RINGKASAN MATERI

DISTRIBUISI PROBALITAS
KELOMPOK 2

 MAHARANI SYAHPUTRI
 RETTA RONDANG SIRAIT
 SELLA SELVIANA SINURAT
 WAHYU ANANDA

DISTRIBUISI PROBALITAS

Banyak distribusi probabilitas yang terlibat dalam analisis experiment data yakni :

 Distribusi Binomial
 Distribusi Poison
 Distribusi Gaussian

Distribusi Poisson umumnya digunakan untuk percobaan penghitungan di mana datanya

mewakili jumlah item atau peristiwa yang diamati per satuan interval. Hal ini penting dalam
mempelajari proses acak seperti yang terkait denganra peluruhandioaktif dari partikel elementer
atau status inti, dan juga diterapkan pada data yang telah diurutkan ke dalam rentang untuk
membentuk tabel frekuensi atau histogram.

Distribusi binomial umumnya diterapkan untuk percobaan eksperimen di mana akan ada
satu kemungkinan kecil untuk hasil akhirnya

1. Distribusi binomial
Misalkan kita melempar koin ke udara dan membiarkannya mendarat. Ada 50% probability
bahwa itu akan land heads dan probabilitas 50%.untuk setiap lemparan yang diberikan kita
tidak dapat menentukan hasil lemparan itu keatas atau kebawah
Misalkan kita melemparkan dua koin sekaligus,maka aka nada kemungkinan bentuk
permutasu yang berbeda ketika koin itu mendarat kebawah karena masing-masing permutasi ini
 kemungkinannya sama ,dimana probalitasinya untuk setiap pilihannya adalah 25%

Jadi, probabilitas total untuk menemukan salah satu kepala ke atas dan yang lainnya ke
atas adalah 1/2. Perhatikan bahwa jumlah dari probabilitas untuk semua kemungkinan (1/4 +1/4
+ 1/4 + 1/4) adalah alcara sama dengan bagian 1

Probabilitas P(x; n) sebagai fungsi dari jumlah n koin yang dilempar dan dari jumlah x
koin yang naik ke atas. Untuk percobaan tertentu di mana n koin dilemparkan, probabilitasy P
(x; n)

2. PERMUTASI DAN KOMBINASI

Jika n koin dilemparkan, ada 2n Kemungkinan cara berbeda untuk mendarat , Ini
mengikuti dari fakta bahwa koin pertama memiliki dua kemungkinan fakta bahwa koin pertama
memiliki dua kemungkinan orientasi, untuk masing-masing koin kedua juga memiliki dua
orientasi seperti itu, untuk masing-masingketiga koinaljadi memiliki dua, dan begitu seterusnya

Untuk menghitung jumlah permutasi Pm (n, x), mari kita ambil koin satu per satu dari
koleksi n koin dan masukkan x ke dalam"kepala" kotak. Kami memiliki pilihan n koin untuk
yang pertama kami ambil. Untuk pemilihan kedua kami, kami dapat memilih dari sisa n - 1
koin.

Pm(n , x )=n( n−1)(n−2)...(n=x+2)(n=x+ 1)

perluasan dapat diekspresikan dengan mudah jika dibuat dalam bentuk factorial

Pm (n , x) n!
C ( n , x )= = =( ❑nx )
x! x(n , x )!

3. PROBALIBITAS

Probabilitas P(x; n) yang harus kita amati x koin dengan kepala menghadap ke atas dimana
n−xdengan ekor ke atas adalah hasil kali dari jumlah kombinasi berbeda C (n, x) probabilitad
untuk masing-masing kombinasi
 Kita harus memisahkan probabilitas untuk setiap kombinasi menjadi dua bagian: satu bagian
adalah probabilitas yakni :

x
1
 p x= ( ) untuk x koin menjadi bagian kepala diatas
2
n− x n− x
1 1
=( 1− ) =( ) untuk n−x bagian ekor diatas
n−x
 q
2 2

Probabilitas p keberhasilan untuk setiap item tidak sama besarnya

dengan probabilitas q = 1 - p untuk kegagalan
Dengan defenisi p dan q probabilitas untuk mengamati nilai x dari n

Mean dan Standard Deviasi

Rerata distribusi binomial adalah evaluasi diciptakan dengan menggabungkan Definisi dari u
dalam Persamaan (1.10) dengan rumus

x=0

Kami menafsirkan ini sebagai bahwa jika kami melakukan percobaan dengan n
item dan mengamati jumlah x keberhasilan, setelah sejumlah besar
percobaan berulang, rata-rata ã dari jumlah keberhasilan akan mendekati nilai
rata-rata valueu yang diberikan oleh probabilitas keberhasilan setiap item p
dikalikan jumlah item n. Dalam kasus lemparan koin di mana p = ½
 Untuk Standard Deviasi σ nilai ekspestasi kuadrat penyimpangan dapat
dievaluasi menjadi

Contoh :

Contoh 2.1. Misalkan kitamelemparkan 10 koin ke udara sebanyak 100 kali. Dengan
setiap lemparan koin kita mengamati jumlah koin yangmengarah ke atas dan
menunjukkan nomor itu dengan Xi, di mana i adalah jumlah lemparan; i berkisar dari 1
hingga 100 dan x; dapat apapun inte ger dari 0 sampai 10. Fungsi probabilitas governing
distributipada yang diamati nilai-nilaidari x diberikan olehbinomial distribusi P2(x; n,
p)dengan n = 10 dan p = 1/2 . Ini adalah distribusi induk dan tidak dipengaruhi oleh
jumlah N dari prosedur berulang dalam percobaan.

Distribusi binomial untuk u = 5.0 dan p =1/2 ditampilkan sebagaikurva kontinu meskipun
fungsinya hanya ditentukan pada titik-titik diskrit yang ditunjukkan oleh titik-titik bulat.

1
Istribusi induk PB (x ; 10 , ) ditunjukkan PADA GAMBAR 2.1 sebagai kurva mulus ditarik
2
melalui titik-titik diskrit. Mean u diberikan oleh Persamaan (2.6):

μ=np=10 ( 12 )=5
 Standar deviasiσ

√
σ =√ np ( 1− p )= 100 ( 12 )( 12 )
¿ √ 250

≅ 15,8

Example 2.2.

Misalkan kita melempar sepuluh dadu. Berapakah probabilitas bahwa x dari dadu ini akan
mendarat dengan 1 ke atas? Jika kita melempar satu dadu, probabilitas landingnya dengan 1
ke atas adalah p= 16. Jika kita melempar sepuluh dadu, probabilitas x dari mereka untuk
mendarat dengan 1 ke atas diberikan oleh binomidistribusial Pf(x; n, p)
dengan n =10 dan p = 46:

10 1
Distribusi binominial untuk μ= dan p=
6 6
Ditribusi ini tidak simetris untuk mean . nilai yang paling mungkn adalah x=1 tetapi
puncak kurva halusnya terjadi unutuk nilai x yang sedikitlebih besar
2.2 Distribusi passion
Distribusi Poisson mewakili perkiraan distribusi binomial untuk kasus khusus di
mana jumlah rata-rata keberhasilan jauh lebih kecil daripada angka yang
mungkin; yaitu, ketika u <n karena p<1.
Untuk eksperimen semacam itu,bi distribusinomial dengan tepat
menggambarkan probabilitas PB(x; n, p) untuk mengamati peristiwa x per interval
waktu dari n kemungkinan peristiwa, yang masing-masing memiliki probabilitas p
terjadi, tetapi sejumlah besar n peristiwa yang mungkin terjadi membuattepat
evaluatipada dari binomial. praktis distribusi
Lebih lanjut, baik jumlah n kejadian yang mungkin maupun probabilitas pfatau masing-
masing biasanya diketahui. Apa yang mungkin diketahui sebagai gantinya adalah jumlah
rata-rata kejadian yang diharapkan di setiap interval waktu
Mari kita mengkondisikan ditribusi binomial dengan pembatas p<1 ,nimana n menjadi
tak terhingga
Sementara nilai mean untuk fungsi probabilitas dapat ditulis

Jika menggunakan factor