TEORI

4 DASAR
PELUANG
4.1 PENGERTIAN DASAR

Bila anda melantunkan sebuah uang logam yang baik tiga kali dan mencatat-
kan sisi yang muncul dan banyaknya sisi kepala yang muncul ke atas, maka diperoleh
peragaan sebagai berikut.
Ruang sampel (populasi) S = {KKK, KKE, KEK, KEE, EKK, EKE, EEK,
EEE}, ada sebanyak 8 cara, dan masing-masing disebut titik sampel. Dengan perka-
taan lain anggota dalam ruang sampel itu adalah kejadian (peristiwa)

Ruang sample EEE, KEE, EKE, EEK, KKE, KEK, EKK, KKK

Banyak Kepala 0 1 1 1 2 2 2 3

X 0 1 2 3 peubah
Frekuensi 1 3 3 1
Frekuensi relatif 1/8 3/8 3/8 1/8 peluang

Banyak kepala dinamakan peubah, dalam hal tersebut kejadian adalah acak,
sehingga peubah itu dinamakan peubah acak. Rasio frekwensi suatu peubah dengan
banyak frekuensi populasi adalah frekuensi relatifnya dan nilai tersebut dinamakan
peluang peubah tersebut atau peluang kejadian, dan berturut kejadian munculnya sa-
ma sekali tidak ada kepala, satu kepala , dua kepala dan tiga kepala.

Contoh 4.1

Dalam suatu kotak ada dua bola merah M1 ,M2 dan tiga bola putih P1,P2,P3, Dari
dalam kotak diambil satu bola maka kejadian yang mungkin adalah M1, M2, P1, P2,
atau P3, atau ruang sampelnya {M1 ,M2, P1, P2, P3}, maka peluang terpilihnya satu
bola putih adalah 3/5, sedangkan untuk terpilihnya satu bola merah adalah 2/5, dan
jika dijumlahkan peluang terpilihnya satu bola merah atau terpilihnya satu bola putih
adalah satu.

37
 Apabila dua bola diambil sekali gus,maka ruang sampelnya adalah {M 1M2,
M1P1,M1P2, M1P3,M2P1, M2P2,M2P3, P1P2, P1P3, P2P3} dengan 10 titik sampel, maka
peluang terpilihnya dua bola merah adalah 1/10, peluang terpilihnya dua bola putih
adalah 3/10, sedangkan terpilihnya dua bola dengan satu merah dan satu putih adalah
6/10, seluruhnya berjumlah satu, yang berarti peluang mengambil dua bola adalah
satu.
Bila seandainya pembicaraan adalah banyak bola putih, pernyataan peluang
disimbolkan dengan P maka:

Ruang sampel : {M1M2, M1P1,M1P2, M1P3,M2P1, M2P2,M2P3, P1P2, P1P3, P2P3}

Peubah X : 0 , 1 , 2
P(x) : 1/10 , 6/10 , 3/10

D.4.1. Peubah acak adalah bilangan riel sebagai fungsi kejadian dalam
ruang sampel
X = X(S)

D.4.2 Definisi: Peluang suatu kejadian A adalah jumlah bobot semua titik
sampel yang termasuk kejadaian A. Peluang A ditulis P(A).
0 P(A)  1

T.4.1 Teorema: Jika suatu percobaan dapat menghasilkan N macam hasil

yang berkemungkinan sama, dan bila tepat ada sebanyak n dari ha-
sil tersebut adalah kejadian A adalah P(A) = n/N

D.4.3 Definisi: Fungsi peluang adalah nilai peluang peubah acak

f(x) = P(X=x)

Perhatikanlah suatu segitiga dalam sebuah papan tulis. Papan tulis mau dicat
dengan warna merah Untuk menentukan peluang segitiga dikenai cat merah, sulit me-
nentukan banyaknya titik sampel dalam segitiga, demikian juga seluruh titik sampel
yang membangun papan tulis, karena keduanya sama-sama tak hingga. Tetapi ada
suatu jalan membandingkan ke dua bangun itu yaitu luas., maka peluang segitiga di-
kenai cat warna merah adalah perbandingan luas segitiga dengan luas papan tulis.

S
P(A) = L(A)/L(S)
A

38
 Gambar 4.1 Bahan ilustrasi peluang secara grafis

Untuk ruang sampel tak hingga, dapat ditentukan dengan perbandingan volume atau
mungkin perbandingan berat benda homogen sesuai dengan kewajrannya.

D.4.4 Definisi: P(A) = n(A)/n(S) atau L(A)/L(S) atau V(A)/V(S) atau

B(A)/B(S)

Dalam contoh terdahulu dalam pelemparan tiga buah uang logam, ruang sam-
pel terdiri dari delapan anggota titik sampel, setiap anggota dapat dikorespondensikan
dengan sebuah bilangan bulat, sehingga untuk semua titik sampel dikorespondensikan
dengan bilangan bulat yang terhingga banyaknya yang pemisahnya sangat jelas, ru-
ang sampel demikian dinamakan dengan ruang sampel diskrit, dan peubahnya di-
sebut peubah acak diskrit. Sedangkan dalam contoh bangun segitiga dalam kertas
yang dicat, titik sampel tak hingga tidak mempunyai pemisah yang jelas karena an-
tara dua titik dalam segitiga itu selalu terdapat titik, sehingga setiap titik sampel dapat
dikorespondensikan tepat dengan setiap titik pada suatu penggal garis, dalam hal ini
ruang sampel disebut ruang sampel kontinu dan peubah acaknya disebut peubah
acak kontinu.

D.4.5 Definisi: Jika suatu ruang sampel mengandung titik sampel yang ber-
hingga banyaknya atau suatu deretan angka yang banyaknya sama
dengan banyaknya bilangan bulat maka ruang sampel itu disebut
ruang sampel diskrit, peubah acak yang didefinisikan pada ruang
sampel tersebut adalah peubah acak diskrit

D.4.6 Definisi: Jika suatu ruang sampel mengandung titik sampel tak ber-
hingga banyaknya dan sama banyaknya dengan banyaknya titik
pada sepotong garis , maka ruang sampel itu disebut ruang sampel
kontinu dan peubah acak yang didefinisikan di atasnya disebut
peubah acak kontinu

4.2. BEBERAPA TEOREMA PELUANG

Beberapa dari berbagai torma dasar peluang disajikan sebagai berikut

39
 T.4.2 a. P(A’) = 1-P(A)
b. P() = 0
c. Jika AB maka P(A)P(B)
d . 0 P(A) 1
e. P(A\B) = P(A)-P(AB)
f. P(AB) = P(A)+P(B)-P(AB)
g. P(ABC) = P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)-
P(ABC)

Gambar 4.2 merupakan Illustrasi rumusan tiga kejadian yang mempunyai

kejadian –kejadian atau peluang bersama. Dengan mengurang dan menambah lapisan
yang nampak tumpang tindih dapat ditunjukkan P(ABC) = P(A)+P(B)+P(C)-
P(AB)-P(AC)-P(BC)-P(ABC). Irisan merupakan kejadian bersama dan
ditunjukkan dengan arsiran dua atau tiga kali

A
AB

B
AC ABC

BC
C

Gambar 4.2 Diagram Venn Ilustrasi P(ABC) = P(A)+P(B)+P(C)-

P(AB)-P(AC)-P(BC)-P(ABC)

Perhatikan percobaan lantunan tiga uang logam, rerata munculnya kepala = 

= (0. 1 + 1.3 + 2.3 + 3.1)/8 = 0.1/8 + 1.3/8 + 2.3/8 + 3.1/8 = 1½ dapat dipandang X
= 0.p(0) + 1. p(1) + 2. p(2) + 3. p(3) dinamakan nilai harapan untuk X ditulis E(X).
Dengan simbolik ini E[(X-X )2] =  [(xi-X )2] p(xi) yang ternyata adalah varians
(2x) Secara umum

40
 T.4.3Teorema: a. E(X) = X =  xip(xi)
 x = E[(X-X )2] =  [(xi-X )2] p(xi)
2
X diskrit
T.4.3 b. E(X) = X =  xf(x) dx
 x = E[(X-X )2] =  (x-X )2f(x) X kontinu
2

f(x) =fungsi kepekatan peluang

4. 3 SEBARAN PELUANG

Pada 4.2 f(x) disebut fungsi peluang di mana f(x) = P(X=x), X diskrit. Se-
dangkan fungsi peluang f(x) untuk X kontinu bukan menyatakan nilai peluang tetapi
 a<x<b f(x)x= P(a<X<b dan f (x) dinamakan fungsi kepekatan peluang atau fungsi
padat peluang dan lebih sering disingkat fungsi kepekatan atau fungsi padat. Un-
tuk fungsi padat P(X=x) = 0, P(a<x<b) = P(a x <b) = P(a x  b) = P(a<xb). Pa-
sangan peubah acak dengan fungsi peluang adalah sebaran peluang yaitu
{(x,f(x))|f(x) = P(X=x)} untuk diskrit atau
{(x,f(x))|  a<x<b f(x)dx= P(a<X<b untuk kontinu}.
Sebaran peluang terdiri dari sebaran peluang diskrit dan kontinu dan didefinisi
sebagai berikut

D.4.7 Definisi: Fungsi f(x) adalah suatu fungsi peluang atau sebaran
Peluang suatu peubah acak diskrit X bila untuk setiap hasil yang
mungkin x X dipenuhi
f(x)  0
 f(x) =1
P(X=x) = f(x)

D.4.8 Definisi: Fungsi f(x) adalah suatu fungsi padat peluang peubah acak
kontinu X, yang didefinisikan di atas himpunan semua bilangan riel
R , bila
a. f(x)  0, untuk semua x  X
 f(x)dx =1
P(a<x<b) = a<x<b f(x)dx

Illustrasi gambar 4.2 secara grafis membedakan sebaran diskrit dengan sebar-
an kontinu

a. P(X=xi) = f(xi), f(x1) + f(x2) + f(x3) + f(x4) = 1 diskrit

41
 x2 

b. P(X=x1) = 0, P(x1 <X<x2) =  f ( x )dx ,  f ( x )dx 1

x 

P(xi)=1 Luas kurva yang diarsir garis P(x1<X<x2)

f(x)

a b

x1 x2 x3 x4 x5 0 x1 x2
Gambar 4.3 Illustrasi secara grafis sebaran diskrit dengan sebaran kontinu

4.4 BEBERAPA SEBARAN PELUANG DISKRIT

4.4.1 Sebaran seragam
Nilai peluang untuk setiap x adalah sama suatu bilangan tetap

D.4.9 Definisi: Jika peubah acak X untuk setiap xi  xj berpeluang yang

sama dinamakan sebaran peluang seragam diskrit dan sdiberikan
oleh
f(x;k) = 1/k , x = x1, x2, … , xk

Contoh 4.2

Jika dalam suat rumah berdiam empat orang anak berturut TK(kelas 0), kelas
3, kelas 4 dan kelas 6 SD maka peluang untuk memilih masing-masing anak adalah
sama yaitu 1/4, S = {1,3,4,6} maka
f(x,4) = 1/4, x = 1,3,4,6

Diagram sebagai berikut

f(x;4)
1
/4

0 3 4 6

42
 Gambar 4.4 Histogram pemilihan empat orang anak

T.4.4 Teorema: Rataan dan Varians sebaran seragam diskrit adalah

k k
 =  xi /k dan 2 =  (xi - )2/k
i=1 i=1

4.4.2 Sebaran Binomial dan Multinomial

Suatu percobaan yang hanya terjadi dalam dua jenis kejadian saja dalam
setiap perlakuan disebut percobaan binomial. Perhatikan kejadian pada pelem-paran
tiga uang logam, atau sama saja dengan sebuah uang logam dilantunkan tiga kali,
masing-masing peristiwa hanya kejadian yang terjadi dari dua sisi yakni Kepala dan
Ekor atau sering dengan istilah sukses dan gagal.
Ciri percobaan binomial
a. Terdiri dari n percobaan berulang
b. Tiap percobaan memberi hasil yang terdiri dari sukses atau gagal
c. Nilai peluang sukses tetap dalam tiap percobaan
d. Tiap percobaan bebas dari percobaan lainnya

D.4.10 Definisi: Jika pada suatu percobaan binomial dapat menghasilkan

peluang sukses p dan peluang gagal q = 1-p, maka sebarannya dise-
but sebaran peluang peubah acak binomial X, dan untuk x suk-ses
dari n percobaan adalah
n
b(x;n,p) = ( ) pxqn-x, x = 0,1,3, … , n
x

Contoh 4.3

Carilah peluang memperoleh angka 2 tiga kali dalam pelemparan sebuah dadu
bermata enam sebanyak lima kali.
Jawab: Peluang memperoleh angka 2 dalam sekali lemparan sebuah dadu adalah 1/6,
jadi p = 1/6 dan q = 5/6
5
P(x=2) = b(x:5,1/6) = ( )(1/6)3(5/6)2
3

T.4.5 Torema: Rata-rata dan varians sebaran binomial b(x:n,p) adalah

 = np dan 2 = npq

43
Contoh 4.4

Dalam pelemparan sebuah dadu contoh 4.3, rerata dan varians untuk
munculnya bukan angka 2 adalah
 = np = 5(5/6) = 41/6 dan 2 = npq= 5.1/6.5/6
Percobaan yang menghasilkan lebih dari dua kemungkinan sedemikian
disebut percobaan multinomial dan sebaran yang ditimbulkannya dinamakan
sebaran multinomial.

D.4.11 Definisi: Suatu kejadian tertentu dapat menghasilkan k macam

hasil E1, E2, … , Ek, dengan peluang p1, p2, … , pk, sebaran pe-luang
acak x1, x2, … , xk, yang menyatakan terjadinya E1, E2, … , Ek,
dalam n kejadian bebas dinamakan sebaran peluang multi-nomial
an dinyatakan dengan:
f(x1, x2, … , xk; p1, p2, … , pk,n) =

dengan

Contoh 4.5

Berapa peluang munculnya kejadian pelemparan sebuah dadu 16 kali, dengan

mata 1 muncul 2 kali, mata 2 muncul 4 kali, mata 3 muncul kali, mata 5 muncul 2
kali dan mata 6 muncul 1 kali.

Jawab:

f(2,4,4,3,2,1;(1/6,1/6,1/6,1/6,1/6,1/6),16) =

 16
 1 21 41 41 31 21
  ;( /6) ( /6) ( /6) ( /6) ( /6) ( /6) = 2,30.10-6
2 4 4 3 2 1

4.4.3 Sebaran Binomial Negatif dan Geometrik

44
 Apabila suatu kejadian yang terdiri dari sukses dan gagal dilakukan n kali
sehingga banyaknya sukses k kali dan sukses ke k adalah perlakuan ke-x (ter-akhir )
maka ada sebanyak n-k gagal, ada sebanyak kombinasi (k-1) unsur dari (x-1) unsur
cara kemungkinan itu terjadi
sebanyak k-1 unsur sukes S

S S S G G G G S G S …S Tetap
S
sebanyak x unsur dalam x kali berulang perlakuan

Peluang tiap salah satu cara urutan adalah pkqx-k , q =1-p sedangkan kemungkinan
banyak urutan (susunan)

 x 1   x 1  k x-k
  sehingga semua peluang adalah   p q
 k 1   k 1 
Dalam hal ini nilai x hanya mungkin untuk lebih atau sama dengan k yaitu k+1, k+2,
… dan suku-sukunya berpadanan dengan suku-suku dalam penguraian pkqx-k, q =1-p
sehingga alas an ini diberi nama sbaran binomial negatif

D.4.12 Definisi: Bila kejadian yang saling bebas dan terdiri dari sukses de-
ngan peluang p dan gagal q = 1-p dilakukan x kali dengan mengha-
silkan sukses ke-k pada pengulangan ke-x, maka sebaran peluang
disebut sebaran binomial negatif dan ditandai dengan

b*(x;k,p) = pkqx-k, x = k, k+1, k+2, …

Contoh 4.6 k-1

Menurut pendapat DPRD TK II di daerahnya ada 20 orang pejabat yang

memenuhi syarat menjadi calon kepala daerah, delapan orang diantaranya wanita.
Untuk menentukan calon diperlukan seleksi tujuh kali, berapa peluang ba-hwa dalam
seleksi tersebut terdapat tiga kali pria dan seleksi terakhir calon kepala daerah adalah
wanita.

Jawab:

Peluang terpilihnya wanita dalam tiap seleksi adalah p= 8/20= 2/5 dan ter-
pilihnya pria dalah q = 3/5. x = 7 yaitu banyak kali seleksi dan k = 4 menyatakan
banyak kali munculnya wanita dalam seleksi.
Jadi peluang bahwa dalam seleksi terakhirnya terdapat wanita sebagai calon ke-
pala daerah adalah:

45
  7 1 
b*(7;4,2/5) =   (2/5)4(3/5)7-4 = 0.06
 41 

Selanjutnya apabila k= 1, maka suku binominal negatif menjadi suku suatu de-
ret ukur (geometrik) pq sehingga sebarannya dinamakan sebaran geometrik

D.4.13 Definisi: Bila kejadian yang saling bebas dan terdiri dari sukses de-
ngan peluang p dan gagal dengan peluang q=1-p dilakukan
berulang kali dan berakhir pada sukses yang pertama maka
sebaran peluangnya dinamakan sebaran geometrik dan ditandai
dengan
g(x;p) =pqx-1 , x= 1, 2, 3 …..

Contoh 4.7

Jika untuk contoh 4.6 diminta peluang bahwa pada seleksi terakhir ke-3 ada-
lah terpilihnya wanita untuk pertama kalinya, ini berarti dalam sebaran geometrik
dengan k = 1 dan x = 3, sehingga g(3;1,2/3) = (2/5).(3/3)3-1 =0,144. Jika diselesaikan
dengan sebaran binomial maka diperoleh
2
b*(3:1,2/5) =   (2/5)(3/5)2 = 1.2/5. )(3/5)2 = g(x;2/5)
0
4.4.4 Sebaran Hipergeometrik

Katakanlah dalam suatu kotak terdapat N kelereng di antaranya terdapat k

kelereng merah, dari dalam kotak diambil secara acak n kelereng. Bila X peubah acak
terambilnya kelereng merah maka x = 0,1,2, ... n maka peluang bahwa dalam
pengambilan terdapat kelereng 0,1, ... ,atau n (xX)

 k  N k 
  
 x  n  k 
f(x) = P(X=x) = , x = 0,1, ... , n
 N
 
k

Percobaan di atas disebut percobaan hipergeometrik, sedangkan peubah acak

hipergeometrik.
D.4.14 Definisi: Sebaran peluang peubah acak X, yaitu banyaknya suk-ses
x dalam sampel acak ukuran n yang diambil dari N benda yang
mengandung x sukses dan N-k gagal dinamakan sebaran
hipergeometrik dan dinyatakan dengan

h(x ; N,n,k) =, x = 0,1, ... , n

46
 T.4.6 Teorema: Rataan dan varians sebaran hipergeometrik h(X;N,n,k)
adalah berturut
 = nk/N dan 2 = .n. (1- k/N)

Contoh 4.8

Jika dalam kotak tersebut di atas N = 8, k = 3, dan n =2. Bila X peubah acak
terambilnya kelereng merah maka x = 0,1,2 maka peluang bahwa dalam pengambilan
terdapat kelereng 0,1, 2 berturut
 3  83 
  
 0  20  10
h(0 ; 8,2,3) = = /28
8
 
2
  83 
3
  
 1  21  15
h(1 ; 8,2,3) = = /28
8
 
2
 3  83 
  
 2  2 2  3
h(2 ; 8,2,3) = = /28
8
 
2

Dan selanjutnya  = n.k/N = 2.3/8 = 0,75

2 = N-k/N-1.n. (1- k/N)= 8-3/8-1.2.(1-3/8)=0,3340

47
 Apabila suatu kejadian E berukuran N objek terdiri dari k lebih dari dua kasus
misalkan E1, E2, ... , Ek dengan masing-masing berukuran e1, e2, ... , ek, (di mana e =
N), maka untuk mencari peluang pengambilan sebanyak2 ukuran n ojek yang terdiri
dari x1 kasus E1, x2 kasus E2, ... , xk kasus Ek, (x = n) dapat dilakukan dngan
perluasan sebaran hipergeometrik

 e1  e 2   e k 
  ... 
 x1  x 2   x k 
N
 
k

D.4.15 Definisi: Andaikan suatu kejadian berukuran N objek yang terdiri

dari E1 berukuran e1, E2 berukuran e2, ... , EK berukuran ek,
sebaran peluang peubah acak X1, X2, ... , Xk yang berturut
menyatakan ukuran partisi E1,E2, ..., Ek dalam sampel acak
berukuran n disebut sebaran hipergeometrik multivariat dinyata-
kan dengan
f(x1,x2, ... ,xk; e1,e2, ... , ek, N,n) =

dengan  xi = k dan  ei = N

Contoh 4.9
Jika dalam suatu kelompok asrama terdapat 10 orang siswa yang terdiri dari 3
orang siswa SMA, 3 orang siswa SMEA dan 4 orang siswa STM, berapakah peluang
bahwa dalam pilihan 6 orang di antara mereka yang terdiri dari 2 orang SMA,
seorang SMEA dan 3 orang STM

Jawab:
N = 10, e1 = 3, e2 = 3, e3 = 4, x1 = 2, x2 = 1 dan x3 = 3, maka

48
  3  3  4 
   
 2  1  3 
Maka f(2,1 ,3;3,3,3,4,10,6) = --------------- = 36/70
 10 
 
6

4.4.5 Sebaran Poisson

Seseorang kehilangan ataupun menemukan selembar uang kertas nilai seratus

rupiah jarang melaporkannya kepada polisi untuk diumumkan. Kejadian yang jarang
terjadi disebut percobaan Poisson dan sebaran peluangnya disebut sebaran Poisson.
Sifat percobaan Poisson
a. Bebas: banyak sukses terjadi pada selang waktu tertentu tidak mempeng-aruhi
pada banyak sukses pada selang waktu tertentu lainnya.
b. Keseandingan: peluang terjadinya sukses tunggal dalam suatu selang waktu
yang amat pendek atau daerah yang amat kecil sebanding dengan panjang
slang waktu atau besarnya daerah dan tidak tergantung pada banyaknya
sukses yang terjadi di luar selang waktu atau daerah tersebut.
c. Pengabaian: peluang terjadinya lebih dari satu sukses dalam selang waktu
yang pendek atau daerah yang sempit tersebut dapat diabaikan.

D.4.16 Definisi: Sebaran peluang acak X yang menyatakan banyaknya

sukses yang terjadi dalam suatu selang waktu atau daerah tertentu
disebut sebaran Poisson dan ditandai dengan:
e-x
p(x;) = -------- ; x = 0,1,2,3,...
x!
 = rata-rata banyaknya sukses yang terjadi dalam selang waktu
atau daerah tertentu dan e = 2,7182...

Contoh 4.10

Menurut cacatan seorang Kepala Desa rataan buta huruf di daerahnya adalah
1,5 orang perseratus orang penduduknya. Berapa peluang terdapatnya buta huruf dari
suatu sampel berukuran 200 orang penduduk daerahnya?

Jawab:
Rataan buta huruf dalam per-200 orang adalah 3, sehingga peluang tidak
adanya uta huruf dalam sampel yang terpilih (x = 0) adalah:

49
 e-330
P(0;3) = -------- = e-3 = 0,0498 . Jadi adanya buta huruf adalah 0,9502
0!

T.4.7 Teorema: Rata-rata dan varians sebaran Poisson p(x:) adalah:

x =  , x2 = 

Contoh 4.11

Rerata dan varians untuk contoh 4.10 adalah 3

Penghampiran sebaran binomial dapat dilakukan dengan sebaran Poisson

untuk n besar dan p mendekati nol

T.4.8 Teorema: Misalkan X peubah acak binomial dengan sebaran peluang

b(x;n,p). Bila n , n 0 dan  = np maka

b(x ;n,p)  p(x;)

Contoh 4.12

Peluang seseorang memenangkan suatu undian harapan adalah 0,0004. Dari

6000 orang pembeli undian tentukanlah peluang yang memenangkan undian
a. tidak ada b. 3 orang c. lebih dari 3 orang

Jawab:

Sebaran yang cocok dengan permasalahan ini adalah sebaran binomial dengan
b(x:6000,0,0004), tetapi penyelesaian dapat dilakukan dengan pendekatan oleh
sebaran poisson yang lebih memudahkan perhitungan
 = Np = 6000 . 0,0004 = 2,4, merupakan angka yang diharapkan atau rerata
banyak orang yang akan memenangkan undian pada 6000 peserta
Katakanlah banyak memenangkan undian dengan x
a. Peluang tidak ada yang dapat memenangkan undian adalah
e 2.4 ( 2,4) 0
P(x = 0) = p(0;2,4) = = 0,0907
0!
b. Peluang adanya 3 orang yang memenangkan undian x = 3 adalah

50
 e 2 , 4 ( 2,4) 3
P(x =3) = p(0;2,4) = = 0,2090
3!
c. Peluang memenangkan undian lebih dari 3 orang adalah
= p(4;2,4) + p(5;2,4) + p(6;2,4) + ...
= 1-p(0;2,4) – p(1;2,4) – p(2;2,4) – p(3;2,4)

e 2.4 (2,4)1
P(x =1) = p(1;2,4) = -------------- = 0,2177
1!

e 2.4 ( 2,4) 2
P(x=2) = p(0;2,4) = = 0,2613
2!

Jadi P(X>3) = 1 – 0,0907-0,2177-0,2613- 0,2090 = 0,4027

51