Probablitas Diskrit Dan Kontinu
Probablitas Diskrit Dan Kontinu
Stat
E-mail : vistat12@gmail.com
nurvitatrianasari@telkomuniversity.ac.id
Mobile : 081322892073
BIOSTATISTIKA
PENDAHULUAN PELUANG
ISTILAH PENTING
3. subjective probability
Penilaian/pendapat individu mengenai probabilitas suatu kejadian
Ruang Sampel
Ruang Sampel adalah kumpulan seluruh kejadian
yang mungkin keluar
Contoh: 6 sisi dadu
52 kartu
Penggambaran Kejadian (Events)
Tabel Kontingensi
As Bukan As Total
Hitam 2 24 26
Merah 2 24 26
Total 4 48 52
24
Kejadian (Events)
Kejadian Tunggal (Simple event)
Hasil yang mungkin muncul dari ruang sampel dengan
satu karakteristik
Contoh: kartu merah yang muncul dari setumpuk kartu
Kebalikan (complement) dari kejadian A (A’)
Semua hasil yang muncul yang bukan bagian A
Contoh: semua kartu yang bukan merah
Kejadian yang berhubungan (Joint event)
Terkait dengan dua karakteristik yang simultan
Contoh: kartu as yang juga termasuk kartu merah
Penggambaran Kejadian (Events)
Diagram Venn
misal A = kartu as
misal B = kartu merah A ∩ B = as dan merah
A U B = as atau merah B
Kejadian“Mutually Exclusive”
Warna
Tipe Merah (B1) Hitam (B2) Total
As (A) 2 2 4
Bukan As 24 24 48
Total 26 26 52
Contoh Probabilitas Marginal
P(As)
2 2 4
P( As dan Merah) P( As dan Hitam)
52 52 52
Warna
Tipe Merah (B1) Hitam (B2) Total
As (A) 2 2 4
Bukan As 24 24 48
Total 26 26 52
Menggunakan Tabel Kontingensi untuk
menggambarkan Probabilitas yang
berhubungan (joint)
Event
Event B1 B2 Total
A1 P(A1 dan B1) P(A1 dan B2) P(A1)
Hukum Umum:
P(A atau B) = P(A) + P(B) - P(A dan B)
P(A | B) P(A)
Kejadian A dan B bersifat independen jika probabilitas
dari satu kejadian tidak dipengaruhi oleh kejadian yang
lain
Contoh
Tidak Puas
TIPE TV Puas (A) Total
(A’)
Plasma (B) 64 16 80
Bukan
176 44 220
Plasma (B’)
Discrete Continuous
Random Variable Random Variable
Variabel Acak Diskrit
Hanya bisa mengasumsikan nilai-nilai yang
bisa dihitung
Contoh:
0.50
G G 0.25
0 1 2 X
Variabel Acak Diskrit
Expected Value (atau mean) dari distribusi
diskrit (Weighted Average)
N
E(X) Xi P( Xi )
i1
X P(X)
Contoh: Lempar 2 koin, 0 0.25
X = # Gambar, 1 0.50
Hitung expected value dari X: 2 0.25
E(X) = (0 x 0.25) + (1 x 0.50) + (2 x 0.25)
= 1.0
Variabel Acak Diskrit
(continued)
Varians dari variabel acak diskrit
N
σ 2 [Xi E(X)]2 P(Xi )
i1
where:
E(X) = Expected value of the discrete random variable X
Xi = the ith outcome of X
P(Xi) = Probability of the ith occurrence of X
Variabel Acak Diskrit
(continued)
σ [X E(X)] P(X )
i
2
i
Discrete Continuous
Probability Probability
Distributions Distributions
Binomial Normal
Poisson
Distribusi Binomial
Probability
Distributions
Discrete
Probability
Distributions
Binomial
Poisson
Formula Distribusi Binomial
n! X nX
P(X) p (1-p)
X ! (n X)!
n!
P(X 1) p X (1 p)n X
X!(n X)!
5!
(0.1)1(1 0.1)51
1! (5 1)!
(5)(0.1)(0.9) 4
0.32805
Distribusi Binomial
The shape of the binomial distribution depends on the
values of p and n
Mean P(X) n = 5 p = 0.1
.6
Here, n = 5 and p = 0.1 .4
.2
0 X
0 1 2 3 4 5
.6
P(X) n = 5 p = 0.5
Here, n = 5 and p = 0.5
.4
.2
0 X
0 1 2 3 4 5
Karakteristik Distribusi Binomial
Mean
μ E(x) np
Varians and Simpangan Baku
σ np(1 - p)
2
σ np(1 - p)
Where n = jumlah sampel
p = peluang sukses
(1 – p) = peluang gagal
Karakteristik Binomial
Examples
μ np (5)(0.1) 0.5
Mean P(X) n = 5 p = 0.1
.6
.4
σ np(1- p) (5)(0.1)(1 0.1) .2
0.6708 0 X
0 1 2 3 4 5
Examples:
n = 10, p = 0.35, x = 3: P(x = 3|n =10, p = 0.35) = 0.2522
n = 10, p = 0.75, x = 2: P(x = 2|n =10, p = 0.75) = 0.0004
Distribusi Poisson
Probability
Distributions
Discrete
Probability
Distributions
Binomial
Poisson
Distribusi Poisson
x
e
P( X)
X!
where:
X = jumlah kejadian yang diharapkan
= expected value
e = natural logarithm (2.71828...)
Karakteristik Distribusi Poisson
Mean
μλ
Variance and Standard Deviation
σ2 λ
σ λ
where = expected number of events
Tabel Poisson
e λ λ X e 0.50 (0.50)2
P(X 2) 0.0758
X! 2!
Grafik Probabilitas Poisson
0.70
Graphically: 0.60
= 0.50 0.50
= P(x) 0.40
X 0.50
0.30
0 0.6065
0.20
1 0.3033
2 0.0758 0.10
3 0.0126 0.00
0 1 2 3 4 5 6 7
4 0.0016
5 0.0002 x
6 0.0000
P(X = 2) = 0.0758
7 0.0000
Bentuk Distribusi Poisson
0.70
= 0.50 0.25
= 3.00
0.60
0.20
0.50
0.15
0.40
P(x)
P(x)
0.30 0.10
0.20
0.05
0.10
0.00 0.00
0 1 2 3 4 5 6 7 1 2 3 4 5 6 7 8 9 10 11 12
x x
Distribusi Probabilitas Kontinyu
Variabel Acak Kontinyu merupakan variabel yang
diasumsikan memiliki nilai kontinyu (nilai yang tak
hingga)
Tingkat ketebalan suatu produk
Waktu yang dibutuhkan untuk menyelesaikan pekerjaan
Suhu ruangan
Tinggi badan
Ciri-cirinya :
Kurva berbentuk lonceng
Rata-rata, Median dan Modus benilai sama (= Md= Mo)
Kurva berbentuk simetris
Kurva normal berbentuk asimptotis
Kurva mencapai puncak pada saat X=
Luas daerah di bawah kurva adalah 1, ½ di sisi kanan nilai tengah dan
½ di sisi
kiri.
Lokasi sebuah distribusi normal ditentukan oleh rata-rata, . Dispersi atau
sebarannya ditentukan oleh standar deviasi, σ
Secara teori, variabel acak memiliki jarak tak hingga: - to +
Distribusi Probabilitas Normal
0.4
0.3
dnorm(x)
0.2
0.1
0.0
-4 -2 0 2 4
Kurva normal
Distribusi Probabilitas Normal
Distribusi Normal
0.5
0.4
0.3
dnorm(x, 5, 1)
0.2
0.1
0.0
0 2 4 6 8 10
Distribusi Normal
1.5
1.0
dnorm(x, 0, 0.25)
0.5
0.0
-4 -2 0 2 4
0.8
0.6
dnorm(x, 1, 0.5)
0.4
0.2
0.0
-6 -4 -2 0 2 4
0.2
0.1
0.0
-4 -2 0 2 4
1 (1/2)[(X μ)/σ]2
f(X) e
2π
X μ
Z
σ
Dimana :
X = nilai beberapa pengamatan atau pengukuran tertentu
= rata-rata distribusi
= standar deviasi
Distribusi Probabilitas Normal Baku
Contoh 1:
Gaji mingguan para pekerja pada industri farmasi
mengikuti distribusi probabilitas normal dengan rata-rata
$1.000 dan standar deviasi $100. Berapa nilai z untuk
gaji, sebut saja X, untuk seorang pekerja yang
mendapatkan $1.100 per minggu? Berapa nilai z untuk
seorang pekerja yang mendapatkan $900 per minggu?
Distribusi Probabilitas Normal Baku
Jawab :
nilai z untuk dua nilai X ($1.100 dan $900) adalah
Untuk X = $1.100 ;
Z = $1.100-$1.000 = 1,00
$100
Untuk X = $900 ;
Z = $900-$1.000 = -1,00
$100
Nilai Z = 1,00 menunjukkan bahwa upah mingguan $1.100
adalah satu standar deviasi diatas rata-rata, dan nilai z -1,00
menunjukkan bahwa upah $900 adalah satu standar deviasi
dibawah rata-rata. Perhatikan bahwa kedua gaji tersebut
berjarak sama ($100) dari rata-rata.
Aturan Empiris Distribusi Probabilitas
Normal Baku
f(X)
μ ± 1σ berada sekitar 68%
dari nilai X
σ σ
μ- μ μ+ X
1σ 68.26%
1σ
Distribusi Probabilitas Normal Baku
2σ 2σ 3σ 3σ
μ x μ x
95.44% 99.73%
Distribusi Probabilitas Normal Baku
Membandingkan Nilai X dan Z
7 9 X (μ = 7, σ = 2)
0 1.0 Z (μ = 0, σ = 1)
f(X) P (a ≤ X ≤ b)
= P (a < X < b)
(probabilitas dari setiap
angka adalah 0)
a b X
Distribusi Probabilitas Normal Baku
μ X
P( X ) 1.0
Distribusi Probabilitas Normal Baku
P( 0 ≤ z ≤ a )= nilai tabel a
Contoh 2 :
Dari 500 daun teh yang di petik dari kebun XYZ menunjukan Dari
hasil pengamatan bahwa rata-rata panjang daun teh tersebut 151
mm dengan standard deviasi sebesar 15 mm. Dengan asumsi
bahwa panjang daun-daun yang diamati tersebut berdistribusi
normal, diantara daun-daun yang diamati tersebut, berapa yang
memiliki panjang antara 120 mm sampai dengan 155 mm?
Distribusi Probabilitas Normal Baku
Jawab :
n = 500; rata-rata = 151; s = 15
Untuk menghitung jumlah daun yang memiliki panjang antara 120
mm sampai dengan 155 mm nilai probabilitas terlebih dulu dihitung
dengan formulasi :
Contoh 3 :
Nilai rata-rata hasil ujian suatu matakuliah adalah 65,dengan varians
36. Salah satu ketentuan agar peserta mendapat nilai A, jika
angkanya minimal 75. Peserta ujian akan mendapat nilai B, jika nilai
angkanya paling sedikit 60 dan kurang dari 75.Bila diketahui
pencaran nilai peserta ujian mendekati distribusi normal, maka bila
diambil seorang peserta ujian secara acak, tentukan probalitas
bahwa ia adalah peserta ujian yang mendapat nilai A ?
Distribusi Probabilitas Normal Baku
jawab :
µ = 65
σ² = 36 sehingga σ = 6
Probabilitas mendapat nilai A dapat dihitung sebagai berikut :
Distribusi Probabilitas Normal Baku
Latihan
Soal :
Sebuah penelitian terbaru mengenai gaji per jam
perawat dirumah sakit menunjukkan rata-rata
gaji per jam adalah $20,5 dengan standar
deviasi $3,50. Asumsikan distribusi gaji per jam
mengikuti distribusi probabilitas normal. Jika kita
memilih seorang perawat secara acak berapa
probabilitas perawat itu mendapatkan:
a. Antara $20,50 dan $24,00 per jam?
b. Lebih dari $24,00 per jam?
c. Kurang dari $19,00 per jam?
tERiMa KaSih