DISTRIBUSI DISKRIT
Pengantar
Yang termasuk distribusi diskrit antara lain:
1. Distribusi Hipergeometrik.
2. Distribusi Binomial (proses Bernoulli).
3. Distribusi Geometrik (proses Bernoulli).
4. Distribusi Binomial Negatif (proses Bernoulli).
5. Distribusi Poisson (proses Poisson).
6. Distribusi Eksponensial (proses Poisson).
7. Distribusi Gamma (proses Poisson).
8. Distribusi Multinomial.
1
2019-09-29
1. Distribusi Hipergeometrik
• Jika diambil sampel acak berukuran n (tanpa mengembalikan) dari
suatu populasi yang terbatas berukuran N populasi tsb terbagi
dalam 2 kel kel ke-1 terdiri dari k elemen. contoh distribusi
Hipergeometrik
• Contoh kasus Hidrologi: jika di suatu DAS ada N stasiun
pengukur curah hujan k masih berfungsi (yg lain rusak)
probabilitas bahwa suatu sampel acak berukuran n mengandung x
stasiun yg msh berfungsi Hypergeometrik
n .k
Rerata = E(X ) =
N
n . k ( N − k )( N − n )
Ragam = Var ( X ) =
N 2 ( N − 1)
2
2019-09-29
3
2019-09-29
10 20 10 20 10 20 10 20
+ + +
0 10 1 9 2 8 3 7
=────────────────────────────────────
30
10
Statistika Dasar
7
16.835.406
= ───────── = 0,5603
30.045.015
Statistika Dasar
8
4
2019-09-29
2. Distribusi Binomial
• Dilakukan n kali percobaan ber-turut-2
• 2 akibat: sukses atau gagal
• prob sukses: p prob gagal q = 1-p
• prob sukses untuk setiap percobaan bersifat independent dari
percobaan-2 sebelumnya.
• disebut Proses Bernoulli.
Rerata = E ( X ) = n. p
Ragam = Var ( X ) = n . p . q
5
2019-09-29
x
40
= • 0 .1 4 • 0 .9 ( 40 − 4 )
4
= 91.390 x 0,0001 x 0,0225284 = 0,2059
6
2019-09-29
40 40 40
= • 0 . 1 0 • 0 . 9 40 + • 0 . 1 1 • 0 . 9 39 + • 0 . 1 2 • 0 . 9 38 +
0 1 2
40
+ • 0 . 1 3 • 0 . 9 37
3
3. Distribusi Geometrik
7
2019-09-29
x −1 dengan: x = 1, 2, ...., n
f X ( x; p ) = p . q
1
Rerata = E(X ) =
p
q
Ragam = Var ( X ) =
p2
a) Berapa probabilitas bahwa hujan pertama pada bulan Mei akan terjadi
pada hari ke-5 ?
b) Secara rata-rata, hujan pertama pada bulan Mei akan terjadi pada hari
yang keberapa ?
8
2019-09-29
1 1
• b. E(X) = = = 4.
p 0 . 25
9
2019-09-29
x − 1
f X ( x ; k , p ) = . p k
.q x−k
dengan: x = k, k+1, ....., dst
k − 1
k
Rerata = E(X ) =
p
k .q
Ragam = Var ( X ) =
p2
20 − 1
a. fx(20; 4, 0.25) = • 0 . 25 4
• 0 . 75 20 − 4
4 − 1
= 969 × 0,003906 × 0,010023 = 0,0379
10
2019-09-29
k 4
b. E(X) = =
p 0 . 25
5. Distribusi Poison
• Misalkan suatu proses Bernoulli didefinisikan pada suatu interval
waktu (atau ruang)
• hingga p adalah prob bahwa suatu kejadian akan terjadi selama
interval waktu tsb.
• Jika interval waktu itu dibuat semakin singkat sehingga prob p juga
semakin kecil dan jumlah percobaan n menjadi makin besar dan
np tetap konstan
• maka banyaknya kejadian yang diharapkan terjadi selama total
interval waktu tertentu tetap sama np disebut juga sebagai λ,
• distribusi Binomial pada kondisi seperti ini, mendekati distribusi
Poisson
11
2019-09-29
λ x .e − λ
f X ( x; λ ) = dengan: x = 0, 1, 2, ....; λ >0
X!
x
Komulatif: ∑
i=0
λ i .e − λ
dengan: x = 0, 1, 2, ....; λ>0
F X ( x; λ ) =
i!
Rerata = E(X ) = λ
Ragam = Var ( X ) = λ
Jawab:
12
2019-09-29
• fx(1;0.5) = 0.303
λ x .e − λ
f X ( x; λ ) =
X!
Jawab:
• Distribusi Binomial fx(5;10,0.5) = 0.246.
n
f X ( x ; n , p ) = p x . q n − x
x
13
2019-09-29
• fx(5;5) = 0.176.
λ x .e − λ
f X ( x; λ ) =
X!
• Untuk keadaan ini, n tidak cukup besar dan p tidak cukup kecil
pendekatan dengan distribusi Poisson tidak memberikan hasil yang
cukup memuaskan
Jawab:
• Karena n relatif besar dan p kecil, maka dapat digunakan
pendekatan dengan distribusi Poisson:
• λ = n.p = 100 × 0.05 = 5
• Fx(4;5) = 0.440.
λ x .e − λ
f X ( x; λ ) =
X!
14
2019-09-29
6. Distribusi Eksponensial
• Distribusi probabilitas yang mana munculnya antar
kejadian mempunyai tenggang waktu T, dapat diperoleh
dengan memperhatikan bahwa prob(T≤t) = 1-prob(T>t).
Prob(T>t) sama dengan probabilitas tidak ada kejadian
selama t yaitu sebesar fx(0;λt) = e-λt.
Prob ( T ≤ t ) = PT ( t ; λ ) = 1 − e − λ t
PDF: dP T ( t ; λ )
p T (t ; λ ) = = λ . e −λt
dt
1
Rerata = E(X ) =
λ
1
Ragam = Var ( X ) =
λ2
15
2019-09-29
Jawab: Prob ( T ≤ t ) = PT ( t ; λ ) = 1 − e − λ t
• λ = 1/40 = 0.025.
• t = 8.
• Prob(T≤8) = 1 - e-λt = 1 – e-(0.025)(8) = 0.1813
7. Distribusi Gamma
• Distribusi probabilitas dari tenggang waktu T untuk pada kejadian
ke-n dapat diperoleh berdasarkan kenyataan bahwa:
• T = T1 + T2 + .... + Tn
• dengan: Ti adalah variabel acak bebas (independent) dari
distribusi eksponensial
16
2019-09-29
n
Rerata = E(X ) =
λ
n
Ragam = Var ( X ) =
λ2
Jawab:
• Misalkan 8 hari dianggap 1 periode (t = 1).
• λ = 8 × 0.5 = 4. n = 3.
17
2019-09-29
pT(t;n,λ) = ∫ p T ( t ; n , λ ) dt = λn 1 − λ t 2 2t 2
e
( n − 1 )!
− t + λ + 2
0
λ λ 0
pT(1;3,4)
→ (untuk n = 3)
1
43 1 − 4 t 2 2t 2
=
( 3 − 1 )! − 4
e t + 4 + 2
4
0
Jawab:
• Misalkan 12 hari dianggap 1 periode (t = 1).
• λ = 12 × 0.4 = 4.8. n = 4.
18
2019-09-29
pT(t;n,λ) = ∫0
p T ( t ; n , λ ) dt
pT(1;4,4.8)
t
λn 1 − λ t 3 3t 2 6t 6
= ( n − 1 )!
− e t + + + → (untuk n = 4)
λ λ λ 2 λ3 0
4 .8 4 1 − 4 . 8 t 3 3t2 6t 6
= ( 4 − 1 )! − e t + + +
4 .8 4 .8 4 .8 2 4 .8 3
0
= 0.7058.
19
2019-09-29
8. Distribusi Multinomial
• Distr binomial dpt diperluas unt mencakup probabilitas lebih dari
dua tipe akibat.
• Jika ada k tipe akibat, dgn masing-2 memp prob terjadinya sebesar
p1, p2, .... , pk, maka dalam percobaan-2 yang independent
• besarnya prob bahwa akan terjadi akibat tipe 1 sebanyak x1,
akibat tipe 2 sebanyak x2, ...., akibat tipe k sebanyak xk,
• distribusi multinomial
n! X1 X 2 Xk
f X 1, X 2 ,..., Xk ( x 1 , x 2 ,..., x k ; n , p 1 , p 2 ,..., p k ) = p 1 . p 2 .... p k
x 1 ! , x 2 !... x k !
syarat: Σpi = 1
Σxi = n
Rerata = E(X ) = n . pi
Ragam = Var ( X ) = n . p i . (1 − p i )
20
2019-09-29
n = 20
Akibat tipe 1: Qp < 200 m3/dt x1 = 4 & p1 = 0.2
Akibat tipe 2: Qp antara 200 sampai 400 m3/dt x2 = 8 & p2 = 0.4
Akibat tipe 3: Qp > 400 m3/dt x3 = 20 - 4 - 8 = 8
p3 = 1 - 0.2 - 0.4 = 0.4
n! X1 X 2 Xk
f X 1, X 2 ,..., Xk ( x 1 , x 2 ,..., x k ; n , p 1 , p 2 ,..., p k ) = p 1 . p 2 .... p k
x 1 ! , x 2 !... x k !
20!·(0.2)4·(0.4)8·(0.4)8
f4,8,8(4,8,8;20,0.2,0.4,0.4) = ──────────────── =0.0429.
4!·8!·8!
21
2019-09-29
22