(Makalah Individu)
Disusun Oleh :
2020/2021
1
DISTRIBUSI PELUANG
Distribusi peluang adalah sebuah daftar dari semua hasil yang mungkin muncul dari sebuah
percobaan dan peluang yang berhubungan dengan setiap hasil. Ada 2 macam distribusi
peluang yaitu distribusi peluang diskrit dan distribusi peluang kontinu.
2. Distribusi Peluang Kontinu dapat bernilai tak hingga dalam suatu jangkauan yang
spesifik.
Nilai rata-rata dan variansi dari sebuah distribusi peluang dapat dihitung sebagai berikut :
Rumus Menghitung Rata-rata :
2
A.Pengertian distribusi peluang diskrit
Distribusi peluang diskrit adalah suatu tabel atau rumus yang mencantumkan
semuakemungkinan nilai suatu pengubah acak diskrit (ruang contoh diskrit mangandung
jumlah titik yang terhingga) dan juga peluangnya. Adapun macam-macam distribusi
diskrit adalah sebagai berikut :
1. Distribus Binomial
Distribusi binomial adalah distribusi probabilitas diskret jumlah keberhasilan
dalam npercobaan ya/tidak (berhasil/gagal) yang saling bebas, dimana setiap hasil
percobaan memiliki probabilitas p. Eksperimen berhasil/gagal juga disebut percobaan
bernoulli. Ketika n = 1, distribusi binomial adalah distribusi bernoulli. Distribusi
binomial merupakan dasar dari uji binomial dalam uji signifikansi statistik.
a. Setiap hasil diklasifikasikan ke dalam satu dari dua kategori yang tidak terikat satu
sama lain.
b. Distribusi ini dihasilkan dari perhitungan jumlah sukses dari sejumlah percobaan.
c. Peluang sebuah sukses tetap sama dari satu percobaan ke percobaan lain.
d. Setiap percobaannya saling bebas.
e. Peluang Binomial dengan p = Peluang suskes dihitung dengan rumus sbb:
3
Nilai Rata-rata nya :
Nilai Variansinya :
Contoh:
Sebuah dadu dilempar sepuluh kali dan dihitung berapa jumlah muncul angka empat.
Distribusi jumlah acak ini adalah distribusi binomial dengan n = 10 dan p = 1/6.
4
Keterangan :
p = probabilitas sukses = 1 – q. Dimana
q = probabilitas gagal
n = jumlah total percobaan
x = jumlah sukses dari n kali percobaan. Dimana x = 1, 2, 3, ..., n
Contoh :
Suatu survei menemukan bahwa satu dari lima orang berkata bahwa dia telah
mengunjungi dokter dalam sembarang bulan yang ditanyakan. Jika 10 orang dipilih
secara acak, berapakah peluang tiga diantaranya sudah mengunjungi dokter
bulan lalu?
Pembahasan :
Pada kasus ini, n = 10, X = 3, p = 1/5, dan q = 4/5. Sehingga,
Jadi peluang tiga orang yang dipilih sudah mengunjungi dokter bulan lalu adalah
0,201.
3. 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.
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 :
5
Rataan dan variansi dari distribusi hipergeometrik adalah :
Contoh :
Suatu pabrik ban motor melaporkan bahwa dari 5 ban yang dikirimkan ke suatu toko
terdapat 2 ban yang cacat. Bila seseorang membeli 3 ban ditoko tersebut, maka
hitung:
a) peluang terdapat satu ban cacat yang dibelinya.
b) peluang tidak ada ban cacat yang dibelinya.
Jawab:
Dari soal tersebut diketahui N=5, k=2,n=3, dengan demikian maka
6
b. peluang tidak ada ban cacat yang dibelinya
4. Distribusi Poisson
Eksperimen Poisson adalah eksperimen yang menghasilkan nilai numerik dari peubah
acak X pada selang waktu yang tertentu atau daerah tertentu.
Distribusi ini menjelaskan jumlah kejadian dari suatu peristiwa selama interval
tertentu
Peluang sebuah sukses terjadi secara proporsional dengan panjang intervalnya
Interval-interval yang tidak saling tumpang tindih bersifat saling bebas
Distribusi Poisson dihitung dengan rumus sbb :
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.
7
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.
Contoh :
Sebuah pabrik TV diketahui bahwa rata-rata terdapat 16 TV yang rusak dari 8000
TV yang dihasilkannya. Berapakah peluang bahwa dari 1000 TV yang akan di
produksinya terdapat?
a. 1 TV rusak
Jawab :
8
5. Pengertian Distribusi Geometrik
Distribusi geometri adalah kasus khusus dari distribusi binomial negatif untuk
k=1, yaitu distribusi peluang banyaknya usaha yang diperlukan untuk
mendapatkan sukses pertama. Dengan kata lain distribusi ini mewakili suatu
kejadian random hingga sukses yang pertama kali terjadi.
Contoh :
Kejadian lulus dari ujian kenaikan tingkat. Kita akan terus mengikuti ujian
berkali-kali jika belum berhasil lulus. Tetapi sekali saja kita dinyatakan lulus,
maka selesai lah sudah proses nya.
Kejadian berburu juga bisa sebagai perwakilan kejadian yang digambarkan oleh
Distribusi Geometri. Peluru dari senjata pemburu akan terus dihamburkan hingga
akhirnya buruannya berhasil ditembak. Kalau sudah berhasil ditembak, maka
tidak ada lagi peluru yang dihamburkan.
9
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:
10
Sifat-sifat Ditribusi Normal:
Distribusi Normal disebut juga Gausian distribution adalah salah satu fungsi distribusi
peluang berbentuk lonceng seperti gambar berikut.
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
11
e. Luas daerah di bawah lengkungan kurva tersebut dari -~ sampai + ~ sama dengan
1 atau 100 %.
12
Dengan menerapkan ketentuan diatas pada persamaan (1) maka fungsikepadatan
probabilitas dari distribusi normal standard variabel acak kontinu Z adalah:
13
Contoh :
Dalam suatu ujian terdapat 300 siswa yang mengikuti ujian tersebut. Rata-rata dari
hasil ujian yaitu 70 serta simpangan baku hasil ujian tersebut adalah 10.
Jika data nilai hasil ujian siswa tersebut berdistribusi normal, maka berapa persen
mahasiswa yang mendapat nilai A jika syarat untuk mendapatkan nilai A adalah nilai
lebih dari 85.
µ = 70
σ = 10
x = 85
14
Lambang f(x;k) sebagai pengganti f(x), yang menunjukan bahwa distribusi seragam
tersebut bergantung pada parameter x.
Contoh :
Dalam suatu percobaan, jika sebuah dadu dilempar sebanyak 6 kali, maka setiap
elemen dari ruang sampelS = {1,2,3,4,5,6} memiliki nilai peluang yang sama yaitu
1/6, karena kesamaan semua nilai peluang ini, kita dapat menyebut bahwa percobaan
tersebut berdistribusi seragam (Uniform)Hitunglah nilai Mean dan Variansinya !
Jawaban :
3. Distribusi Eksponensial
Digunakan untuk memodelkan kasus selang waktu antara dua kejadian dari suatu
peristiwa (waktu antara kedatangan).
Dengan kata lain, distribusi ini digunakan untuk memodelkan waktu tunggu sampai
sebuah peristiwa terjadi, dan juga untuk memodelkan waktu antar terjadi peristiwa
15
Dalam menghitung probabilitas distribusi eksponensial dengan rata – rata “kurang
dari”, rumus yang digunakan adalah :
Keterangan :
X = interval rata-rata
λ = parameter rata-rata
e = eksponensial = 2,71828
Kurva
Ciri - Ciri
Kurva dari distribusi eksponensial mempunyai ekor di sebelah kanan dan nilai x
dimulai dari 0 sampai tak hingga.
16
Mempunyai nilai variansi
Peluang yang terjadi pada suatu percobaan mempengaruhi selisih waktu yang
terjadi pada percobaan tersebut.
Mempunyai nilai λ • 0.
Mempunyai χ ≥ 0
Contoh :
Jawaban :
Diketahui:
Xo = 8 menit
17
4. Distribusi Weibull
dimana λ > 0 adalah parameter bentuk dan k > 0 adalah parameter skala. Fungsi
kepadatan peluangnya adalah turunan dari fungsi distribusi kumulatifnya tersebut.
18
5. Distribusi Tipe Beta
Distribusi beta digunakan sebagai penaksiran kasar dari suatu missing data distribusi
dari suatu proporsi.
Keterangan
19
Contoh :
20
DAFTAR PUSTAKA
http://arna.lecturer.pens.ac.id/Statistik%20&%20Probabilitas/08%20Distribusi
%20Probabilitas.pdf
https://docs.google.com/presentation/d/1fraZHRD4JQEVyXWQTExoLsFTxoHvhuy4qkaxEe
DGvA0/htmlpresent
https://www.rumusstatistik.com/2013/07/distribusi-beta.html
https://support.microsoft.com/id-id/office/beta-dist-fungsi-beta-dist-11188c9c-780a-42c7-
ba43-9ecb5a878d31
http://budisetiawansyafitri.blogspot.com/2018/01/distribusi-peluang-diskrit-dan-kontinu.html
http://mecariberkah.blogspot.com/2018/01/distribusi-peluang-dalam-statistik.html
21