Kuliah

MATEMATIKA DAN STATISTIKA TERAPAN

PELUANG DAN PEUBAH ACAK
 Cakupan

1. Gugus, himpunan, ruang dan titik contoh

2. Kejadian (sederhana, majemuk terpisah)
3. Peluang (Bersyarat dan Bebas)
4. Konsep peubah acak, sebaran peluang
5. Sebaran kontinu: Sebaran normal dan sebaran z-
normal
6. Aplikasi sebaran normal
7. Sebaran penarikan contoh
 Ruang Contoh

• Ruang Contoh: Himpunan semua kemungkinan hasil suatu

percobaan. Ruang contoh dilambangkan huruf S
S={G, A}
• Dengan G dan A masing-masing menyatakan sisi gambar dan
sisi angka dari suatu mata uang.
• Ruang contoh untuk sebuah dadu yang berisi enam adalah:
S={1, 2, 3, 4, 5, 6}
 Ruang Contoh

• Ruang contoh juga dapat dinyatakan dalam suatu pernyataan

atau yang dikenal notasi pembangun himpunan.
• Misalanya, bila kemungkinan hasil percobaan berupa
himpunan kota-kota di Indonesia yang penduduknya satu juta
atau lebih. Maka ruang contohnya adalah:
S={x/x adalah kota berpenduduk 1 juta tau lebih}
• Ruang contoh juga dapat dinyatakan dalam persamaan:
S={(x+y)| x+y >4}
 Kejadian
• Kejadian adalah suatu himpunan bagian dari ruang contoh.
• Kejadian dapat dibedakan menjadi kejadian sederhana dan
kejadian majemuk.
 Kejadian sederhana jika suatu kejadian hanya terdiri dari
satu titik contoh
 Kejadian majemuk jika dalam suatu kejadian terdiri dari
dua titik contoh atau lebih.
Misalnya kartu bridge dapat dinyatakan sebagai A ={hati} yang
merupakan himpunan bagian dari ruang contoh S={hati, sekop, klaver,
wajik}.
A adalah kejadian sederhana. Kejadian B yaitu terambilnya kartu
merah. Maka kejadian ini adalah kejadian majemuk, karena B={hati,
wajik}
 Peluang
• Peluang suatu kejadian A adalah jumlah peluang semua titik
contoh dalam A.
0  P(A)  1, P() = 0, P(S) = 1
• Bila suatu percobaan mempunyai N hasil percobaan yang
berbeda, dan masing-masing mempunyai kemungkinan yang
sama untuk terjadi, dan bila tepat n di antara hasil percobaan
itu menyususn kejadian A, maka peluang kejadian A adalah :
n
P( A ) 
N
• Contoh : Berapa peluang memperoleh kartu hati bila sebuah
kartu diambil secara acak dari seperangkat kartu bridge ?
Jawab:
N = 52, n =13, sehingga P(A) = 13/52 = 0.25
 Ilustrasi

• Contoh :
Berapa peluang memperoleh kartu hati bila sebuah kartu
diambil secara acak dari seperangkat kartu bridge ?
Jawab:
N = 52, n =13, sehingga P(A) = 13/52 = 0.25
 Pengolahan Kejadian
Irisan Dua Kejadian A dan B dilambangkan dengan A∩B adalah
kejadian yang mengandung semua unsur persekutuan kejadian A
dan B:
A = {1, 2, 3, 4)
S
B = {3, 4, 5, 6, 7)
A B A∩B = {3, 4}

Paduan Dua Kejadian A dan B dilambangan dengan AB adalah

kejadian yang mencakup semua unsur A atau B
S A = {1, 2, 3, 4)
B B = {3, 4, 5, 6, 7)
A
AB = {1, 2, 3, 4, 5, 6, 7}
 Kaidah Penjumlahan

• Bila A dan B adalah dua kejadian sembarang, maka :

P(AB) = P(A) + P(B) – P(AB)
Dari rumus di atas dapat pula dirumuskan
 Kaidah Penjumlahan
Contoh:
• Peluang seorang mahasiswa lulus ujian matematika (M) adalah
2/3 dan peluang lulus ekonomi(E) adalah 4/9. Bila peluang
lulus sekurang-kurangnya satu pelajaran di atas adalah 4/5,
berapa peluang ia lulus kedua pelajaran tersebut ?
• Jawab:
P( M)=2/3, P(E)=4/9, P(ME)=4/5, maka :
P(ME) = P(A) + P(B) - P(ME)
P(ME) = 2/3 + 4/9 – 4/5 = 30/45 + 20/45 – 36/45
= 14/45
 Hukum Penggandaan
• Jika operasi pertama dapat dilakukan dengan
n1 cara dan setiap cara ini dilanjutkan dengan
operasi kedua yang dapat dilakukan dengan
n2 cara, maka kedua operasi tersebut ada
n1xn2 cara
 Contoh

• Sebuah nomor yang terdiri dari 3 digit angka

akan dibentuk dari 6 digit angka, yakni 1,2, 5,
6, 8, 9. Tiap digit hanya boleh digunakan satu
kali
a) Berapa banyak nomor berbeda yang dapat
dibuat
b) Berapa banyak di antara nomer tersebut
yang merupakan bilangan ganjil
 Hukum Penjumlahan

• Jika suatu operasi diselesaikan dengan 2

alternatif, alternatif pertama dapat dilakukan
dengan n1 cara, alternatif kesua dengan n2
cara, maka operasi dapat dilakuakn dengan
n1+n2 cara
• Penjumlahan saling terpisah

• Penjumlahan tidak saling terpisah

 Permutasi dan Kombinasi

• Permutasi  Urutan diperhatikan

• Kombinasi  Urutan tidak diperhatikan

 Contoh

1. Bappenas memberikan masukan kepada presiden

bahwa terdapat 7 macam program yang dapat diambil
sebagai pelengkap/kompensasi dari kenaikan harga BBM
yang akan diumumkan. Jika diasumsikan masing-masing
program kompensasi memiliki besaran anggaran yang
sama, dan pemerintah hanya mampu melakukan 2
program, maka berapa banyak kemungkinan kebijakan
yang dapat diterapkan? Permutasi atau kombinasi?
2. Setiap tahun pemerintah pusat memonitor ke-34
pemerintah daerah dan akan dipilih daerah dengan
kategori pelayanan masyarakat terbaik, laporan
keuangan terbaik dan inovasi terbaik. Konsep manakah
yang Anda gunakan? Permutasi atau kombinasi?
 Hukum Penggandaan

• Jika kejadian A dan B saling bebas

• Jika kejadian A dan B tidak saling bebas

 Peluang Bersyarat

• Peluang suatu kejadian bila kejadian lain telah

terjadi
• Jika beberapa even terjadi secara sequence
• Probabilitas terjadinya even B ketika diketahui bahwa
even lainnya (A) telah terjadi  conditional
probability
 Peluang Bersyarat

• Peluang bersyarat B, jika A diketahui dapat dilambangkan

P(B/A) adalah:

P( A  B )
P( B / A )  , jika P ( A )  0
P( A )

P ( A  B )  P ( A )P ( B / A )
P ( A  B )  P ( B )P ( A / B )
 Contoh (1)

• Jika ada pesawat datang, radar mampu

mendeteksi secara tepat dengan peluang 0.99.
Jika tidak ada pesawat, radar salah mendeteksi
(menyatakan ada pesawat) dengan peluang 0.1.
Asumsikan bahwa peluang sebuah pesawat asing
masuk ke wilayah kita sebesar 0.05.
• Tentukan besarnya peluang false alarm (tidak ada
pesawat, radar mendeteksinya) dan kesalahan
deteksi (ada pesawat, tapi radar menyatakan
tidak ada)
 Contoh (2)
Pada sebuah survey terhadap 50 penduduk (responden) di suatu kota
didapatkan informasi bahwa 34 penduduk menempati rumah milik
sendiri dan sisanya menempati rumah sewa. Diantara total 50
penduduk tersebut selanjutnya dikelompokkan ke dalam 4 kelompok
berdasarkan lama tinggal di hunian yang saat ini ditempati, yakni: 0-
12 bulan; 13-24 bulan; 25-36 bulan; dan lebih dari 36 bulan.
Sebaran responden yang menempati rumah milik sendiri untuk
masing-masing kelompok tersebut secara berturut-turut adalah 3, 7,
9, 15. Sementara itu, sebaran responden yang menempati rumah
sewaan untuk masing-masing kelompok tersebut secara berturut-
turut adalah 5, 3, 2, 6. Hitunglah berapa probabilitas terpilihnya
responden yang menempati rumah milik sendiri dan telah tinggal
selama lebih dari 36 bulan!
 Peluang Total

• Perhatikan diagram venn untuk 3 even (P, E, ~E) berikut:

• Maka: A = (EnA)U(~EnA)
P(A) = P(EnA) + P(~EnA)
P(A) = P(E)P(A|E) + P(~E)P(A|~E)
Peluang Total
Teorema Bayes
 Teorema Bayes

P( B / A ) P( A )
P( A / B ) 
P ( B / A )  P ( A )  P ( B / A' )  P ( A' )
 Contoh (1)

Dua kantong mengandung bola merah (R) dan kuning (Y).

Kantong A mengandung 6R dan 4Y, kantong B mengandung 3R dan
7Y. Sebuah bola diambil secara acak dari sebuah kantong dan
ternyata warnanya merah. Berapa peluang bahwa bola tersebut
berasal dari kantong A ?
P(A) = P(B) = ½ (Peluang terpilihnya kantong A = peluang terpilihnya
kantong B = 0.5)
P(R/A) = 0.6 (Peluang terpilihnya sebuah bola merah dari kantong A).
P( R / A ) P( A )
P( A / R ) 
P( R / A ) P( A )  P( R / B ) P( B )
0 .6  0 .5
  2/3
0 .6  0 .5  0 .3  0 .5
 Contoh (2)

• Sebuah pabrik menggunakan 3 mesin, yakni mesin K,

L, dan M. Masing-masing mesin berkontribusi dalam
total output masing-masing sebesar 30%, 45%, dan
25%. Berdasarkan data historis diketahui bahwa
terdapat persentase produk yang dihasilkan masing-
masing mesin yang tidak sesuai standar, yakni
masing-masing sebesar 2%, 3%, dan 2%.
• Asumsikan pada akhir produksi dilakukan random
checking pada output akhirnya. Berapakah
probabilitas produk akhir tidak sesuai standard?
• Dengan kasus yang sama, manager melakukan
random checking atas satu produk akhir dan
ditemukan bahwa produk tersebut tidak sesuai
standar. Berapakah probabilitas produk yang tidak
sesuai standar tersebut dan dihasilkan oleh mesin K?
 Contoh (3)

• Jika ada pesawat datang, radar mampu

mendeteksi secara tepat dengan peluang 0.9.
Jika tidak ada pesawat, radar salah
mendeteksi (menyatakan ada pesawat)
dengan peluang 0.1. Asumsikan bahwa
peluang pesawat asing masuk 0.05. Jika
diketahui radar mendeteksi adanya pesawat,
berapa peluang pesawat tersebut benar-benar
memasuki wilayah?
 Sebaran Peubah Acak

• Peubah acak adalah suatu fungsi yang nilainya berupa bilangan

nyata yang ditentukan oleh setiap unsur dalam ruang contoh.
Misalkan mata uang logam dilemparkan tiga kali berturut-
turut.
Ruang contohnya :
S={AAA, AAB, ABA, ABB, BAA, BAA, BAB, BBB.}
Jika x adalah banyaknya sisi angka (A) yang muncul dalam
pelemparan tersebut, sebaran peubah acaknya adalah sbb:
 Sebaran Peluang Deskrit
• Sebaran peluang deskrit adalah sebuah table atau rumus yang
mencantumkan semua kemungkinan nilai suatu peubah acak
deskrit berikut peluangnya.
• Dari contoh di atas sebaran peluang diskritnya adalah sebagai
berikut:
 Sebaran Peluang Deskrit

• Sebaran peluang kontinu juga disebut fungsi kepekatan peluang

atau fungsi kepekatan. Peluang peubah acak kontinu tepat pada
suatu nilai adalah nol. Oleh karena itu sebaran peluang kontinu
tidak dapat dinyatakan dalam tabel.
• P(a<X≤b) = P(a<X<b) + P(X=b)
• Oleh karena P(X=b)=0 maka
• P(a<X≤b) = P(a<X<b)
 Nilai Tengah Peubah Acak

Jika X adalah peubah acak deskrit dengan sebaran peluang :

Maka nilaitengah atau nilai harapan (expected value) bagi X:

 Teladan 1
Teladan 1.
Nilai harapan (nilaitengah) bagi X, jika X adalah hasil dari
pelemparan dadu yang seimbang maka sebaran peluang:

6
  E( X )   xif ( xi )
i 1

  ( 1 )( 16 )  ( 2 )( 16 )  ( 3 )( 16 )  ( 4 )( 16 )  ( 5 )( 16 )  ( 6 )( 16 )
  1 6  2 6  3 6  4 6  5 6  6 6  3 ,5
 Teladan 2

Teladan 2
Dalam suatu permainan,seseorang akan mendapat 5 juta rupiah
jika hasil dari 3 lemparan sebuah uang logam adalah muncu sisi
gambar semua atau sisi angka semua. Namun, jika hasil yang
muncul sisi gambar satu kali atau dua kali maka yang bersangkutan
harus membayar 3 juta rupiah. Berapa penerimaan harapan bari
orang bersangkutan.
 Teladan 2
Jawab:
Ruang contoh dari pelemparan tersebut adalah:
S={GGG, GGA, GAG, AGG, AGA,GAA, AAG, AAA}
Jika x1 adalah kejadian munculnya sisi gambar atau sisi angka semua
(X1={GGG, AAA} )dan x2 adalah munculnya sisi gambar 1 atau 2 kali
(X2={GGA, GAG, AGG, GAA, AGA, AAG}), maka P(X=x1)=2/8=1/4,
P(X=x2)=6/8=3/4. Sebaran peluangnya adalah:

Penerimaan harapan :
 Ragam Peubah Acak
Jika X adalah peubah acak deskrit dengan sebaran peluang :

Maka ragam bagi X:

Rumus hitung:

Teladan
Carilah ragam X, jika X adalah munculnya sisi gambar dari
pelemparan mata uang logam yang seimbang sebanyak 3 kali.
 Teladan
Carilah ragam X, jika X adalah munculnya sisi gambar dari
pelemparan mata uang logam yang seimbang sebanyak 3 kali.
Ruang contoh dari pelemparan tersbut adalah:
S={GGG, GGA, GAG, AGG, AGA,GAA, AAG, AAA}
Jika X adalah munculnya sisi gambar maka sebaran peluang X
adalah:

μ = (0)(1/8)+(1)(3/8)+(2)(3/8)+(3)(1/8)=12/8
n
= 1,5
 2   ( x i   )2 f ( x i )
i 1

 2  ( 0  1,5 )2 ( 1 / 8 )  ( 1  1,5 )2 ( 3 / 8 )  ( 2  1,5 )2 ( 3 / 8 )  ( 3  1,5 )2 ( 1 / 8 )

 2  0 ,75
 Sifat – Sifat Ragam
Jika X suatu peubah acak dan b adalah konstanta maka:

 2
x b  2
x

Jika X suatu peubah acak dan a adalah konstanta maka:

 2
ax a 
2 2
x
Ragam jumlah atau selisih dua peubah acak X dan Y yang bebas
adalah:
 2
xy  
2
x
2
y

 2
x y  
2
x
2
y
Sebaran Normal
 Sebaran Normal
• Sebaran normal berbentuk seperti “lonceng”
• Sering juga disebut Gaussian distribution
Fungsi kepekatan peluang

1 1/ 2   x    /  
n  x;  ,   
2

e ,    x  ,
2
where   3.14159 and e  2.71828

• Wilayah sisi kanan dan kiri memiliki bentuk yang simetris

 Karakteristik kurva normal
• Modus berada pada titik maksimum sumbu
horizontal
• Kurva normal mendekati sumbu horizontal
secara asimtotik saat melanjutkan ke arah
yang jauh dari mean.
• Luas total di bawah kurva dan di atas sumbu
horizontal sama dengan 1 yang merupakan
jumlah peluang semua kejadian yang bisa
terjadi
Sebaran Normal Baku (Standard Normal Distribution)

 Sebaran normal baku mempunyai rata-rata “0” dan

varian “1” (standar deviasi sama dengan”1”)

ilustrasi
 Sebaran Peluang Kontinu: Sebaran Normal

Luas daerah di bawah kurva normal yang dibatasi oleh X=x1 dan
X=x2 sama dengan peluang : P(x1 < X < x2) yang dinyatakan oleh
luas daerah yang diarsir.

P(x)

x
0 x1 x2
 Sebaran Peluang Kontinu: Sebaran Normal

Dengan mentransformasi nilai x ke dalam nilai peubah acak

normal z yang mempunyai nilaitengah 0 dan ragam 1 maka
usaha mencari peluang menjadi lebih mudah.
Transformasi dapat dilakukan dengan menggunakan rumus
:
x
z

Sebaran normal yang mempunyai nilaitengah 0 dan ragam 1
disebut sebaran normal baku. Tabel z berikut
menggambarkan luas daerah yang diarsir
Tabel Z sebagai berikut : z

0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.09

Z
….. ….. ….. ….. ….. ….. ….. ….. ….. …..
-1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 ….. 0.0233
-1.8 0.0359 0.0352 0.0344 0.0336 0.0329 0.0322 0.0314 ….. 0.0294
-1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 …. 0.0367
-1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 …. 0.0455
….. ….. ….. ….. ….. ….. ….. ….. ….. …..
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 ….. 0.5359
….. ….. ….. ….. ….. ….. ….. ….. ….. …..
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 ….. 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 ….. 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 ….. 0.7852
….. ….. ….. ….. ….. ….. ….. ….. ….. …..
Teladan: Berat badan lelaki dewasa rata-rata 62 kg dengan simpangan
baku (standard of deviation) = 4 kg. Berapa persen lelaki Dewasa yang
mempunyai berat badan 65 kg atau lebih ?

65  62
Z  0.75
4

0 0,75

P(x ≥ 65) = P(z ≥ 0.75)

= 1- P( z ≤ 0.75) = 1 - 0.7734 = 0.2266
Jadi 22.66% dari lelaki dewasa memiliki berat badan  65 kg.
Berapa peluang lelaki dengan berat badan antara 55.4 Kg sampai 64 cm ?
55.4  62
Z    1.65  dari tabel Z  0.0495
1 4
64  62
Z   0.5  dari tabel Z  0.6915
2 4

55.4 62 64
x

0.0495
z
−1.65 0 0.5

P(55.4 ≤ x ≤ 64) = P( -1.65 ≤ z ≤ 0.5) = P(z≤ 0.5) – P(z ≤ -165)

= 0.6915 – 0.0495 = 0.6420
Jadi lelaki dewasa dengan berat badan antara 55.4 kg s/d 64kg adalah
64.2%.
Sebaran Penarikan Contoh
(Optional)
 Sebaran Penarikan Contoh

• Sebaran peluang suatu statistik disebut sebaran penarikan

contoh.
• Sebaran peluang bagi nilai rata-rata disebut sebaran penerikan
contoh bagi nilai tengah, sedangkan simpangan bakunya lazim
disebut standard error (galat baku).
• Sebaran penarikan contoh suatu statistik tergantung pada
ukuran populasi, ukuran contoh dan metode pengambilan
contohnya.
 Sebaran Penarikan Contoh Bagi Nilai Tengah

Untuk menggabarkan penarikan contoh bagi nilaitengah dengan

mengambil contoh dari sebuah populasi deskrit yang terdiri dari
nilai-nilai 1, 2, 3 dan 4. Sebaran peluangnya sebagai berikut:
Nilai tengah dari sebaran peluang tersebut adalah:
n
  E( X )   xif ( xi )
i 1

1  2  3  4 10
   2 ,5
4 4
Dan ragamnya adalah:

 2  E ( X   )2    ( x i   )2 f ( x i )
n

i 1

( 1  2 ,5 ) 2
 ( 2  2 ,5 ) 2
 ( 3  2 ,5 ) 2
 ( 4  2 ,5 ) 2
2 
4
2 ,25  0 ,25  0 ,25  2 ,25
 
2
 1,25
4
Jika dari populasi tersebut ditarik contoh berukuran 2 dengan
pemulihan dan dihitung rata-ratanya maka kemungkinan contoh
dan rata-ratanya sebagai berikut:
Dari kemungkinan nilai rata-rata di atas dapat disusun sebaran
penarikan contoh atau sebaran frekuensi relatif dari nilai rata-
rata sebagai berikut:

x   x f ( x )
1 2 3 4 3 2 1
 x  ( 1 )( )  ( 1,5 )( )  ( 2 )( )  ( 2 ,5 )( )  ( 3 )( )  ( 3 ,5 )( )  ( 4 )( )
16 16 16 16 16 16 16
1  3  6  10  9  7  4 40
x    2 ,5  
16 16
x   x f ( x )  
  x2   x   x 2 f ( x )
1 2 3
 x2  ( 1  2 ,5 ) 2 ( )  ( 1,5  2 ,5 ) 2 ( )  ( 2  2 ,5 ) 2 ( )
16 16 16
4 3 2
 ( 2 ,5  2 ,5 ) 2 ( )  ( 3  2 ,5 ) 2 ( )  ( 3 ,5  2 ,5 ) 2 ( )
16 16 16
1
 ( 4  2 ,5 ) 2 ( )
16
2 ,25  2  0 ,75  0  0 ,75  2  2 ,25
 
2
x
16
10 5 1,25  2
x 
2
  
16 8 2 n

 2
 x2    x   x 2 f ( x ) 
n
 Rata-rata contoh: Dengan Pemulihan

Jika contoh acak berukuran n yang ditarik dengan pemulihan dari

populasi terhingga berukuran N yang mempunyai nilaitengah μ
dengan simpangan baku σ maka sebaran penarikan contoh bagi
nilai tengah akan menghampiri sebaran normal dengan nilai
tengah dan standard error berturut-turut sebagai berikut:

x   x 
n
Sehingga _
x 
z

n
 Teladan (1)
Suatu populasi 1, 2, 2, 4, 4, 4, 5, 6, 6 dan 6, ditarik contoh berukuran
36 yang diambil dengan pemulihan. Hitunglah peluangnya bahwa
nilaitengah contoh tersebut lebih besar dari 2,3 tetapi lebih kecil dari
4,6!
Jawaban. Sebaran peluang populasi adalah:
 Teladan (1)
Sebaran penarikan contoh bagi nilaitengah adalah:
x    4 dan ragamnya adalah :
2 3
 
2
  0 ,0833
x
n 36 simpangan baku :
 x  0 ,0833  0 ,2887
2 ,35  4
z1   1,65
0 ,2887
4 ,55  4
z2   0 ,55
0 ,2887
Peluang nilai tengah contoh lebih besar dari 2,3 dan lebih keci
dari 4,6 adalah:
P ( x1  X  x 2 )  P ( 2 ,3  X  4.6 )
 P ( 1,65  Z  0 ,55 )
 P ( Z  0 ,55 )  P ( Z  1.65 )
 0 ,7088  00 ,0495  0 ,6593
 Rata-rata contoh: Tanpa Pemulihan

Jika contoh acak berukuran n yang ditarik tanpa pengembalian

dari populasi terhingga berukuran N yang mempunyai
nilaitengah μ dengan simpangan baku σ maka sebaran penarikan
contoh bagi nilai tengah akan menghampiri sebaran normal
dengan nilai tengah dan standard error berturut-turut sebagai
berikut:  Nn
x   x 
n N 1
Jika ukuran Populasi relatif besar dibandingkan dengan ukuran
contoh maka NN  n1 mendekati 1, dan

 

x n
Untuk populasi yang besar, apakah peubah deskrit atau kontinu
berlaku Dalil Limit Pusat
 Teladan (2)

Jika contoh acak ber ukuran 2 ditarik dari populasi terbatas tanpa
pemulihan, maka kemungkinan contoh yang terpilih adalah:

x
 Teladan (2)

x   x f ( x )
2 2 4 2 2
 x  ( 1,5 )( )  ( 2 ,0 )( )  ( 2 ,5 )( )  ( 3 )( )  ( 3 ,5 )( )
12 12 12 12 12
3  4  10  6  7 30
x    2 ,5
12 12
  x f( x )  
x
2 2 4
 x2  ( 1,5  2 ,5 )2 ( )  ( 2 ,0  2 ,5 ) 2 ( )  ( 2 ,5  2 ,5 ) 2 ( )
12 12 12
2 2
 ( 3 ,0  2 ,5 ) (
2
)  ( 3 ,5  2 ,5 ) (
2
)
12 12
2  0 ,5  0  0 ,5  2 5 5/442
 x2     
12 12 2  4 1 
2 N n
 
2
 
n  N 1 
x
 Dalil Limit Pusat

Jika contoh acak ber ukuran n ditarik dari populasi yang

besar dengan nilaitengah μ dan ragam σ2, maka nilai tengah
contoh X akan menyebar mendekati sebaran normal
dengan nilai tengah  x   dan simpangan baku
 x   / n sehingga : x
z
/ n
 Teladan (1)

Umur bohlam menyebar normal dengan nilai tengah 800 jam

dan simpangan baku 40 jam. Hitunglah peluangnya bahwa suatu
contoh acak 16 bohlam akan mempunyai umur rata-rata kurang
dari 775 jam ?
P ( x  775 )  ?
 40 40
 x    800 x     10
n 16 4
775  800  25
z    2 .5
10 10
P ( x  775 )  P ( z  2.5 )  0.0062
Jadi peluang bahwa contoh acak tersebut mempunai umur rata-
rata kurang dari 775 jam adalah 0.0062.
Thank You
Macam-macam Sebaran Diskret
 Sebaran Peluang Diskret: Sebaran Binom
Ciri-ciri Sebaran Binom:
1. Percobaan binom terdiri atas n ulangan
2. Dalam setiap ulangan dapat digolongkan sebagai berhasil atau
gagal
3. Peluang berhasil (p) dan peluang gagal (q=1-p), untuk setiap
ulangan adalah sama
4. Ulangan-ulangan bersifat bebas satu sama lainnya

Sebaran peluang peubah acak binom X , yaitu banyaknya

keberhasilan dalam n ulangan yang bebas adalah:
 n  x n x
b( x ; n, p )    p q , untuk x  0 , 1, ....., n.
x
 Teladan

Jika mata uang logam yang seimbang dilemparkan 5 kali, berapa

peluangnya akan memperoleh 3 kali sisi angka ?
Jawaban:
n5 p  0 ,5 x 3 P( x  3 )  ?
5  5!
b( 3 ; 5 , 0 ,5 )   0 ,5 0 ,5 
3 2
 0 ,5 3 0 ,5 2
3 3! 2 !
( 1.2.3.4.5 )
 0 ,03125  0 ,3125
( 1.2.3 )( 1.2 )
Jadi peluang memperoleh 3 kali sisi angka adalah 0,3125
 Sebaran Peluang Diskret: Sebaran Binom

Nilai tengah dan ragam untuk sebaran binom b(x; n, p) adalah:

μ = np dan ragam σ2 = npq
Teladan:
Soal ujian terdiri dari 10 pertanyaan pilihan perganda dengan
empat alternatif jawaban, dan hanya satu jawaban yang benar.
Carilah nilai tengah dan ragamnya!
n =10 p = 0,25 dan q = 0,75
μ = np = (10)(0,25) = 2,5
σ2 = npq = (10)(0,25)(0,75) = 1,875
 Sebaran Peluang Diskret: Sebaran Hipergeometrik

Sifat sebaran hipergeometrik:

1. Suatu contoh acak berukuran n diambil dari populasi yang
berukuran N
2. k dari N benda diklasifikasikan sebagai berhasil dan N-k
diklasifikasikan sebagai gagal.

Sebaran peluang bagi peubah acak x, yang menyatakan

banyaknya keberhasilan dalam contoh acak berukuran n adalah:
 k  N  k 
  
 x  n  x 
h( x ; N , n , k )  , untuk x  0 , 1, 2 , . . . . , k
N 
 
n
 Teladan
Sebuah panitia terdiri dari 5 orang yang dipilih secara acak dari 4 laki-
laki dan 3 perempuan. Cari peluang bahwa panitia tersebut terdiri dari
3 laki-laki dan 2 perempuan !
Jawaban:
Misalkan x adalah banyaknya laki-laki yang terpilih dalam panitia, maka :

N 7 n5 x 3 k  4
 4  3 
  
P ( x  3 )  h( 3 ;7 ,5 ,4 )    
3 2
7 
 
5 
 1.2.3.4   1.2.3  ( 4 )( 3 )
 ( 1.2.3 )( 1 )   ( 1.2 )( 1 ) 
   1 12
  0 ,571429
 1 . 2 .3 . 4 .5 .6 .7  ( 6 .7 ) 21
 ( 1.2.3.4.5 )( 1.2 )  2
 
 Sebaran Peluang Diskret: Sebaran Binom Negatif

Ciri-ciri Sebaran Binom Negatif:

1. Percobaan terdiri atas ulangan yang terus diulang sampai terjadi
sejumlah keberhasilan tertentu
2. Dalam setiap ulangan dapat digolongkan sebagai berhasil atau gagal
3. Peluang berhasil (p) dan peluang gagal (q=1-p), yang untuk setiap
ulangan adalah sama
4. Ulangan-ulangan bersifat bebas satu sama lainnya

Sebaran peluang peubah acak x, yaitu banyaknya ulangan sampai

terjadi k keberhasilan adalah:

 x  1  x x k
b * ( x ; k , p )    p q , x  k , k  1, k  2 ,. . . .
 k  1
 Teladan
Persentase petani jagung di suatu desa yang menggunakan
benih hibrida sebesar 40 persen. Jika kita berkunjung ke petani
secara acak, berapa peluangnya bahwa akan memperoleh petani
jagung hibrida untuk ketiga kalinya pada kunjungan yang lima?
Jawaban
p=0,4 x=5 k=3
4
b * ( 5 ; 3 , 0 ,4 )   0 ,4 2 0 ,6 3
1
4!
 ( 0 ,16 )( 0 ,216 )
1! 3!
1 . 2 .3 . 4
 ( 0 ,03456 )  0 ,13824
( 1 )( 1.2.3 )
 Sebaran Peluang Diskret: Sebaran Geometrik

• Sebaran ini sama dengan sebaran peluang binom negatif.

• Perbedaannya terletak pada banyaknya keberhasil. Pada

sebaran binom negatif keberhasilannya lebih dari satu, tetapi
pada sebaran geometrik keberhasilannya hanya satu.

• Sebaran peluang peubah acak x, yaitu banyaknya ulangan

sampai terjadi satu keberhasilan adalah:

x 1
g( x ; p )  pq , x  1, 2 ,. . . .
 Teladan

Persentase petani jagung di suatu desa yang menggunakan

benih hibrida sebesar 40 persen. Jika kita berkunjung ke petani
secara acak, berapa peluangnya bahwa akan memperoleh satu
petani jagung hibrida pada kunjungan yang tiga?
Jawaban
p=0,4 x=3

g (3; 0,4)  (0,4)(0,6) 2

 0,144