NAMA : Akhmad Safrin Sadad Khan

NIM : 191810101104
KELAS : MSL A

Rangkuman Karakteristik dari Distribusi Binomial, Poisson, Gamma, dan

Normal
A. Distribusi Binomial
Distribusi binomial muncul ketika percobaan bernoulli diulang sebanyak 𝑛 kali
pengulangan. Dalam setiap pengulangan, peluang sukses selalu sama yaitu 𝑝, dan peluang
gagal juga selalu sama yaitu 1 − 𝑝. Setiap pengulangan bebas secara statistik terhadap
pengulangan berikutnya. Distribusi binomial merupakan distribusi peluang diskret dengan
fungsi peluangnya adalah

Ketereangan :
𝑝 adalah peluang sukses,
n adalah banyaknya pengulangan
𝑥 adalah banyaknya sukses dalam nn kali pengulangan.
Distribusi Binomial dengan Parameter n,p
Distribusi Binomial juga termasuk anggota keluarga eksponensial. Distribusi Binomial
dengan parameter n,p mempunyai fungsi kepadatan
𝑛
𝑓(𝑦) = ( ) 𝑝 𝑦 (1 − 𝑝)𝑛−𝑦 ; 𝑦 = 0,1,2, . . , 𝑛
𝑦
𝑛
= exp [ 𝑦 log 𝑝 + (𝑛 − 𝑦) log(1 − 𝑝) + log ( ) ]
𝑦
𝑝 𝑛
= exp[ 𝑦 log( ) + (𝑛 − 𝑦) log(1 − 𝑝) + log ( ) ]
𝑝−1 𝑦
𝑛
= exp[ 𝑦 logit 𝑝 + 𝑛 log(1 − 𝑝) + log ( ) ]
𝑦
Dengan
𝑝
𝑙𝑜𝑔𝑖𝑡 𝑝 = log
𝑝−1
Jadi 𝑏(𝜃) = 𝑙𝑜𝑔𝑖𝑡 𝑝; 𝑐(𝜃) = 𝑛 𝑙𝑜𝑔(1 − 𝑝). Dengan mencari turunan pertama dan
masingmasing 𝑏(𝜃) dan 𝑐(𝜃) sehingga didapat
 𝐸(𝑌) = 𝑛𝑝 𝑑𝑎𝑛 𝑉𝑎𝑟(𝑌) = 𝑛𝑝(1 − 𝑝)
Distribuai Binomial (𝑛, 𝑝) sering dimodifikasi menjadi distribusi Binomial (1, 𝜇) dengan
menstarnsformasi sehingga memiliki nilai tengah 𝜇𝑋 = 𝜇 dan ragam

Sebaran Binomial memiliki karakteristik :

a) Skala diskrit dengan rentang biner 𝑦 = 0,1, 2, … , 𝑛
b) Kesimetrisan tergantung nilai p

B. Distribusi Poisson
Distribusi poisson adalah kasus khusus dari distribusi binomial, dimana distribusi
binomial akan menjadi distribusi poisson ketika nn mendekati tak hingga (\infty∞)
dan pp mendekati nol (0).
Peubah acak Y yang berdistribusi Poisson mempunyai fungsi kepadatan probabilitas
𝜃 𝑦 𝑒 −𝜃
𝑓(𝑦) = , 𝑦 = 0 = exp[𝑦 log 𝜃 − 𝜃 − log𝑦!] … (1)
𝑦!
Pada persamaan (1) diperoleh
𝑏(𝜃) = log 𝜃 , 𝑐(𝜃) = −𝜃, 𝑑(𝑦) = − log 𝑦.
dengan demikian 𝐸[𝑌] = 𝜃 dan 𝑉𝑎𝑟[𝑌] = 𝜃
Sebaran Poisson memiliki karakteristik :
a) Skala diskrit dengan rentang 0 ≤ 𝑦 < ∞, 𝑦 = 0,1,2, …
b) Tidak simetris
c) Varians berhubungan linier dengan mean 𝜎 = 𝜙𝜇

C. Distribusi Gamma
Distribusi gamma diaplikasikan dalam lamanya waktu untuk menyelesaikan pekerjaan.
Distribusi gamma sering diterapkan dalam teori antrian dan teori reabiliti.
Peubah acak X dikatakan berdistribusi Gamma dengan dua parameter 𝛼 (parameter bentuk/
shape) dan 𝛽 (parameter skala / scale), dinotasikan dengan 𝐺(𝛼, 𝛽) jika X mempunyai f.k.p.
1 𝑥
𝛼−1 −𝛽
𝑓(𝑥, ∝, 𝛽) = 𝑥 𝑒 ; 𝛼, 𝛽 > 0; 0 ≤ 𝑥,
Γ(α)βα
∞
dengan Γ(𝛼) = ∫0 𝑒 −𝑥 𝑥 𝛼−1 𝑑𝑥 dengan 𝛼 > 0 disebut sebagai fungsi Γ( ).
Untuk 𝑛 bulat positif, Γ(𝑛) = (𝑛 − 1)! Dan didefinisikan Γ(0) = 1. Peubah acak Y yang
berdistribusi Gamma mempunyai fungsi kepadatan probabilitas
𝜃(𝑦𝜃)𝜙−1 𝑒 −𝑦𝜃
𝑓(𝑦) = ,𝑦 > 0
Γ(ϕ)
= exp[−𝑦𝜃 + (𝜙 − 1) log 𝑦 + 𝜙 log 𝜃 − log Γ(𝜙)] … (2)
 Pada persamaan (2) 𝑏(𝜃) = −𝜃, 𝑎(𝑦) = 𝑦, 𝑐(𝜃) = 𝜙 log 𝜃 − log Γ(𝜙), 𝑑(𝑦) = (𝜙 −
𝜙 𝜙
1) log 𝑦. Maka 𝐸[𝑌] = , 𝑉𝑎𝑟[𝑌] = 𝜃2 . Di sini 𝜙 adalah parameter nuisan.
𝜃

Sebaran Gamma memiliki karakteristik

a) Skala kontinu dengan rentang 0 < 𝑦 < ∞
b) Tidak simetris
c) Varians berhubungan kuadratik dengan mean 𝜎 = 𝜙𝜇 2

D. Distribusi Normal

Distribusi normal disebut juga dengan Distribusi Gauss. Peubah acak (variabel
random) pada distribusi normal merupakan peubah acak yang kontinu. Distribusi normal
merupakan distribusi peluang yang paling sering digunakan dalam analisis statistik.

Peubah acak X dikatakan berdistribusi normal jika X memiliki fungsi kepadatan seperti
berikut.
1 1 𝑥−𝑎 2
𝑓(𝑥, 𝑎, 𝑏) = 𝑒𝑥𝑝 [− ( ) ] ; −∞ < 𝑥 < ∞
𝑏√2𝜋 2 𝑏
Dapat diturunkan bahwa kepadatan diatas memiliki mean, 𝜇 = 𝑎 dan variansi 𝜎 2 = 𝑏 2 .
Selanjutnya distribusi ini dinotasikan dengan 𝑁(𝑎, 𝑏 2 ) = 𝑁(𝜇, 𝜎 2 ). Bentuk khusus dari
distribusi ini adalah jika 𝜇 = 0 dan 𝜎 = 1, disebut sebagai Distribusi Normal Baku dan
dinotasikan denga 𝑁(0,1). Bentuk fungsi kepadatan probabilitas dari peubah acak Y yang
berdistribusi Normal/Gaussian adalah
1 1 𝑦−𝜃 2
𝑓(𝑦) = 𝑒𝑥𝑝 (− ( ) ) , −∞ < 𝑦 < ∞
√2𝜋𝜎 2 𝜎
𝑦2 𝑦𝜃 𝜃2 1
𝑒𝑥𝑝 (− 2 + 2 − 2 − log(2𝜋𝜎 2 )) … (3)
2𝜎 𝜎 2𝜎 2

Pada persamaan (3) diperoleh

𝜃 𝑦2
𝑏(𝜃) = , 𝑑(𝑦) =
𝜎2 2𝜎 2
𝜃2 1
Dan 𝑐(𝜃) = − 2𝜎2 − 2 log(2𝜋𝜎 2 ). Di sini 𝜎 adalah parameter nuisan. Jadi, 𝐸[𝑌] = 𝜃 dan
𝑉𝑎𝑟[𝑌] = 𝜎 2 .
Sebaran Gausian memiliki karakteristik
a) Skala kontinu dengan rentang −∞ < 𝑦 < ∞
b) Simetris
c) Varians tidak bergantung mean (varians konstan)
 Karakteristik Sebaran Anggota Keluarga Eksponensial

Distribusi Ruang Fungsi Varians Fungsi Link Kanonik

Rentang
Binomial 0,1,2, … , 𝑛 Apabila 𝑋 peubah acak  Fungsi logit
𝜇
berdistribusi  𝑝)
𝐵𝑖𝑛(𝑛, 𝜂 = log(1−𝜇)
maka mean berhubungan
 Fungsi probit
linier dengan varians 𝑋
 𝜂 = Φ−1 (𝜇)
yaitu
dimana Φ adalah fungsi
𝜇𝑥 = 𝑛𝑝,
kumulatif dari distribusi
𝜎𝑋2 = 𝑛𝑝(1 − 𝑝) = 𝑛𝑝𝑞 Normal yaitu :
Φ(x)
𝑥
1 1
=∫ exp [− 𝓏 2 ] 𝑑𝓏
−∞ √2𝜋 2
 Komplementari log-log
𝜂 = log[− log(1 − 𝜇)]

Poisson 0,1,2, … Varians berhubungan

linier dengan mean 𝜎 = log log(𝜇𝑖 ) = 𝜂𝑖
𝜙𝜇
Gamma Riil positif Varians berhubungan resiprokal log 1 = 𝜂𝑖 tetapi
(𝜇𝑖 )
(0 tidak kuadratik dengan mean
link log juga sering dipakai
2
termasuk) 𝜎 = 𝜙𝜇
log(𝜇𝑖 ) = 𝜂𝑖
Normal Semua Varians tidak bergantung 𝜇𝑖 = 𝜂𝑖
bilangan mean
riil ( varians konstan )