Statistika dan Probabilitas

#8

Probabilitas Distribusi Diskrit

Probabilitas
Sejauh ini kita telah melihat bagaimana probabilitas memberi tahu Anda
seberapa besar kemungkinan kejadian tertentu.

Apa probabilitas tidak memberi tahu Anda adalah dampak keseluruhan dari
peristiwa ini.

Dalam distribusi probabilitas, akan ditunjukkan bagaimana probabilitas dapat

digunakan untuk memprediksi hasil jangka panjang, dan juga mengukur
kepastian dari sebuah prediksi
 Distribusi Probabilitas

Distribusi probabilitas merupakan daftar seluruh hasil percobaan dan

probabilitas dari setiap hasil yang bersangkutan.

Ciri-ciri distribusi probabilitas:

Probabilitas dari sebuah hasil adalah antara 0 hingga 1
Hasilnya merupakan kejadian saling lepas
Daftarnya lengkap. Oleh sebab itu, penjumlahan probabilitas dari
berbagai kejadian adalah 1.
Contoh:
Misalkan Misaki ingin mengetahui banyaknya gambar yang muncul
dalam tiga kali pelemparan koin. Berikut adalah hasil percobaannya.
Distribusi probabilitas munculnya gambar dari percobaan di atas
adalah:
 Teori

Pada eksperimen peluang, hasilnya muncul secara acak. Jadi,

seringkali hal itu disebut dengan variabel acak. Secara formal,
variabel acak (random variable) adalah suatu fungsi atas ruang
sampel S yang menghubungkan setiap hasil yang mungkin pada S
dengan suatu bilangan riil.

P {X = x } → probabilitas saat variabel acak X bernilai x.

 Nilai harapan (ekspektasi)
Jika x adalah variabel acak diskrit mempunyai fungsi peluang P(x) maka nilai harapan x:

𝐸 𝑥 = $ 𝑥 % 𝑝(𝑥)
!"#(!)&'

Jika x adalah variabel acak kontinu dgn pdf f(x) maka nilai harpana x:
)

𝐸 𝑥 = )𝑥%𝑓 𝑥 𝑑𝑥
()

Nilai harapan x sering kali disebut mean atau momen pertama dari x. Sedangkan 𝐸(𝑥 * ),
n≥1 disebut momen ke n dari x
 Contoh.

Hitunglah rata-rata berbobot dari distribusi probabilitas berikut.

Jawab. 𝐸 𝑥 = $ 𝑥 % 𝑝(𝑥)
!"#(!)&' Jadi, rata-rata berbobotnya adalah:

= 5 % 0,1 + 10 % 0,3 + 15 % 0,2 + 20 % 0,4 𝝻 = E (x) = 14,5

= 0,5 + 3 + 3 + 8
= 14,5
 Nilai harapan (ekspektasi)

Sifat-sifat nilai harapan:

Jika a dan b adalah konstan maka 𝐸 𝑎𝑥 + 𝑏 = 𝑎 ' 𝐸 𝑥 + 𝑏

𝐸 𝑔 𝑥 +ℎ 𝑥 =𝐸 𝑔 𝑥 +𝐸 ℎ 𝑥
Jika x dan y adalah independen, maka untuk setiap fungsi g dan h:
𝐸 𝑔 𝑥 'ℎ 𝑦 =𝐸 𝑔 𝑥 +𝐸 ℎ 𝑦
 Variansi Variabel Acak Diskrit

Sebagaimana yang tercatat, rata-rata berbobot merupakan suatu nilai yang digunakan untuk merangkum distribusi probabilitas
diskret. Akan tetapi, rata-rata berbobot belum menggambarkan jumlah sebaran (varian) di dalam distribusi. Jumlah sebaran
tersebut digambarkan dalam variansi.
Jika X merupakan variabel acak diskret yang memiliki pmf P(x), maka variansi dari X adalah:

!
v𝑎𝑟 𝑥 = 𝐸 𝑥−𝐸 𝑥 𝑣𝑎𝑟 𝑥 = E(x - 𝝻)2

! !
Maka, 𝑣𝑎𝑟 𝑥 = 𝐸 𝑥−𝐸 𝑥 = 𝐸 𝑥! − 𝐸 𝑥 = 𝜎!
*note: nilai varian selalu positif

Sehingga, standard deviasi:

𝜎= 𝑣𝑎𝑟 𝑥
 Contoh.

Hitunglah variansi dari distribusi probabilitas berikut.

Jawab.
Telah diketahui pada contoh sebelumnya bahwa E(x)=14,5. Untuk mencari Var(x), perlu diketahui E(x)2 dan
juga E(x).
 Nilai harapan (ekspektasi)

Sifat varian dan standard deviasi:

Sifat Standar Deviasi:
Bila a dan b konstan, maka
1. Var (x) tidak negatif 1. StDev (x) tidak negatif
2. Var(x+a) = var (x)
3. Var (bx) = 𝑏 ! var(x)
2. StDev(x+a) = StDev (x)
4. Var (a+bx) = 𝑏 ! var(x) 3. StDev (bx) = b StDev(x)
4. StDev (a+bx) = b StDev(x)
Kovarian dari dua variabel acak x dan y dinyatakan dengan:
𝑘𝑜𝑣 𝑥 = 𝐸 𝑥 − 𝐸 𝑥 - 𝐸 𝑦 − 𝐸 𝑦 = 𝐸 𝑥𝑦 − 𝐸 𝑥 - 𝐸 𝑦
𝐸 𝑥𝑦 = ∑%"#$ ∑'
&#$ 𝑥" - 𝑦& - 𝑝(𝑥𝑦)

Jika x dan y independen, maka kov (xy) = 0

Var(x+y) = var (x) + var (y) + 2 kov(xy)
Distribusi
Bernoulli

Binomial

Poisson
diskrit
Geometrik

Negatif binomial

Distribusi hipergeometrik

Uniform

Normal
Kontinu
Eksponensial

Weibull