DISTRIBUSI GEOMETRIK
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MANADO
2019
DAFTAR ISI
DAFTAR ISI ............................................................................................................i
BAB I PENDAHULUAN ...................................................................................1
A. Latar Belakang Masalah ...............................................................................1
B. Rumusan Masalah ........................................................................................1
C. Tujuan Penulisan ..........................................................................................1
BAB II PEMBAHASAN .....................................................................................2
A. Pengertian Distribusi Probabilitas Diskrit ....................................................2
B. Pengertian dan Konsep Distribusi Geometrik ..............................................2
C. Fungsi Peluang Distribusi Geometrik ..........................................................3
D. Parameter Distribusi Geometrik ........................................................................ 5
1. Rataan.............................................................................................................. 5
2. Varians ............................................................................................................ 7
3. Fungsi Pembangkit Momen ....................................................................... 11
E. Contoh-Contoh Soal ...................................................................................12
BAB III PENUTUP ..............................................................................................16
DAFTAR PUSTAKA ...........................................................................................18
i
BAB I
PENDAHULUAN
A. Latar Belakang
Suatu variabel yang nilainya merupakan suatu bilangan yang ditentukan
oleh terjadinya hasil suatu percobaan disebut sebagai variabel random. Dalam
sampel random semua unit dari populasi mempunyai kesempatan yang sama
untuk dijadikan sampel. Variabel random terdiri dari distribusi diskrit dan
distribusi kontinu.
Nilai-nilai distribusi diskrit terdiri atas hasil-hasil perhitungan sederhana
dari sejumlah unit. Penyajian distribusi probabilitas dapat berbentuk tabel atau
kurva probabilitas. Untuk suatu variabel random diskrit, semua nilai yang dapat
terjadi dari variabel random dapat didaftar dalam suatu tabel dengan
menyertakan probabilitas-probabilitasnya. Variabel random geometri
mengukur jumlah percobaan sampai diperoleh sukses yang pertama kali.
B. Rumusan Masalah
1. Apa pengertian distribusi probabilitas diskrit ?
2. Apa pengertian dan konsep distribusi geometrik ?
3. Bagaimana fungsi,peluang distribusi geometrik ?
4. Bagaimana parameter distribusi geometrik dan pembuktiannya?
C. Tujuan Penulisan
Dari rumusan masalah di atas, maka dapat dituliskan tujuan penulisan, yaitu:
1. Untuk mengetahui apa itu distribusi probabilitas diskrit
2. Untuk mengetahui pengertian dan konsep distribusi geometrik
3. Untuk mengetahui fungsi peluang distribusi geometrik
4. Untuk lebih mengerti tentang parameter distribusi geometrik dan
pembuktiannya
1
BAB II
PEMBAHASAN
A. Pengertian Distribusi Probabilitas Diskrit
Distribusi Probabilitas merupakan cara yang lebih sederhana untuk
menyelesaikan probilitas dari peristiwa yang bersifat independen dan
dependen. Peristiwa independen merupakan peristiwa yang terjadi yang tidak
mempengaruhi peristiwa yang berikutnya. Peristiwa dependen adalah peristiwa
yang mempengaruhi peristiwa lain. Pada berbagai peristiwa dalam probilitas,
jika frekuensi percobaan banyak, maka untuk peristiwa yang bersifat
independen dan dependen akan mengalami kesulitan dalam percobaan.
Distribusi peluang diskrit adalah suatu tabel atau rumus yang mencantumkan
semua kemungkinan nilai suatu pengubah acak diskrit (ruang contoh diskrit
mangandung jumlah titik yang terhingga) dan juga peluangnya.
2
hingga akhirnya buruannya berhasil ditembak. Kalau sudah berhasil ditembak,
maka tidak ada lagi peluru yang dihamburkan.
Secara konsep distribusi geometrik mewakili sebuah percobaan random yang :
1. Dilakukan berulang-ulang,
2. Antar ulangannya saling bebas, dan
3. Probabilitas sukses pada tiap ulangannya sama yaitu 𝑝, dimana
0 < 𝑝 < 1.
4. Percobaan ini dilakukan/diulang sampai diperoleh 1 buah sukses.
Ruang sampel dari percobaan ini adalah sebagai berikut:
𝐶 = {𝑆, 𝐺𝑆, 𝐺𝐺𝑆, 𝐺𝐺𝐺𝑆, 𝐺𝐺𝐺𝐺𝑆, … } 𝑆 = 𝑠𝑢𝑘𝑠𝑒𝑠; 𝐺 = 𝑔𝑎𝑔𝑎𝑙
Atau
𝑋~𝐺(𝑥; 𝑝)
3
yang berarti peubah acak 𝑋 berdistribusi geometrik dengan banyak
pengulangan eksperimennya sampai 𝑥 kali dan peluang terjadinya peristiwa
sukses sebesar 𝑝. Fungsi kepadatan peluangnya ditulis sebagai berikut:
= 𝑝 + 𝑝. (1 − 𝑝) + 𝑝. (1 − 𝑝)2 + ⋯
= 𝑝. [1 + (1 − 𝑝) + (1 − 𝑝)2 + ⋯ ]
1 1
= 𝑝[ ]=𝑝× =1
1 − (1 − 𝑝) 𝑝
𝑎 1
[1 + (1 − 𝑝) + (1 − 𝑝)2 + ⋯ ] = 𝑆∞ = =
1−𝑟 1−(1−𝑝)
𝑈𝑛 (1 − 𝑝)2
𝑎=1; 𝑟= = =1−𝑝
𝑈𝑛−1 (1 − 𝑝)
4
D. Parameter Distribusi Geometrik
Rataan, varians dan fungsi pembangkit momen dari distribusi geometrik adalah
sebagai berikut:
1
1. µ = 𝑝
1−𝑝
2. 𝜎 2 = 𝑝2
𝑝 . 𝑒𝑡
3. 𝑀𝑥 (𝑡) = ;𝑡 𝜖 ℝ
1−(1−𝑝).𝑒 𝑡
Pembuktian:
1. Rataan
a. Pembuktian Cara pertama
µ = 𝐸(𝑋) = ∑ 𝑥 . 𝑝(𝑥)
𝑥
∞
µ = ∑ 𝑥 . (1 − 𝑝)𝑥−1 . 𝑝
𝑥=1
∞
𝑑
=𝑝 ∑ (1 – 𝑝)𝑥
𝑑(1 − 𝑝)
𝑥=1
∞
𝑑
= 𝑝. ∑(1 − 𝑝)𝑥
𝑑(1 − 𝑝)
𝑥=1
𝑑
= 𝑝. [(1 − 𝑝) + (1 − 𝑝)2 + (1 − 𝑝)3 + . . . ]
𝑑(1 − 𝑝)
𝑈𝑛 (1 − 𝑝)3 (1 − 𝑝)
𝑎 = (1 − 𝑝) ; 𝑟 = = = 1 − 𝑝 ; 𝑆∞ =
𝑈𝑛−1 (1 − 𝑝)2 1 − (1 − 𝑝)
𝑑 1−𝑝
= 𝑝. ( )
𝑑(1 − 𝑝) 1 − (1 − 𝑝)
5
𝑑 1−𝑝
Untuk 𝑑(1−𝑝) (1−(1−𝑝)) gunakan aturan hasil bagi
Misalkan 𝑢 =1−𝑝 𝑣 = 1 − (1 − 𝑝)
𝑑𝑢 = 1 𝑑𝑣 = −1
𝑑 1−𝑝 𝑑𝑢. 𝑣 − 𝑢. 𝑑𝑣
( )=
𝑑(1 − 𝑝) 1 − (1 − 𝑝) 𝑣2
{1 − (1 − 𝑝)} − (1 − 𝑝)(−1)
= 𝑝 .[ ]
{1 − (1 − 𝑝)}2
1−1+𝑝+1−𝑝
= 𝑝 .( )
(1 − 1 + 𝑝)2
1 𝑝 1
=𝑝 2
= 2=
𝑝 𝑝 𝑝
1
µ = 𝐸(𝑋) = (𝑡𝑒𝑟𝑏𝑢𝑘𝑡𝑖)
𝑝
Diketahui : ∑∞
𝑥=1 𝑝 (𝑥 ) = 1
Misalkan 𝑞 = 1 − 𝑝
Bukti:
6
∞
= 𝐸(𝑋) = ∑ 𝑥. 𝑝(𝑥)
𝑥=1
𝐸(𝑥) = ∑ 𝑥. (1 − 𝑝)𝑥−1 . 𝑝
𝑥=1
𝐸(𝑋) = ∑ 𝑥. 𝑝𝑞 𝑥−1
𝑥=1
𝐸(𝑋) − 𝑞. 𝐸(𝑋) = 1
𝐸(𝑋). [1 − 𝑞] = 1
1 1 1
𝐸(𝑋) = = = =
(1 − 𝑞) (1 − (1 − 𝑝)) (𝑝)
1
Terbukti bahwa = 𝑝
2. Varians
a. Pembuktian Cara Pertama
Berdasarkan definisi varians, maka
𝜎 2 = 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2
= 𝐸[𝑋(𝑋 − 1) + 𝑋] − [𝐸(𝑋)]2
7
= 𝐸[𝑋(𝑋 − 1)] + 𝐸(𝑋) − [𝐸(𝑋)]2
Berdasarkan nilai ekspetasi diskrit, maka :
∞
𝑑2
= 𝑝. (1 − 𝑝). ∑(1 − 𝑝)𝑥
𝑑(1 − 𝑝)2
𝑥=1
Untuk ∑∞
𝑥=1(1
𝑥
− 𝑝) dapat dinyatakan sebagai:
𝑎 = (1 − 𝑝)
𝑈𝑛 (1 − 𝑝)3 (1 − 𝑝)
𝑟= = = 1 − 𝑝 ; 𝑆∞ =
𝑈𝑛−1 (1 − 𝑝)2 1 − (1 − 𝑝)
𝑑2 1−𝑝
= 𝑝. (1 − 𝑝). 2
[ ]
𝑑(1 − 𝑝) 1 − (1 − 𝑝)
𝑑2 1−𝑝
2
[ ]
𝑑(1 − 𝑝) 1 − (1 − 𝑝)
𝑑 𝑑 1−𝑝
↔= [ [ ]]
𝑑(1 − 𝑝) 𝑑(1 − 𝑝) 1 − (1 − 𝑝)
8
𝑑 (1 − (1 − 𝑝)) − (1 − 𝑝). (−1)
↔= [ ]
𝑑(1 − 𝑝) (1 − (1 − 𝑝))2
𝑑𝑢 = (−1) − (−1) = 0
𝑣 = (1 − (1 − 𝑝))2
𝑑𝑣 = 2. (1 − (1 − 𝑝)). (−1)
= (−2). (1 − (1 − 𝑝))
𝑑 𝑑𝑢. 𝑣 − 𝑢. 𝑑𝑣
↔= 𝑓(𝑥) =
𝑑𝑥 𝑣2
−2(1 − (1 − 𝑝))
= 𝑝. (1 − 𝑝). [ ]
(1 − (1 − 𝑝))4
2𝑝
= 𝑝. (1 − 𝑝). ( )
𝑝4
2(1 − 𝑝)
𝐸[𝑋(𝑋 − 1)] =
𝑝2
2(1−𝑝)
Substitusi 𝐸[𝑋(𝑋 − 1)] = pada rumus varians
𝑝2
2(1 − 𝑝) 1 1
𝜎 2 = Var(X) = + −
𝑝2 𝑝 𝑝2
1−𝑝
𝜎 2 = Var(X) = Terbukti
𝑝2
σ2 = 𝐸[𝑋(𝑋 − 1) + 𝑋] − [𝐸(𝑋)]2
9
σ2 = 𝐸[𝑋(𝑋 − 1)] + 𝐸(𝑋) − [𝐸(𝑋)]2
10
∞
2𝑞. 𝐸(𝑋)
𝐸[𝑋(𝑋 − 1)] =
𝑝
1
2. (1 − 𝑝). (𝑝) 1 1 2 − 2𝑝
𝐸[𝑋(𝑋 − 1)] = = [(2 − 2𝑝). ( )] . [ ] =
𝑝 𝑝 𝑝 𝑝2
2 − 2𝑝
𝐸[𝑋(𝑋 − 1)] =
𝑝2
2
2 − 2𝑝 1 1 2 2 − 2𝑝 1 1 2 − 2𝑝 + 𝑝 − 1
σ = + − ( ) = + − =
𝑝2 𝑝 𝑝 𝑝2 𝑝 𝑝2 𝑝2
1−𝑝
= 𝑝2
1−𝑝
σ2 = Terbukti
𝑝2
𝑝 . 𝑒𝑡
𝑀𝑥 (𝑡) = ;𝑡 𝜖 𝑅
1−(1−𝑝).𝑒 𝑡
Bukti:
Misalkan 𝑞 = 𝑝 − 1
11
∞
∞
𝑡𝑋)
𝐸(𝑒 = 𝑝. ∑(𝑒 𝑡𝑋) . (1 − 𝑝)𝑥−1 . 𝑝
𝑥=1
= 𝑝[𝑒 𝑡 + 𝑒 2𝑡 𝑞 + 𝑒 3𝑡 𝑞2 … ]
𝑒 2𝑡 .𝑞
Diketahui : 𝑎 = 𝑒𝑡 ; 𝑟 = = 𝑒𝑡𝑞
𝑒𝑡
𝑎 𝑒𝑡
Maka : 𝑆∞ = =
1−𝑟 1−𝑒 𝑡 𝑞
𝑒𝑡 𝑝.𝑒 𝑡
𝐸(𝑒 𝑡𝑋 ) = 𝑝 [1−𝑒 𝑡𝑞 ] = 1−𝑒 𝑡𝑞
𝑝.𝑒 𝑡 𝑝.𝑒 𝑡
𝐸(𝑒 𝑡𝑋 ) = = = 𝑀𝑥 (𝑡)
1−𝑒 𝑡(1−𝑝) 1−(1−𝑝)𝑒 𝑡
𝑝.𝑒 𝑡
Terbukti bahwa 𝑀𝑥 (𝑡) = 1−(1−𝑝)𝑒 𝑡
E. Contoh-Contoh Soal
1. Probabilitas mahasiswa matematika yang tidak suka kalkulus adalah 80%.
Tentukan probabilitas seorang peneliti memerlukan 3 mahasiswa sampai
diperoleh mahasiswa yang tidak suka kalkulus.
Jawab :
Dik : 𝑥 = 3 ; 𝑝 = 0.8 ; 𝑞 = 0.2
Dit : 𝐺(𝑥; 𝑝) = 𝐺(3; 0,8) = 𝑝(3) =?
Peny ;
12
𝐺(3; 0,8) = 𝑝(𝑞)𝑥−1
𝐺(3; 0,8) = (0,8)(0,2)3−1
𝐺(3; 0,8) = (0.8)(0.2)2
𝐺(3; 0,8) = (0.8)(0.04)
𝐺(3; 0,8) = 0.032
Maka probabilitas seorang peneliti memerlukan 3 mahasiswa sampai
diperoleh mahasiswa yang tidak suka kalkulus adalah 0.032
Jawab :
b. 𝑥 = 5
1
𝑝 = = 0.3
3
𝑝(𝑥) = (1 − 𝑝)𝑥−1 . 𝑝
𝑝(5) = (1 − 0.3)5−1. 0.3
𝑝(5) = (0.7)4 . (0.3)
𝑝(5) = 0.2401 × 0.3
𝑝(5) = 0.07203
1 1
c. 𝐸(𝑋) = = = 3.333
𝑝 0.3
13
3. Probabilitas seseorang sembuh dari sebuah penyakit setelah diberikan obat
tertentu adalah 90%, hitunglah probabilitas bahwa setelah 5 orang diberi
obat maka orang tersebut orang yang pertama sembuh …
Jawab
9
Dik : 𝑝 = 10
9 1
𝑞 = 1 − =
10 10
𝑥 = 5
9
Dit : 𝐺 (5 ; ) =?
10
Penyelesaian :
𝐺(𝑥 ; 𝑝) = 𝑝𝑞 𝑥−1
9 9 1 5−1
𝐺 (5 ; ) = ( )( )
10 10 10
9 1 4
= ( ).( )
10 10
9
=
105
= 0,00009
14
BAB III
PENUTUP
Distribusi Probabilitas merupakan cara yang lebih sederhana untuk
menyelesaikan probilitas dari peristiwa yang bersifat independen dan
dependen. Distribusi geometri adalah kasus khusus dari distribusi binomial
negative untuk k=1, yaitu distribusi peluang banyaknya usaha yang diperlukan
untuk mendapatkan sukses pertama. Dengan kata lain distribusi ini mewakili
suatu kejadian random hingga sukses yang pertama kali terjadi. Distribusi
Geometri mewakili sebuah percobaan random yang :
1. Dilakukan berulang-ulang,
2. Antar ulangannya saling bebas, dan
3. Probabilitas sukses pada tiap ulangannya sama yaitu 𝑝,
dimana 0 < 𝑝 < 1.
4. Percobaan ini dilakukan/diulang sampai diperoleh 1 buah sukses.
Secara umum jika X adalah sebagai banyak percobaan sampai mendapatkan
sukses pertama, p menyatakan peluang kejadian sukses, dan q menyatakan
peluang kejadian gagal. Maka diperoleh fungsi kepadatan peluang dari X
adalah:
𝑝(𝑥) = 𝑃(𝑋 = 𝑥) = 𝑝(𝑞)𝑥−1 𝑥 = 1,2,3, …
Atau
𝑋~𝐺 (𝑥; 𝑝)
15
Parameter distribusi geometrik antara lain, rataan, varians dan fungsi
pembangkit momen dari distribusi geometrik adalah sebagai berikut:
1
1. µ = 𝑝
1−𝑝
2. 𝜎 2 = 𝑝2
𝑝 . 𝑒𝑡
3. 𝑀𝑥 (𝑡) = ;𝑡 𝜖 𝑅
1−(1−𝑝).𝑒 𝑡
16
DAFTAR PUSTAKA
https://www.researchgate.net/publication/32764501_DISTRIBUSI_GEOMET
RIK. Diakses 30 April 2019.
https://www.academia.edu/32830376/Distribusi_Binomial_Negatif_dan_Distri
busi_Geometrik. Diakses 30 April 2019.
http://mtkmudahbanar.blogspot.com/2016/08/distribusi-geometrik-
statistika.html?m=1. Diakses 30 April 2019
17