TUGAS STATISTIKA DAN PROBABILITAS

AGUNG PERMANA
3332200021
KELAS A

1. Distribusi Binomial Negatif (Negative Binomial)

1.1 Definisi

Distribusi ini berkaitan dengan suatu percobaan yang diulang beberapa

kali secara bebas sehingga mendapatkan sukses yang ke-𝑟. Dimana sukses
terakhir adalah akhir percobaan. Secara khusus, untuk 𝑟 = 1 distribusi ini
sama dengan distribusi geometrik.

Dalam teori probabilitas dan statistika, distribusi binomial negatif

termasuk distribusi probabilitas diskret jumlah keberhasilan dalam n
percobaan yang saling bebas.

Percobaan akan mengikuti distribusi binomial jika dalam setiap percobaan

selalu memiliki dua kejadian yang mungkin, yakni ”Sukses” atau ”Gagal”.
Dimana dua kemungkinan tersebut selalu memiliki nilai probabilitas yang
sama. Dalam praktiknya, sukses dan gagal dapat didefinisikan sesuai
keperluan, Misal:
1. Lulus (sukses), tidak lulus (gagal)
2. Setuju (sukses), tidak setuju (gagal)
3. Barang bagus (sukses), barang sortiran (gagal)
4. Puas (sukses), tidak puas (gagal)

Percobaan akan mengikuti distribusi binomial negatif jika:

1. Percobaan terdiri atas 𝑛 usaha yang saling independen atau saling bebas,
maksudnya hasil suatu percobaan tidak akan berpengaruh terhadap hasil
percobaan selanjutnya.
2. Tiap percobaan hanya terdiri dari dua kejadian yang mungkin, sukses atau
gagal.
3. Probabilitas sukses dan gagal untuk tiap percobaan adalah tetap, yaitu 𝑝
dan probabilitas gagal adalah 1 − 𝑝

Variabel random yang menyatakan banyaknya percobaan agar terjadi

sukses ke- 𝑘 merupakan variable random binomial negatif.
1.2 Fungsi Peluang

Secara umum jika 𝑋 sebagai banyak percobaan sehingga didapat sukses

yang ke-r, 𝑝 menyatakan peluang sukses, dan 𝑞 menyatakan peluang gagal.
Sehingga diperoleh pdf atau fungsi kepadatan peluang dari 𝑋 adalah

𝑥−1
𝑓( 𝑥 ) = ( ) 𝑝 𝑟 𝑞𝑥−𝑟 (𝑥 = 𝑟, 𝑟 + 1, 𝑟 + 2, 𝑟 + 3, . . )
𝑟−1
atau

𝑓( 𝑥 ) 𝑥−1 𝑥−𝑟
=( ) 𝑝 𝑟 (1 − 𝑝) (𝑥 = 𝑟, 𝑟 + 1, 𝑟 + 2, 𝑟 + 3, . . )
𝑟−1
Fungsi 𝑓(𝑥) disebut fungsi kepadatan peluang (distribusi binomial
negative) dari peubah acak X diskrit, jika memenuhi kedua syarat fungsi
peluang ;

1. Untuk syarat yang pertama jelas bahwa 0 ≤ 𝑓(𝑥) ≤ 1

2. ∑𝑥 𝑓(𝑥) = 1

Proof

∑𝑥 𝑓(𝑥) = 𝑓(𝑥)
𝑥=𝑟
∑∞

∞
= 𝑥=𝑟 (𝑥−1
𝑟−1) 𝑝𝑟(1 − 𝑝)𝑥−𝑟
𝑟−1 (𝑟+1)−1 (𝑟+2)−1
= ( )𝑝𝑟(1 − 𝑝)𝑟−𝑟 + ( )𝑝𝑟(1 − 𝑝)(𝑟+1)−𝑟 + ( )𝑝𝑟(1 −
𝑟−1 𝑟−1 𝑟−1
(𝑟+3)−1
𝑝)(𝑟+2)−𝑟 + ( )𝑝𝑟(1 − 𝑝)(𝑟+3)−𝑟 + ⋯
𝑟−1

= (𝑟−1)𝑝𝑟(1 − 𝑝)0 + ( 𝑟 )𝑝𝑟(1 − 𝑝)1 + (𝑟+1)𝑝𝑟(1 − 𝑝)2 + (𝑟+2)𝑝𝑟(1 −

𝑟−1 𝑟−1 𝑟−1 𝑟−1

𝑝)3 + ⋯

= 𝑝𝑟 + ( 𝑟 )𝑝𝑟(1 − 𝑝) + (𝑟+1)𝑝𝑟(1 − 𝑝)2 + (𝑟+2)𝑝𝑟(1 − 𝑝)3 + ⋯

𝑟−1 𝑟−1 𝑟−1

𝑟! (𝑟+1)!
= 𝑝𝑟 + (𝑟−1)) !(𝑟−1)!
(𝑟− 𝑝𝑟(1 − 𝑝) + ((𝑟+1)−(𝑟−1))!(𝑟−1)! 𝑝𝑟(1 − 𝑝)2 +
(𝑟+2)!
((𝑟+2)−(𝑟−1))!(𝑟−1)! 𝑝𝑟(1 − 𝑝)3 + ⋯
𝑟! (𝑟+1)! (𝑟+2)!
= 𝑝𝑟 + 𝑝𝑟(1 − 𝑝) + 𝑝𝑟(1 − 𝑝)2 +
1 !(𝑟−1)! 𝑝𝑟(1 − 𝑝)3 + ⋯
2!(𝑟−1)! 3!(𝑟−1)!
 𝑟(𝑟−1)! (𝑟+1)𝑟(𝑟−1)! (𝑟+2)(𝑟+1)𝑟(𝑟−1)!
=𝑝𝑟 {1 + 1!(𝑟−1)! (1 − 𝑝) + 2!(𝑟−1)! (1 − 𝑝)2 + 3!(𝑟−1)! (1 −

𝑝)3 + ⋯ }

𝑟 (𝑟+1)𝑟 (𝑟+2)(𝑟+1)𝑟
=𝑝𝑟 {1 + (1 − 𝑝) + (1 − 𝑝)2 + (1 − 𝑝)3 + ⋯ }
1! 2! 3!

1 1 1
= 𝑝𝑟 𝑟 = 𝑝𝑟 (1−1+𝑝)𝑟 = 𝑝𝑟 (𝑝)𝑟
(1−(1−𝑝))

1
= 𝑝𝑟 =1
𝑝𝑟

Dari pembuktian diatas dapat di ketahui bahwa fungsi 𝑓(𝑥) merupakan

fungsi kepadatan peluang dari peubah acak X diskrit. Peubah acak semacam
ini disebut bersebaran binomial negatif (negative binomial), di notasikan
sebagai 𝑋~𝑁𝐵 (𝑟, 𝑝), dan fungsi kepadatan peluangnya ditulis sebagai
𝑓(𝑥; 𝑟, 𝑝). sehingga

( )( ( ) ) 𝑥−1 𝑟 𝑥−𝑟
𝑋~𝑁𝐵 𝑟, ↔ 𝑋 = 𝑥 = 𝑓 𝑥; 𝑟, = ( ) (1 − 𝑝)
𝑝 𝑃 𝑝 𝑟 − 1𝑝

𝑥 = 𝑟, 𝑟 + 1, 𝑟 + 2 ….

Dimana 𝑝(𝑋 = 𝑥) adalah peluang terjadi sukses ke 𝑟 pada percobaan ke 𝑥.

Distribusi peluang dari peubah acak 𝑋 dapat dinyatakan dengan bentuk lain,
dengan menggunakan transformasi 𝑌 = 𝑋 − 𝑟, dimana 𝑌 menyatakan jumlah
kegagalan sebelum terjadi sukses 𝑟. Distribusi peubah acak Y dapat
dinyatakan dengan

𝑦+𝑟−1 𝑟
𝑃(𝑌 = 𝑦) = 𝑓(𝑦; 𝑟, 𝑝) = ( )𝑝 𝑦
𝑞 𝑦 = 0,1,2,3, …
𝑟−1

Kata binomial negatif didapat dari hubungan distribusi peluang dari

peubah acak dengan bentuk lain yang sudah dijelaskan sebelumnya, lebih
lengkapnya sebagai berikut:

𝑟+𝑦−1
( 𝑦
−𝑟 −𝑟(−𝑟 − 1) … (−𝑟 − 𝑦 + 1)
( )𝑦
)= ( 𝑦 ) = −1 (𝑦)(𝑦 − 1) … (2)(1)
(−1)
𝑦

Suatu peubah acak 𝑿 berdistribusi negatif binomial bila (untuk suatu

bilangan bulat 𝒓 ≥ 𝟏, dan suatu p dengan 𝟎 ≤ 𝒑 ≤ 𝟏
 Dalam percobaan tertentu dikatakan 𝑞 menyatakan peluang gagal sehingga
dapat dikatakan 𝑞 = 1 − 𝑝, dimana 𝑝 menyatakan peluang sukses, dan
percobaan yang dilakukan bebas satu sama lain.

1.3 Parameter Distribusi

a. Mean/Ekspektasi
𝑟
𝐸(𝑋) =
𝑝

keterangan:

𝑟 = Jumlah percobaan sampai mendapatkan sukses ke−𝑟

𝑝 = Peluang sukses

proof:

𝐸(𝑋) = ∑𝑥 𝑥 𝑓(𝑥)
= 𝑥(
𝑥−1
)𝑝𝑟𝑞𝑥−𝑟 = ∑∞ 𝑥(𝑥−1)𝑝𝑟(1 − 𝑝)𝑥−𝑟
∑∞
𝑥=𝑟 𝑟−1 𝑥=𝑟 𝑟−1

= 𝑟(𝑟−1)𝑝𝑟(1 − 𝑝)𝑟−𝑟 + (𝑟 + 1)((𝑟+1)−1)𝑝𝑟(1 − 𝑝)(𝑟+1)−𝑟 + (𝑟 +

𝑟−1 𝑟−1
(𝑟+2)−1 𝑟
2)( 𝑟−1
)𝑝 (1 − 𝑝)(𝑟+2)−𝑟 + ⋯

= 𝑟(𝑟−1)𝑝𝑟(1 − 𝑝)0 + (𝑟 + 1)( 𝑟

)𝑝𝑟(1 − 𝑝)1 + (𝑟 + 2)(𝑟+1)𝑝𝑟(1 − 𝑝)2 + ⋯
𝑟−1 𝑟−1 𝑟−1

𝑟! (𝑟+1)!
= 𝑟𝑝𝑟 + (𝑟 + 1) (𝑟−1))!(𝑟−1)!
(𝑟− 𝑝𝑟(1 − 𝑝) + (𝑟 + 2) ((𝑟+1)−(𝑟−1))!(𝑟−1)! 𝑝𝑟(1 −
𝑝)2 + ⋯
𝑟! (𝑟+1)!
= 𝑝𝑟{𝑟 + (𝑟 + 1) (1 − 𝑝) + (𝑟 + 2 ) (1 − 𝑝)2 + ⋯ }
1!(𝑟−1)! 2!(𝑟−1)!

𝑟( 𝑟 − 1 ) ! (𝑟 + 1)𝑟(𝑟 − 1)!
𝑟
= 𝑝 {𝑟 + (𝑟 + 1) (1 − 𝑝) + (𝑟 + 2) (1 − 𝑝)2 + ⋯ }
1! (𝑟 − 1)! 2! (𝑟 − 1)!
𝑟 (𝑟+1)𝑟
= 𝑝𝑟{𝑟 + (𝑟 + 1) (1 − 𝑝) + (𝑟 + 2) (1 − 𝑝)2 + ⋯ }
1! 2!

(𝑟+1)𝑟
= 𝑝𝑟{𝑟 + (𝑟 + 1)𝑟(1 − 𝑝) + (𝑟 + 2) (1 − 𝑝)2 + ⋯ }
2
 (𝑟+1)
= 𝑝𝑟𝑟{1 + (𝑟 + 1)(1 − 𝑝) + (𝑟 + 2) (1 − 𝑝)2 + ⋯ }
2

1 1 1
= 𝑝𝑟𝑟 (1−(1−𝑝))𝑟+1 = 𝑝𝑟𝑟 𝑟
(1−1+𝑝)𝑟+1 = 𝑝 𝑟 ( 𝑝)𝑟+1

1 1
= 𝑝𝑟𝑟 =𝑟 𝑟
𝑝𝑟𝑝1 𝑝1 =𝑝

b. Varian

𝑟(1 − 𝑝)
𝑉𝑎𝑟 (𝑥) =
𝑝2

keterangan:

𝑟 = Jumlah percobaan sampai mendapatkan sukses ke−𝑟

𝑝 = Peluang sukses

proof:

𝐸(𝑋(𝑋 − 𝑟)) = ∑𝑥 𝑥(𝑥 − 𝑟)𝑓(𝑥)

∞
= ∑𝑥=𝑟 𝑥(𝑥 − 𝑟)(𝑟−1
𝑥−1
) 𝑝𝑟(1 − 𝑝)𝑥−𝑟

= 0 + (𝑟 + 1)1( 𝑟
)𝑝𝑟(1 − 𝑝) + (𝑟 + 2)2(𝑟+1)𝑝𝑟(1 − 𝑝)2 +
𝑟−1 𝑟−1
𝑟+2
(𝑟 + 3)3(𝑟−1 )𝑝𝑟(1 − 𝑝)3 + ⋯
𝑟ǃ (𝑟+1)ǃ
= (𝑟 + 1) 1ǃ(𝑟−1)ǃ 𝑝𝑟(1 − 𝑝) + (𝑟 + 2)2 𝑝𝑟(1 − 𝑝)2 +
2ǃ(𝑟−1)ǃ
(𝑟+2)ǃ 𝑟
(𝑟 + 3)3 3ǃ(𝑟−1)ǃ 𝑝 (1 − 𝑝)3 + ⋯
(𝑟+1)𝑟
=(𝑟 + 1)𝑟𝑝𝑟(1 − 𝑝) + (𝑟 + 2) 𝑝𝑟(1 − 𝑝)2 +
1ǃ
(𝑟+2)(𝑟+1)𝑟
(𝑟 + 3) 𝑝𝑟 (1 − 𝑝)3 + ⋯
2ǃ
(𝑟+2) (𝑟+3)(𝑟+2)𝑟
= (𝑟 + 1)𝑟𝑝𝑟(1 − 𝑝){1 + (1 − 𝑝) + (1 − 𝑝)2 +
1ǃ 2ǃ
⋯}
1
= (𝑟 + 1)𝑟𝑝𝑟(1 − 𝑝)
(1−(1−𝑝))𝑟+2

1
= (𝑟 + 1)𝑟𝑝𝑟(1 − 𝑝)
𝑝𝑟+2

(𝑟+1)𝑟(1−𝑝)
= 𝑝2
𝐸(𝑋(𝑋 − 𝑟)) = 𝐸(𝑋2 − 𝑋𝑟)

= 𝐸(𝑋2) − 𝐸(𝑋𝑟) = 𝐸(𝑋2) − 𝐸(𝑋)𝐸(𝑟) = 𝐸(𝑋2) − 𝐸(𝑋)𝑟

= 𝐸(𝑋2) − 𝑟𝐸(𝑋)

Penjabaran diatas sesuai dengan teorema ekspektasi.

𝐸(𝑋2) = 𝐸(𝑋(𝑋 − 𝑟)) + 𝑟𝐸(𝑋)

(𝑟+1)𝑟(1−𝑝) 𝑟
= 𝑝2 + 𝑟𝑝

𝑟2+𝑟−𝑟2𝑝−𝑟𝑝+𝑟2𝑝
= 𝑝2

𝑟2+𝑟−𝑟𝑝
= 𝑝2

Var (x) = 𝐸(𝑋2) − 𝐸(𝑋)2

𝑟2+𝑟−𝑟𝑝 𝑟 2
= –( )
𝑝2 𝑝

𝑟−rp
= 𝑝2

𝑟(1−𝑝)
= 𝑝2

c. Fungsi Pembangkit Momen

𝑟
𝑀(𝑡) = ( 𝑝𝑒𝑡 )
𝑡
1 − (1 − 𝑝)𝑒

Keterangan:

p=Peluang Sukses

Proof:

𝑀(𝑡) = 𝐸(𝑒𝑋𝑡)

𝑥𝑡 𝑥−1 𝑟
= ∑𝑥 𝑓(𝑥) = 𝑥=𝑟 𝑒 ( )𝑝 (1 − 𝑝)𝑥−𝑟
𝑒𝑥𝑡 ∑∞
𝑟−1
( ) 1−
= 𝑒𝑡𝑟𝑝𝑟 + 𝑒𝑡(𝑟+1) ( ) 𝑝𝑟(1 − 𝑝) + 𝑒𝑡(𝑟+2) 𝑟 + 1𝑝 𝑟( 𝑝 )2 + ⋯
𝑟
𝑟−1 𝑟−1
𝑟!
= 𝑝𝑟𝑒𝑡𝑟 {1 + 𝑒𝑡 (1 − 𝑝) + 𝑒2𝑡
(𝑟+1)!
1!(𝑟−1)! (1 − 𝑝)2 + ⋯ }
2!(𝑟−1)!
 𝑟(𝑟−1)! (𝑟+1)𝑟(𝑟−1)!
= 𝑝𝑟𝑒𝑡𝑟 {1 + 𝑒𝑡 (1 − 𝑝) + 𝑒2𝑡 (1 − 𝑝)2 + ⋯ }
1!(𝑟−1)! 2!(𝑟−1)!

𝑟 (𝑟+1)𝑟 2
= 𝑝𝑟𝑒𝑡𝑟 {1 + (𝑒𝑡(1 − 𝑝)) + (𝑒𝑡(1 − 𝑝)) + ⋯ }
1! 2!

1
= 𝑝𝑟𝑒𝑡𝑟 (1−(1−𝑝)𝑒𝑡)𝑟
𝑟
𝑝𝑒𝑡
=( )
1−(1−𝑝)𝑒𝑡

1.4 Contoh Aplikasi

Distribusi ini seringkali digunakan untuk memodelkan jumlah
keberhasilan pada jumlah sampel n dari jumlah populasi N. Apabila sampel
tidak saling bebas (yakni pengambilan sampel tanpa pengembalian), distribusi
yang dihasilkan adalah distribusi hipergeometrik, bukan binomial. Semakin
besar N daripada n, distribusi binomial merupakan pendekatan yang baik dan
banyak digunakan.

Contoh soal binomial negatif

Dalam suatu turnamen bola voli pertandingan dinyatakan berakhir jika

salah satu tim sudah memperoleh tiga kali kemenangan. Missal tim A sedang
berhadapan dengan tim B. bedasarkan data yang diperoleh dari pertandingan-
pertandingan sebelumnya diperoleh bahwa 𝑃(𝐴 𝑚𝑒𝑛𝑎𝑛𝑔) = 0.6, pada tiap
pertemuan dan anggap merupakan kejadian bebas. Berapakah peluang bahwa
pertandingan berakhir dalam empat pertemuan?

Diketahui: 𝑥 = 4 𝑝𝑒𝑟𝑡𝑎𝑛𝑑𝑖𝑛𝑔𝑎𝑛 𝑝𝐴 = 𝑞𝐵 = 0.6

𝑟 = 3 𝑘𝑒𝑚𝑒𝑛𝑎𝑛𝑔𝑎𝑛 𝑝𝐵 = 𝑞𝐴 = 0.4
Ditanyakan: Peluang pertandingan berakhir pada empat pertemuan?

Pertandingan akan berakhir jika A menang atau B menang. Artinya,

pertandingan akan berakhir jika A berhasil memperoleh 3 kali kemenangan atau B
berhasil memperoleh 3 kali kemenangan.

P(A menang dalam pertandingan) + P(B menang dalam pertandingan)

Jawab:P(A menang dalam pertandingan) = 𝑏 ∗ (𝑥; 𝑟, 𝑝𝐴) =𝑟−1
(𝑥−1)𝑝𝑟𝑞𝑥−𝑟
4−1
= 𝑏 ∗ (4; 3,0.6) = (3−1 )(0.6)3(0.4)4−3

= (23)(0.6)3(0.4)1
3!
= (0.216)(0.4)
2!
3.2!
= (0.0864)
2!.1!

= 3(0.0864)
= 0.2592

P(B menang dalam pertandingan)= 𝑏 ∗ (𝑥; 𝑟, 𝑝𝐵) =𝑟−1

(𝑥−1)𝑝𝑟𝑞𝑥−𝑟
4−1
= 𝑏 ∗ (4; 3,0.4) = (3−1 )(0.4)3(0.6)4−3

= (23)(0.4)3(0.6)1
3!
= (0.064)(0.6)
2!
3.2!
= (0.0384)
2!.1!

= 3(0.0384)
= 0.1152
P(A menang dalam pertandingan) + P(B menang dalam pertandingan) =
0.2592 + 0.1152 = 0.3744

2. Distribusi Geometrik

2.1 Definisi

Distribusi geometrik adalah kasus khusus dari distribusi binomial negatif

untuk 𝑟 = 1, yaitu distribusi peluang banyaknya percobaan yang diperlukan
untuk mendapatkan sukses pertama.

Distribusi ini berpangkal pada percobaan Bernoulli dimana hanya terdapat

dua kemungkinan yaitu sukses atau gagal, yang diulang berkali-kali sampai
 mendapatkan sukses pertama. Dimana setiap percobaan tidak akan
berpengaruh pada percobaan selanjutnya.

2.2 Fungsi Peluang

Secara umum jika 𝑋 adalah sebagai banyak percobaan sampai

mendapatkan sukses pertama, 𝑝 menyatakan peluang kejadian sukses, dan 𝑞
menyatakan peluan kejadian gagal. Maka diperoleh pdf dari 𝑋 adalah

𝑓(𝑥) = 𝑝(𝑞)𝑥−1 𝑥 = 1,2,3. ..

Atau

𝑓(𝑥) = 𝑝(1 − 𝑝)𝑥−1 𝑥 = 1,2,3. ..

Peubah acak semacam ini disebut bersebaran geometrik, ditulis sebagai

𝑋~𝐺𝐸𝑂(𝑝), dan pdf atau fungsi kepadatan peluangnya nya ditulis sebagai

𝑋~𝐺𝐸𝑂(𝑝) ↔ 𝑝(𝑋 = 𝑥) = 𝑝(1 − 𝑝)𝑥−1, 𝑥 = 1,2,3, …

Fungsi 𝑓(𝑥) disebut fungsi kepadatan peluang (distribusi geometrik) dari

peubah acak X diskrit, jika memenuhi kedua syarat fungsi peluang ;

1. Untuk syarat yang pertama jelas bahwa 0 ≤ 𝑓(𝑥) ≤ 1

2. ∑𝑥 𝑓(𝑥) = 1

Untuk pembuktian :

∑𝑥 𝑓(𝑥) = 𝑓(𝑥) = 𝑝(1 − 𝑝)𝑥−1

𝑥=1
∑∞ ∑∞ 𝑥=1

= 𝑝(1 − 𝑝)1−1 + 𝑝(1 − 𝑝)2−1 + 𝑝(1 − 𝑝)3−1 + 𝑝(1 − 𝑝)4−1 + ⋯

= 𝑝 + 𝑝(1 − 𝑝) + 𝑝(1 − 𝑝)2 + 𝑝(1 − 𝑝)3 + ⋯

= 𝑝{1 + (1 − 𝑝) + (1 − 𝑝)2 + (1 − 𝑝)3 + ⋯ }

1 1
= 𝑝 1−(1−𝑝) = 𝑝 = 1
𝑝

Seperti sebelumnya, distribusi peluang dari peubah acak 𝑋 dapat

dinyatakan dengan bentuk lain, dengan menggunakan transformasi 𝑌 = 𝑋
− 𝑟, dimana 𝑌
 menyatakan jumlah kegagalan sebelum terjadi sukses 𝑟. Khusus untuk
distribusi geometrik, 𝑟 = 1. Distribusi peubah acak Y dapat dinyatakan dengan

𝑦+1−1 1
𝑃(𝑌 = 𝑦) = 𝑓(𝑦; 𝑟, 𝑝) = ( ) 𝑝𝑞 𝑦
𝑦 = 0,1,2,3, …
1−1

𝑠𝑒ℎ𝑖𝑛𝑔𝑔𝑎
𝑦
𝑃(𝑌 = 𝑦) = 𝑓(𝑦; 𝑟, 𝑝) = ( ) 𝑝1𝑞𝑦 𝑦 = 0,1,2,3, …
0

𝑃(𝑌 = 𝑦) = 𝑓(𝑦; 𝑟, 𝑝) = 𝑝1𝑞𝑦 𝑦 = 0,1,2,3, …

Sifat tanpa memori

Misal 𝑋~𝐺𝐸𝑂(𝑝). Maka 𝑃(𝑋 > 𝑗 + 𝑘|𝑋 > 𝑗) = 𝑃(𝑋 > 𝑘)

Proof:

𝑃(𝑋>𝑗+𝑘) 1−𝑝(𝑋≤𝑗+𝑘)
𝑃(𝑋 > 𝑗 + 𝑘|𝑋 > 𝑗) = 𝑝(𝑋>𝑗) = 1−𝑃(𝑋≤𝑗)

1−(1−𝑞𝑗+𝑘) 𝑞𝑗+𝑘
= 1−(1−𝑞𝑗) = 𝑞𝑗

= 𝑞𝑘 = 𝑝(𝑋 > 𝑘)

2.3 Parameter Distribusi

a. Mean/Ekspektasi
1
𝐸(𝑋) =
𝑝

keterangan:

𝑝 = Peluang sukses

proof:

E(X) = ∑𝑥 𝑥 𝑓(𝑥)
∞
= ∑ 𝑥=1 𝑥𝑝 (1 − 𝑝)𝑥−1
 = 𝑝 + 2𝑝(1 − 𝑝) + 3𝑝(1 − 𝑝)2 + 4𝑝(1 − 𝑝)3 + ⋯

= 𝑝{1 + 2(1 − 𝑝) + 3(1 − 𝑝)2 + 4(1 − 𝑝)3 + ⋯ }

1
= 𝑝 (1−(1−𝑝))2

1
=𝑝
𝑝2

1
= 𝑝

b. Varian

1−𝑝
𝑉𝑎𝑟 (𝑥) =
𝑝2

keterangan:

𝑝 = Peluang sukses

proof:

𝐸(𝑋(𝑋 − 1)) = ∑𝑥 𝑥(𝑥 − 1)𝑓(𝑥)

∞
= ∑𝑥=1 𝑥(𝑥 − 1)𝑝 (1 − 𝑝)𝑥−1

= 0 + 2𝑝(1 − 𝑝) + 3.2. 𝑝(1 − 𝑝)2 + 4.3. 𝑝(1 − 𝑝)3 +

5.4. 𝑝(1 − 𝑝)4+..

= 2𝑝(1 − 𝑝){1 + 3(1 − 𝑝) + 6(1 − 𝑝)2 + 10(1 − 𝑝)3 + ⋯ }

1
= 2𝑝(1 − 𝑝) (1−(1−𝑝))3

1
= 2𝑝(1 − 𝑝)
𝑝3

2(1−𝑝)
= 𝑝2

𝐸(𝑋2) = 𝐸(𝑋(𝑋 − 1)) + 1𝐸(𝑋)

2(1−𝑝) 1
= 𝑝2 + 1𝑝
 2−2𝑝+𝑝
= 𝑝2

2−𝑝
= 𝑝2

Var (x) = 𝐸(𝑋2) − 𝐸(𝑋)2

2
2−𝑝 1
= 𝑝2 -(𝑝)

2−𝑝−1
= 𝑝2

1−𝑝
= 𝑝2

c. Fungsi Pembangkit Momen

𝑝𝑒𝑡
𝑀(𝑡) =
1 − (1 − 𝑝)𝑒 𝑡

Keterangan:

p=Peluang sukses

proof:

𝑀𝑥(𝑡) = 𝐸(𝑒𝑡𝑋)

= ∑𝑥 𝑒𝑡𝑥 𝑓(𝑥)
= ∑∞ 𝑡𝑥
𝑥=1 𝑒 𝑝 (1 − 𝑝)
𝑥−1

= 𝑒𝑡 𝑝 + 𝑒2𝑡 𝑝 (1 − 𝑝) + 𝑒3𝑡 𝑝 (1 − 𝑝)2 + 𝑒4𝑡 𝑝 (1 − 𝑝)3 + ⋯

= 𝑝𝑒𝑡{1 + 𝑒𝑡 (1 − 𝑝)(𝑒𝑡(1 − 𝑝))2 + (𝑒𝑡(1 − 𝑝))3 + ⋯ }
1
= 𝑝𝑒𝑡
1−𝑒𝑡(1−𝑝)

𝑝𝑒𝑡
= 1−(1−𝑝)𝑒𝑡

2.4 Contoh Aplikasi

Area aplikasi untuk distribusi geometrik misalkan dalam mengetahui
tingkat keberhasilan pengeboran minyak, dan penggalian sumur.
 Contoh soal distribusi geometrik

Peluang seorang pemain basket memasukkan bola kedalam keranjang

adalah 0.7. karena dilanggar oleh pemain lawan maka pemain tersebut
mendapatkan hadiah “3 bola”. Jika masing-masing kesempatan untuk
memasukkan bola kita anggap bebas, maka berapakah peluang bahwa pemain
tadi pertama kali memasukkan bola pada kesempatan ketiga? Berapakah
peluang paling sedikit pemain tersebut memasukkan satu bola pada ketiga
kesempatan?

Diketahui: 𝑝 (kejadian sukses memasukkan bola ke dalam keranjang)= 0.7

𝑞 = 1 – 𝑝 = 1 − 0.7 = 0.3
Misalkan “x adalah banyaknya percobaan untuk mendapatkan sukses
pertama”
𝑥=3
Ditanyakan: a. 𝑃(𝑋 = 3) = ⋯ ?
b. 𝑃(𝑋 ≤ 3) = ⋯ ?
Jawab: 𝑃(𝑋 = 𝑥) = 𝑔(𝑥; 𝑝) = 𝑝𝑞𝑥−1
𝑃(𝑋 = 3) = 𝑔(3; 0.7) = (0.7)(0.3)3−1
= (0.7)(0.3)2
= (0.7)(0.09)
= 0.063
𝑃(𝑋 ≤ 3) = 𝑃(𝑋 = 3) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 1)
= 𝑔(3; 0.7) + 𝑔(2; 0.7) + 𝑔(1; 0.7)
= (0.7)(0.3)3−1 + (0.7)(0.3)2−1 + (0.7)(0.3)1−1
= 0.7{(0.3)2 + (0.3)1 + (0.3)0}
= 0.7(0.09 + 0.3 + 1) = 0.7(1.39) = 0.973