yang berlabel “gagal”. Fungsi
peluangnya adalah sebagai berikut :
=0.77
Variabel acak dapat diklasifikasikan sebagai variable diskrit atau kontinu. Variabel diskrit
menghasilkan data dari proses penghitungan. Tiga distribusi peluang diskrit yang dibahas
mencakup distribusi binomial, Poisson, dan hipergeometrik. Distribusi binomial adalah model
matematika penting yang digunakan ketika variabel diskrit yang menjadi perhatian adalah
jumlah kejadian dari n sampel pengamatan. Distribusi Poisson sering memberikan model yang
baik untuk distribusi peluang dari kejadian yang jarang terjadi/langka yang terjadi dalam ruang,
waktu, volume, atau dimensi lainnya. Distribusi hipergeometrik digunakan untuk menghitung
peluang bahwa dalam pemilihan sampel acak sebanyak n elemen, yang dipilih tanpa pemulihan,
kita akan memperoleh x elemen yang berlabel “ sukses” dan n-x elemen yang berlabel “gagal”.
1. Levine, D.M., Stephan, D. F., and Szabat, K. A. (2017). Statistics for Managers using
Microsoft Excel. 8th Ed. Global Edition Pearson Education. New Jersey. ISBN 13: 978-1-
292-15634-7.
2. Anderson, David R., Sweeney, Dennis J., Williams, Thomas A. (2011). Statistics for
Business and Economics. 11th Ed. Cengage Learning. USA. ISBN 13: 978-0-324-78325-4.