Sebaran Peluang

Prof. Dr. Khairil Anwar Notodiputro

khairilnotodiputro@gmail.com

Kuliah 05
 Sebaran Peluang
(Probability Distribution)
 Isu diskriminasi ketika dari 10 pengurus himpro: 2
Perempuan dan 8 Laki-laki.
 Kalau perbadingan mahasiswa ♂ dan ♀ adalah 40:60,
bagaimana menyikapi secara objektif fakta ini?
 Apakah memang harus ada 6 wanita jadi pengurus utk
bisa dikatakan objektif?
 Tidak selalu. Hasil mekanisme peluang itu memiliki
sampling variation, variasi hasil antar-contoh yang
berbeda.
 Variasi ini dipelajari dalam topik sebaran peluang.
 Sebaran peluang dapat meringkas berbagai
kemungkinan hasil dan peluangnya.
 Dua sebaran peluang yg digunakan Normal dan Binom
 Peubah Acak
 Setiap percobaan acak atau percontohan acak selalu
menghasilkan kejadian yg mrp himpunan bagian dari
ruang contoh.
 Sebagai misal jika kita melempar mata uang sebanyak 3
kali maka berapa banyak sisi muka (M) yg muncul?
 Ruang contoh dari percobaan acak ini adalah:
 {MMM, MMB, MBM, MBB, BMM, BMB, BBM, BBB}
 Jika X = jumlah sisi muka yg muncul maka X = {0,1,2,3}
 P(X=0) = 1/8; P(X=1) = 3/8; P(X=2) = 3/8; P(X=3) = 1/8
 Perhatikan bhw X memetakan unsur ruang contoh ke
dalam bilangan.
 Peubah Acak
Peubah acak adalah fungsi yang
memetakan berbagai hasil dari suatu
percobaan acak ke dalam ruang bilangan.

•MMM  X = jumlah sisi muka

•MMB 0 yang muncul adalah
•MBM peubah acak.
•MBB 1  X memetakan berbagai
•BMM hasil dari suatu
•BMB 2 percobaan acak (yaitu
•BBM melempar 3 koin) ke
•BBB 3 dalam bilangan cacah.

Ruang Contoh
X Ruang
Bilangan P(X=0) = 1/8; P(X=1) = 3/8;
P(X=2) = 3/8; P(X=3) = 1/8
 Peubah Acak
 Dengan metode pendataan yang benar, kita dapat
memperoleh angka dari peubah yang diamati
 Angka diperoleh dari proses acak (mis. contoh acak),
peubah itu disebut peubah acak (random variable)
 Gunakan huruf kapital X utk peubah acak dan huruf kecil
x untuk realisasinya.
X = banyaknya angka 2
Dadu
dilempar X=3
10 kali

 P(X = 3) = 10C3 (1/6)3 (5/6)7= (10 !)/(3 ! 7!) (1/6)3 (5/6)7

 Kalau X = 4  P(X= 4) = 10C4 (1/6)4 (5/6)6
 P(X = x) disebut sebaran peluang
 Peubah Acak
 Peubah acak adalah suatu aturan untuk memberikan
nilai numerik atas hasil percobaan acak (randomized
experiment) atau percotohan acak (random sampling)
 Jika peubah acak itu menghasilkan angka diskret maka
kita sebut p.a. diskret (discrete random var.)
 Melempar dadu 10 kali, diamati X = banyaknya angka 6
yang muncul  P(1)=P(2)=…=P(6)=1/6 (diskret)
 P.a. bisa pula kontinu (continuous random var.),
misalnya dari contoh acak 30 petani kita mencatat Y =
pendapatan (ribu rupiah) petani per musim tanam.
 Bisa dihitung P(300 ≤ Y ≤ 500) dsb.
 Jadi X p.a. diskret sdgkan Y p.a. kontinu.
 Ilustrasi

 Melempar
2 mata uang
500 kali
Y = jumlah
sisi muka
mucul
Empiris Teoretis
 Nilai Harapan
 Sebaran peluang memiliki nilaitengah, nilaitengah
inilah yang disebut Nilai Harapan (expectation)
 Jika peubah acak X diskret dengan sebaran peluang
P(X=x ) maka nilai harapan dari X :
E(X) = x1P(x1) + x2P(x2) + … + xnP(xn) μ
 Jika peubah Y kontinu dengan kepekatan peluang
f(y) maka nilai harapan dari Y :
E(Y) = ∫ yf(y)dy, -∞ <y< ∞ μ
 Ragam dapat pula diucapkan dalam nilaiharapan:
Var(Y) = E[Y- E(Y)]2 = ∑ (y- μ)2P(y)  σ2
Nilai Harapan
Sebaran peluang
dari peubah acak Y

Nilaiharapan Y :

E(Y) = 1(1/6) + 2(2/6) + 3(3/6)

= 2.33

Var (Y) = (1-2.33)2(1/6) + (2-2.33)2(2/6)

+ (3-2.33)2(3/6)
= 0.2948 + 0.0363 + 0.2245
= 0.56

2.33
 Nilai Harapan

 Melempar
2 mata uang
500 kali
Y = jumlah
sisi muka
mucul
Empiris Teoretis

Nilaiharapan Y :

E(Y) = 0(0.25) + 1(0.5) + 2(0.25)

= 1.00
μ
Var (Y) = (0-1.00)2(0.25) + (1-1.00)2(0.5)
+ (2-1.00)2(0.25)
σ2 = 0.25 + 0.00 + 0.25
= 0.50
 P.A. Binom (Binomial r.v.)

 Peubah acak Binom dihasilkan dari proses sbb:




 Koin dilempar sebanyak 3 kali, p.a. Y = banyaknya

sisi muka yang muncul  proses Binom?
 No 1  ya; No 2  ya; No 3  ya; No 4  ya; No 5  ya
 P.A. Binom (Binomial r.v.)

 Ada kotak berisi 4 jeruk masam dan 6 jeruk manis.

Secara acak diambil 2 jeruk dan dicicipi. X = jumlah jeruk
jeruk dengan rasa manis. Apakah ini proses Binom?
 P.A. Binom (Binomial r.v.)
Jika tidak ada bias
gender (acak) maka
P(♂) = P(♀).

Misal X = banyaknya ♀
yang terpilih untuk
promosi jabatan.

Jadi:
X ~ Binom (10, 0.5)

 Fungsi peluang dari X adalah

 Peluang tdk satu pun terpilih ♀ utk promosi (X = 0):

Kecil kemungkinan
tidak bias gender,
sepertinya tidak acak
 Peluang Binom
 Misal (dari pengalaman) peluang orang memilih
qurban kambing 0.4 dan peluang memilih domba
0.6.
 Diamati 5 orang yang berqurban, satu sama lain
tidak saling kenal dan membeli di tempat yg
berbeda.
 K = pembeli memilih kambing  P(K) = 0.4
 D = pembeli memilih domba  P(D) = 0.6
 X = jumlah pembeli kambing  0, 1, 2, 3, 4, 5

 X = 1 (5 kemungkinan) 
KDDDD DKDDD DDKDD DDDKD DDDDK

P(KDDDD or DKDDD or DDKDD or DDDKD or DDDDK)

P(KDDDD) = P(K)P(D)P(D)P(D)P(D)
 Peluang Binom
 X =2 (10 kemungkinan) 
P(KKDDD) + … + DDDKK)

 X =3 (10 kemungkinan)  p(3) = (10)(.4)3(.6)2 = 0.2304

 X = r  p(r) = 5Cr (.4)r(.6)5-r
 Secara umum jika ada n kali percobaan dg peluang
sukses masing-masing sebesar p maka X = jumlah
sukses dalam percobaan itu mrp p.a. Binom dengan:
 Peluang Binom
 Untuk kasus hewan qurban tadi, jika ada 12 pembeli
yang disurvei:

 Untuk X = 4 

 Selanjutnya:
 P.A. Normal (Normal r.v.)

 Perhatikan hasil pengukuran atas sekumpulan objek

 Biasanya sebagian besar sedang, sedikit yang kecil dan
besar
 Jika hasil pengukuran digambarkan secara kontinu:

 Kurva simetris, berbentuk genta, dengan luas area di

bawahnya = 1 ini disebut sebagai KURVA NORMAL
 P.A. Normal (Normal r.v.)

 Kurva normal (juga disebut sebaran normal) dicirikan

oleh nilai tengah (µ) dan ragamnya (σ2)

Normal Baku
µ=0 dan σ=1
Ciri-ciri Sebaran Normal
 Luas Area di Bawah Kurva
 Setiap p.a. X ~ Normal (µ, σ2) dapat ditransformasi
menjadi p.a. N(0,1)  mudah menghitung peluang
 Misal p.a. X ~ Normal (100, 52)  P(98 ˂ X ˂107) = ???
 Transformasikan X ke Z (normal baku) sbb:
 Luas Area di Bawah Kurva
 Peluangnya bisa dilihat pada tabel sebaran normal:

P(-.40<Z<1.40)
= P(Z<1.40) –
P(Z<-.40)

P(Z<1.40) = 0.9192

P(Z<-.40) = P(Z>.4)
= 1- P(Z<.4)
= 1- 0.6554
= 0.3446

Jadi P(.40<Z<1.40)
= 0.9192 – 0.3446
= 0.5746
Luas Area di Bawah Kurva
 Ilustrasi
 Dari Mendenhall:
Suatu peubah acak X menyebar
normal dengan nilaitengah 50
dan simpangan baku 15. Apakah
tidak lazim (unusual) jika kita
memperoleh X = 0? Jelaskan..!

 X ~ Normal (50, 152), jadi X adalah peubah acak kontinu

 P(X = 0) = 0  trivial 0
 krn P(X = 0) = ∫ f(x)dx = 0  integral pada satu titik
0
 Jadi yang perlu kita cari adalah P(X < 0), jika peluang ini kecil maka
berarti kejadian itu tidak lazim (unusual)
 P(X < 0) = P(Z < (0-50)/15) = P(Z < -3.33) = 0.0004
 Karena peluangnya sangat kecil, jauh lebih kecil dari 5%, maka kita
simpulkan bahwa kejadian X = 0 adalah kejadian yang langka atau
tidak lazim (unsual).
 Apakah juga tidak lazim untuk memperoleh X = 20? Jawab sendiri..
 Ilustrasi
 Hasil varietas padi IPBxx diketahui menyebar normal
dengan μ = 50 kw/petak, s = 10 kw/petak jika ditanam di
lahan beririgasi. Sedangkan jika ditanam dilahan tadah
hujan maka μ = 21 kw/petak, s = 4.7 kw/petak.
 Anda menanam varietas ini di lahan irigasi dengan hasil
65 kw/petak. Anda juga menanam varietas ini di lahan
tadah hujan dengan hasil 30 kw/petak.
 Pertanyaan:
a. Brp peluang memperoleh hasil ≥ 65 kw di lahan irigasi?
b. Brp peluang memperoleh hasil ≥ 30 kw di lahan tadah hujan?
c. Bagaimana cara membandingkan kedua hasil ini untuk
mengetahui penanaman di lahan mana yang lebih sukses?
Jelaskan !!!
 Ilustrasi
 Misalkan Xir = hasil varietas IPBxx di lahan irigasi, dan
Xth= hasil varietas IPBxx di lahan tadah hujan.
 Xir ~ N(50,10 2) dan Xth ~ N(21,4.7 2)
 P[Xir ≥ 65] = P[(Xir - μ)/s ≥ (65-50)/10]
= P[Z ≥ 1.50) = 0.0668  dari tabel
 P[Xth ≥ 30] = P[(Xth - μ)/s ≥ (30-21)/4.7]
= P[Z ≥ 1.91] = 0.0281  dari tabel
 Perhatikan bhw besarnya peluang menunjukkan lebih
sulit (peluang kecil) untuk memperoleh ≥ 30 kw di lahan
tadah hujan ketimbang untuk memperoleh ≥ 65 kw di
lahan irigasi. Jadi secara relatif penanaman di lahan
tadah hujan lebih sukses.
1 Tugas (diserahkan kpd asisten)
 2 Tugas (diserahkan kpd asisten)
 Merokok vs kanker paru-paru:

 Jelaskan apa itu Retrospective Study !

 Gunakan pengetahuan STK511 Anda untuk
mengungkap berbagai informasi dari tabel tersebut.
 Bisakah disimpulkan bahwa merokok menyebabkan
terjadinya kanker paru-paru
 3 Tugas R (diserahkan kpd asisten)
• Percobaan melempar sekeping uang logam setimbang. X=
banyaknya sisi muka (head) yang muncul. P(X=5) bisa
dihitung:

• Atau menggunakan fungsi d():

• Jelaskan apa yg dihitung dengan perintah-perintah ini?