DISTRIBUSI DISKRIT KHUSUS

•Uniform
U if (seragam)
( ) •Multinomial
M li i l
•Bernoulli •Hipergeometrik
•Binomial •Geometrik
•Poisson •Binomial Negatif
MA 2081 Statistika Dasar
y
Utriweni Mukhaiyar

27 September 2012
 2

Distribusi uniform (seragam)

( g )
• Peubah acak X diasumsikan setiap nilainya
(x1, x2, …, xk) memiliki peluang yang sama.
sama
• Distribusi peluang X :
1
P( X  x)  , x  x1 , x2 ,..., xk
k
• Rataan : 1 k
   xi
k i 1
• Variansi :
1 k
    xi   
2 2

k i 1
 3

Bukti :
mean dan variansi untuk p
p.a
a distribusi seragam
seragam.
Berdasarkan definisi ekspektasi,
k k
xi 1 k
  E[ X ]   xi P( X  xi )     xi ,
i 1 i 1 k k i 1
k
1 k
  E  X        xi    P( X  xi )    xi   
2 2 2 2
  i 1 k i 1
 4

C t h1
Contoh
• Pelantunan sebuah dadu.
1
P( X  x)  , x  1, 2,3, 4,5, 6
6
0.18

1 2  3  4  5  6 0.175
  3,5
35

P(X=x)
6 0.17

0.165

12
 2 2
 32
 4 2
 5 2
 6 2
2   3.52 0.16
1 2 3 4 5 6
6 x

 15.17
15 17  12 25  22.92
12.25 92
 5

Percobaan Bernoulli

• Percobaan terdiri dari 1 usaha

Sukses
Usaha
G
Gagal
l
• Peluang sukses  p
Peluang gagal  1-p
1p
• Misalkan

1, jika terjadi sukses

X 
0, jika terjadi tidak sukses (gagal)
 6

Distribusi Bernoulli

• X berdistribusi
b di t ib i Bernoulli,
B lli

 p x (1  p )1 x , x  0,1
P( X  x)  ber ( x; p )  
0 , x lainnya

• Rataan : E[X] = µx = p
Var(X)= x2 = p(1-p)
• Variansi : Var(X) p(1 p)
 7

Percobaan Binomial
• n usaha yang berulang.
• Tiap usaha memberi hasil yang dapat
dikelompokkan menjadi sukses atau gagal.
• P l
Peluangg sukses
k tidak
tid k b
berubah
b hddarii usaha
h yang
g
satu ke yang berikutnya.
• Tiap usaha saling bebas.
bebas
 8

Di ib i Bi
Distribusi Binomial
i l
 Distribusi binomial
binomial, parameter n dan p
 Notasi X ~ B(n,p)

 F.m.p:
n x
P( X  x)  b( x; n, p )    p (1  p ) n  x
 x
 Koefisien binomial : n! = n.(n-1).(n-2) … 1
n n!
   untuk x = 0,1, … , n
 x  x !( n  x )!
o Rataan : E[X] = µx = np
o Variansi : var(X)= X2 = np(1-p)
 9

Contoh 2
Suatu penelitian dilakukan untuk melihat sikap
masyarakat tentang obat penenang. Penelitian
itu menunjukkan bahwa sekitar 70% penduduk
percaya ‘obat penenang tidaklah mengobati
apapun obat itu hanyalah menutupi penyakit
apapun,
sesungguhnya’. Menurut penelitian ini, berapa
peluang bahwa paling sedikit 3 dari 5 orang
yang dipilih secara acak berpendapat seperti
itu?
 10

edited 2011 by UM

Jawab
Misalkan p
peubah acak X menyatakan
y banyaknya
y y
penduduk percaya ‘obat penenang tidaklah mengobati
apapun, obat itu hanyalah menutupi penyakit
sesungguhn a’.
sesungguhnya
Maka X~B(5, 0.7)
Yang ingin
Y i i dicari
di i adalah d l h P(X  3). 3)
P(X  3) = P(X = 3) + P(X = 4) + P(X = 5)
5 5 5
    0.7   0.3      0.7   0.3      0.7   0.3 
3 2 4 1 5 0

 3 4 5
5! 5! 5!
 (0, 343)(0, 09) 
(0 343)(0 (0 240)(0 30) 
(0, 240)(0, (0,168)(1)
(0 168)(1)
2!3! 1!4! 0!5!
 0, 309  0, 360  0,168  0,837
 11

P
Percobaan
b P i
Poisson
• Memiliki 2 keluaran hasil : SUKSES dan GAGAL.
• Terdefinisi pada : (yang membedakan dari
percobaan Binomial)
▫ Panjang selang waktu
▫ Luas daerah/area
C t h:
Contoh
- Banyak kejadian angin tornado dalam satu
tahun di US
- Banyak batu “Apung” ditemukan di setiap 2
meter panjang sungai “A”
 12

Proses Poisson
 Selang waktu atau daerahnya saling bebas.
 Peluangg pada
p Proses Poisson tergantung
g gppada
selang waktu dan besarnya daerah.
 Peluang untuk selang yang pendek atau
daerah yang sempit dapat diabaikan.
 13

Distribusi Poisson
 Peubah acak X berdistribusi Poisson
X~P((t))
 t
 t 
x
e
 F.m.p : P( X  x)  , x  0,1, 2,...
x!
e = tetapan Euler (2.71828…)

o Rataan : E[X] = X = t
var(X)= X2 = t
o Variansi : var(X)
 14

Contoh 3
Rata-rata banyaknya kejadian hujan beserta badai dalam
satu bulan
b l (empat
( minggu)
i ) di suatu daerah
d h adalah
d l h 7.
7
a. Hitung peluang bahwa lebih dari 2 kejadian hujan
beserta badai menimpa daerah tersebut dalam periode
2 minggu.
b. Berapa rata-rata banyaknya kejadian hujan beserta
badai menimpap daerah tersebut dalam pperiode 2
bulan.
 15

Alur Analisis Kasus

 16
Jawab
• Kasus Diskrit
• Misal p.a. X : banyak kejadian hujan beserta badai dalam satu bulan di suatu daerah
Jenis
kasus • Distribusi Poisson

• Satuan waktu : 1 bulan = 4 minggu (Kasus dapat dibagi atas 2 jenis berdasar satuan
waktunya
• Jika dipandang waktu dalam bulan, ambil t = 1
Satuan
p g waktu dalam minggu,
• Jika dipandang gg ambil t = 4

• Rata-rata kejadian 1 bulan : 7, rata-rata kejadian 1 minggu : 7/4

Paramet • Jika t = 1 (dalam bulan) maka X ~ P (7), dengan rata-rata  = t = 7
er
distribus • Jika t = 4 (dalam minggu) maka X ~ P (7) , dengan rata rata  = t = (7/4)(4) = 7
rata-rata
i

• t = 0,5 (dalam bulan), X ~ P(3,5) maka P(X>2) = ....

Pertanya • t = 2 (dalam minggu), X ~ P(3,5) maka P(X>2) = ....
an
a.

Pertanya • t = 2 (dalam bulan), X ~ P(14) maka  = ....

an • t = 8 (dalam minggu), X ~ P(14) maka  = ....
b.
 ...
 t
 t 
x
e
Ingat definisi: P( X  x)  , x  0,1, 2,...
x!
sehingga
a. P( X  2)  1  P  X  2 
 1  P  X  0   P  X  1  P  X  2 
e 3,5  3,5  e 3,5  3,5  e 3,5  3,5 
0 1 2
t  0,5
 1  
0! 1! 2!
 1  0.030  0,106  0,370  0, 494

b. Jika dalam 1 bulan, rata-rata banyak kejadian hujan

beserta badai adalah 7 (=7) maka dalam 2 bulan (t=2), rata-
rata banyak hujan beserta badai terjadi adalah t = 14.
14
17
 18
Hubungan distribusi
Bernoulli Binomial,
Bernoulli, Binomial Poisson dan Normal
Misalkan p.a X
Distribusi
Di t ib i Bernoulli
B lli
X ~ Ber (1, p)

n >1
Distribusi Normal n >>>
N(μ, σ2)
X ~ N(μ, σ Distribusi Binomial
μ = np, σ2 = np(1- p) X ~ Bin (n, p)

μ =  , σ2 =  n >>>, p <<<

n >>> Distribusi Poisson

DLP
X ~ POI (t)
 = np = np(1- p)
 19

Beberapa
p distribusi diskrit lainnya
y
• Distribusi Multinomial
• Di t ib i Hipergeometrik
Distribusi Hi t ik
• Distribusi Binomial Negatif
• Distribusi Geometri
 20

Di t ib i Multinomial
Distribusi M lti i l
• Bila suatu usaha tertentu dapat menghasilkan k macam hasil
E1, E2, …, Ek dengan peluang p1, p2, …, pk, maka distribusi
peluang peubah acak X1, X2, …, Xk yang menyatakan banyak
terjadinya E1, E2, …, Ek dalam n usaha bebas ialah,

 n  x1 x2
P ( X 1  x1 , X 2  x2 ,..., X k  xk )    1 2
p p  p xk
k
 1 2
x , x ,..., xk 

dengan, Percobaan Binomial menjadi

Multinomial jjika setiap
p
k k percobaan memiliki lebih dari
x
i 1
i n dan p
i 1
i 1 dua kemungkinan hasil.
 21

C
Contoh
h4
• Peluang seorang perwakilan datang ke suatu konferensi di suatu
kota menggunakan pesawat, bus, mobil pribadi, dan kereta
berturut-turut adalah 0.4, 0.2, 0.3, dan 0.1. Hitung peluang dari
9 perwakilan yang datang 3 orang datang menggunakan
pesawat, 3 orang dengan bus, 1 orang dengan mobil pribadi, dan
2 orang dengan kereta.
• Jawab:
Misalkan Xi : banyaknya perwakilan yang datang menggunakan
transportasi i, i=1,2,3,4 berturut-turut mewakili
pesawat bus,
pesawat, bus mobil pribadi
pribadi, dan kereta
kereta.
 9 
P( X 1  3, X 2  3, X 3  1, X 4  2)          
3 3 1 2
 0.4 0.2 0.3 0.1
 3,3,1, 2 
9!
  0.064  0.08 0.3 0.01  2520 1.536 105  0, 038702
3!3!1!2!
 22

Di ib i Hipergeometrik
Distribusi Hi ik
• X ~ h(N,
( , n,, k))
• X : banyaknya sukses dalam sampel acak ukuran n
yang diambil dari N benda yang mengandung k
bernama sukses dan N N-k
k bernama gagal.

 k  N  k 
  

P ( X  x)  h( x; N , n, k )     ,
x n x
x  0,1, 2,..., n
N
 
n
 Rataan :  Variansi :
nk N n k  k 
  2
n 1  
N N 1 N  N 
 23

Contoh 5
• Dari 50 gedung di sebuah kawasan industri, 12 gedung
mempunyai kode pelanggaran. Jika 10 gedung dipilih
secara acak dalam suatu inspeksi, hitung peluang bahwa 3
dari 10 gedung mempunyai kode pelanggaran!
• Jawab :
Misalkan X : banyak gedung yang dipilih mempunyai kode
pelanggaran.
l
X ~ h(50, 10, 12)
12  38 
  
 3  7   220 12620256 
P ( X  3)  h(3;50,10,12)    0.2703
 50  10272278170
 
 10 
 24

Kaitannya dengan distribusi Binomial

• Percobaan binomial maupun hipergeometrik
sama-sama memiliki 2 kemungkinan, yaitu sukses
dan gagal.
• Perbedaan mendasar adalah pada binomial
percobaan dilakukan dengan pengembalian
sedangkan hipergeometrik, percobaan dilakukan
tanpa pengembalian.
• Untuk ukuran sampel acak (n) yang diambil
semakin kecil terhadap N,
N maka distribusi
hipergeometrik dapat dihampiri oleh distribusi
Binomial, dengan peluang sukses k/N .
 25

Di ib i Geometrik
Distribusi G ik
• X ~ g(p) atau X ~ Geom(p)
• X : banyaknya usaha sampai saat terjadi sukses pertama
dari usaha-usaha yang saling bebas dengan peluang
sukses p dan gagal (1-p).

P ( X  x)  g ( x; p )  p (1  p ) x 1 , x  1, 2,...

 Rataan :  Variansi :

1 1 p
 2 
p p2
 26

Contoh 6
• Suatu tes hasil pengelasan logam meliputi proses
pengelasan sampai suatu patahan terjadi. Pada jenis
pengelasan tertentu, patahan terjadi 80% disebabkan oleh
logam itu sendiri dan 20% oleh penyinaran pada
pengelasan. Beberapa hasil pengelasan dites. Misalkan X
adalah banyak tes yang dilakukan sampai ditemukan
patahan pertama pada hasil pengelasan
pengelasan. Hitung peluang
pada tes ketiga ditemukan patahan pertama!
• Jawab :
X ~ Geom(0.2)

P( X  3)  g (3;0.2)
(3;0 2)  0.2(0.8)
0 2(0 8) 2  0.128
0 128
 27

Distribusi Binomial Negatif

 X ~ b*(k, p)
 X : banyaknya
b k usaha
h yang berakhir
b kh tepat pada
d sukses
k k k dari
ke-k d
usaha-usaha saling bebas dengan peluang sukses p dan gagal (1-p).

 x  1 k xk
P ( X  x)  b *( x; k , p)    p (1  p ) , x  k , k  1, k  2...
 k  1
• Suatu peubah acak Binomial negatif adalah jumlah dari peubah
acak-peubah acak Geometrik.
X = Y1 + Y2 + ... + Yk
dimana Y1, Y2, ..., Yk adalah peubah acak saling bebas, masing-
masing berdistribusi Geom(p).
k k (1  p )
 Rataan :   Variansi :  
2

p p2
 28

C t h7
Contoh
• Perhatikan Contoh 6.
• Misalkan X adalah banyak tes yang dilakukan
sehingga ditemukan 3 patahan pertama. Hitung
peluang bahwa dilakukan 8 tes sehingga
ditemukan 3 patahan pertama!
• Jawab
J b:
7
P( X  8)  b *(8;3 0 2)    (0.2)
(8;3, 0.2) (0 8)5  0.05505
(0 2)3 (0.8) 0 05505
 2
 29

Referensi
 Navidi, William., 2008, Statistics for Engineers and
Scientists, 2nd Ed
Scientists Ed., New York: McGraw
McGraw-Hill.
Hill
 Walpole, Ronald E. dan Myers, Raymond
H Ilmu Peluang dan Statistika untuk Insinyur dan
H.,
Ilmuwan, Edisi 4, Bandung: Penerbit ITB, 1995.
 Walpole, Ronald E., et.al, 2007, Statistitic for
Scientist and Engineering, 8th Ed., New Jersey:
Prentice Hall.
 Pasaribu, U.S., 2007, Catatan Kuliah Biostatistika.