Kelompok 4

Astri Nurmala Sari (K2318012)

Atika Sella Wulandari P (K2318013)
Aulia Arifa (K2318014)

Fungsi distribusi : fungsi sejumlah partikel tiap satuan volume dalam ruang fase partikel
tunggal. Pada titik tertentu, fungsi distribusi bernilai sama dengan probabilitas. Jika X adalah
variabel sembarang, fungsi distribusi nya merupakan
F(x)=P(X≤x)
Dimana P(X≤x) merupakan probabilitas bahwa X bernilai kurang dari atau sama dengan x.

Probability density function :

PDF adalah blok bangunan paling dasar dalam deskripsi statistik suatu variabel. PDF adalah
ukuran seberapa besar kemungkinan variabel memiliki nilai tertentu. PDF yang diamati pada
dasarnya adalah histogram yaitu jumlah kemunculan suatu nilai dalam rentang tertentu.
Binomial dan Poisson tergolong dalam distribusi diskrit, sedangkan distribusi gauss tergolong
dalam distribusi kontinu.
Uraikan kedua jenis distribusi tersebut dan temukan perbedaannya.
Jawab :
a. Distribusi diskrit
adalah daftar atau distribusi di mana variabel acak mengasumsikan setiap nilai dengan
probabilitas tertentu. Variabel diskrit memiliki jumlah nilai yang mungkin terbatas atau
jumlah nilai tak terbatas yang dapat dihitung atau dihitung menggunakan angka 1, 2, 3,
dll.
b. Distribusi kontinu/ normal
Merupakan distribusi probabilitas dengan variabel kontinu dan numerik. Distribusi ini
memiliki kurva normal yang berbentuk lonceng. Bila percobaan dilakukan berulang
ulang paling sering muncul adalah nilai rata-rata ---> penyimpangan dari nilai rata rata
makin sedikit→ terbentuk distribusi yang simetris---> distribusi normal
c. Perbedaan
Data diskrit : hanya dapat mengambil nilai tertentu, ada kemungkinan nilai-nilai itu tak
terhingga, tetapi masing-masing berbeda dan tidak ada area abu-abu di antaranya. Data
diskrit bisa berupa angka seperti apel, tetapi juga bisa kategorikal seperti merah atau biru,
atau pria atau wanita, atau baik atau buruk.
Data kontinu : tidak terbatas pada nilai-nilai terpisah yang ditentukan, tetapi dapat
membantu nilai apa pun pada rentang kontinu. Antara dua nilai data kontinu mungkin ada
jumlah yang tak terbatas dari yang lain.
Distribusi Binomial
Digunakan ketika terdapat dua luaran kemungkinan (khusus). Ingat secara definitive binomial.
Hasil luarannya diberi label "sukses/berhasil" dan "gagal". Distribusi binomial digunakan untuk
mendapatkan probabilitas mengamati keberhasilan x dalam uji coba sebanyak n, dengan
probabilitas keberhasilan pada uji coba tunggal dilambangkan dengan p. Distribusi binomial
mengasumsikan bahwa p tetap untuk semua percobaan.
Persamaan untuk fungsi PDF-nya adalah
P(x)=C_x^n p^x q^(n-x)
q = probbilitas gagal dalam trial tunggal
p = 1-q

Kemungkinan seorang pasien dengan serangan jantung meninggal karena serangan itu adalah
0,04 (yaitu, 4 dari 100 meninggal karena serangan itu). Misalkan kita memiliki 5 pasien yang
mengalami serangan jantung, berapa probabilitasnya semua akan selamat?
Jawab :
q = 0,04
p = 1 - 0,04 = 0,96
N=5
X=5
P (x) = 5 C 5 (0,96)^5 (0,04)^0
= 1 . 0,81 . 1
= 0,81

Misalkan 80% orang dewasa dengan alergi melaporkan gejala sembuh dengan obat tertentu. Jika
obat tersebut diberikan kepada 10 pasien baru dengan alergi, berapa kemungkinan obat itu efektif
pada tujuh pasien?
Jawab :
p = 0,8
q = 0,2
N = 10
X=7
P (x) = 10 C 7 (0,8)^7 (0,2)^3
= 120 . 0,21 .0,008
= 0,2016

😁👍
Boleh kalian gunakan excel atau Matlab untuk membuat plot grafik berikut (buat grafik
kemudian copykan hasilnya disini ya mbak )
p = 0.1N = 100, rentang untuk nilai x dari 0 sampai 100.
p = 0.25, N = 100,, rentang untuk nilai x dari 0 sampai 100.
p = 0.5, N = 100, rentang untuk nilai x dari 0 sampai 100.
 p = 0.8, N = 100, rentang untuk nilai x dari 0 sampai 100.

GRAFIK :
Buatlah simpulan dari kelima grafik tersebut (hubungkan dengan nilai parameter lambda)
Simpulan :
Persamaan untuk CDF dapat dituliskan
F(x;p,n)=Σ_(i=0)^x C_i^n p^i q^(n-i)
Buatlah grafik untuk CDF dengan nilai lambda seperti pada grafik PDF

GRAFIK CDF
Distribusi Poisson
Dikembangkan oleh Simeon Denis Poisson (Perancis) pada tahun 1837. Variabel Poisson
memenuhi kondisi berikut :
1. Memodelkan sejumlah kejadian yang terjadi dalam dalam interval waktu tertentu
2. Probabilitas kejadian selama interval waktu yang kecil sebanding dengan lamanya
interval waktu.
Persamaan untuk fungsi PDF-nya adalah
P(x;λ)=(e^(-λ) λ^x)/x! Untuk x = 0, 1, 2, …
λ merupakan ukuran parameter yang mengindikasikan rata-rata jumlah kejadian dalam interval
waktu tertentu.
Seorang Penjual menjual rata-rata 3 polis asuransi tiap minggu. Dengan menggunakan distribusi
Poisson, hitunglah probabilitas penjual tersebut akan menjual
 a. Beberapa polis
Jawab :
λ= 3
Jika x = 0 maka p = 0,0497
Jika x = 1 maka p = 0,1493
Jika x = 2 maka p = 0,2240
Jika x = 3 maka p = 0,2240
Jika x = 4 maka p = 0,1008
Jika x = 5 maka p = 1,5879
Sehingga diketahui probabilitas 1,5879

b. 2 polis atau lebih tetapi kurang dari 5 polis

Jawab :
5 −5 𝑥 2 −3 𝑥
𝑒 3 𝑒 3
P (2 ≤ x ≤ 5) = ∑ 𝑥!
−∑ 𝑥!
0 0
= 1,5879 – 1,0951
= 0,4928

c. Dengan mengasumsikan bahwa ada 5 hari kerja tiap minggu, berapa probabilitas pada
hari tertentu penjual tersebut akan menjual satu polis?
Jawab :
−λ 𝑥
𝑒 λ
P (1;3) = 𝑥!
−3 1
2,718 3
= 1!
= 0,0498 (3) = 0,1494

Jika kegagalan daya listrik terjadi menurut distribusi Poisson dengan rata-rata 3 kegagalan setiap
dua puluh minggu, hitung probabilitas bahwa tidak akan ada lebih dari satu kegagalan selama
minggu tertentu.
Jawab :
p= 3/20 = 0,15

Boleh kalian gunakan excel atau Matlab untuk membuat plot grafik berikut
λ=5, rentang untuk nilai x dari 0 sampai 50.
λ=10, rentang untuk nilai x dari 0 sampai 50.
λ=15, rentang untuk nilai x dari 0 sampai 50.
λ=25, rentang untuk nilai x dari 0 sampai 50.
λ=40, rentang untuk nilai x dari 0 sampai 70.
GRAFIK :

Buatlah simpulan dari kelima grafik tersebut (hubungkan dengan nilai parameter lambda)
Simpulan :

Persamaan untuk CDF dapat dituliskan

F(x;λ)=Σ_(i=0)^x (e^(-λ) λ^i)/i!
Buatlah grafik untuk CDF dengan nilai lambda seperti pada grafik PDF

Disribusi Gauss
Distribusi Gaussian juga disebut distribusi normal. Plot grafiknya adalah sebagai berikut

Tentukan ciri khusus dari distribusi Gaussian.

Ciri distribusi Gaussian/ distribusi normal :
- Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti genta.
 - Simetris terhadap rataan (mean).
- Kedua ujungnya semakin mendekati sumbu absisnya tetapi tidak pernah memotong.
- Jarak titik belok kurva tersebut dengan sumbu simetrisnya sama dengan σ.
- Luas daerah di bawah lengkungan kurva tersebut dari - sampai + sama dengan 1 atau
100%.
Tuliskan persamaan PDF nya.

Keterangan :

π = Konstanta dengan nilai 3,14

e = Bilangan eksponensial dengan nilai 2,7183

µ = Mean dari data

σ = Simpangan baku data berdistribusi normal

Buka link berikut https://jurnal.fmipa.unila.ac.id/jtaf/article/view/2608/1905

Cermati penerapan dari fungsi distribusi gauss di artikel tersebut.

Buatlah plot grafik analitiknya untuk distribusi Gaussian 1 dimensi dengan menuliskan nilai tiap
parameternya

Jika ada pertanyaan bisa langsung ditanyakan disini ya