UNIVERSITAS SUMATERA UTARA

FAKULTAS MIPA
DEPARTEMEN MATEMATIKA

PROSES STOKASTIK

LEMBAR KERJA 2

Nama : Yeni Herlina Azis

NIM : 200803100
Tanggal : 13 September 2022

A. DISTRIBUSI DISKRIT
Distribusi diskrit yaitu distirbusi dimana peubahnya secara teoritis tidak dapat menerima
sembarang nilai diantara dua nilai yang diberikan. Distribusi peluang diskrit adalah distribusi
peluang terjadinya setiap nilai variabel random diskrit. Sedangkan variabel random diskrit
artinya adalah variabel random yang memiliki nilai yang dapat dihitung.
1. Distribusi Poisson
a. Gambaran Umum
Banyak masalah yang menjadi perhatian seorang insinyur adalah mengetahui
kemungkinan terjadinya suatu peristiwa pada interval waktu tertentu. Contoh : gempa
dapat terjadi pada waktu tertentu, kecelakaan lalu lintas dapat terjadi pada rentan waktu
tertentu di suatu jalan raya. Dalam kasus seperti ini kejadian suatu peristiwa lebih tepat
bila dimodelkan dengan Proses Poisson. Asumsi proses poisson adalah sebagai berikut :
 Suatu peristiwa dapat terjadi secara acak dan pada interval waktu tertentu.
 Kejadian satu peristiwa dengan peristiwa lain pada interval waktu tertentu adalah
independen (bebas).
 Probabilitas kejadian suatu peristiwa pada interval waktu Δt adalah proporsional
terhadap Δt, dan dapat diberikan dengan vΔt, dimana v adalah rata-rata kejadian suatu
peristiwa.
 Ciri-ciri distribusi poisson
 Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu atau suatu daerah
tertentu tidak bergantung pada banyaknya hasil percobaan yang terjadi pada interval
waktu atau daerah lain yang terpisah.
 Probabilitas terjadinya hasil percobaan selama suatu interval waktu yang singkat atau
dalam suatu daerah yang kecil, sebanding dengan panjang interval waktu atau
besarnya daerah tersebut dan tidak bergantung pada banyaknya hasil percobaan yang
terjadi di luar interval waktu atau daerah tersebut.

b. Bentuk Fungsi
Peubah acak X dikatakan berdistribusi Poisson dengan parameter λ, dinotasikan
Poisson(λ), jika mempunyai fungsi kepadatan peluang berikut
x −x
( ) λ e
Pr x =
x!

c. Grafik

d. Contoh Aplikasi
Distribusi poisson dapat digunakan untuk menggambarkan kejadian yang jarang
terjadi (rare events) atau kejadian yang berhubungan dengan lamanya waktu
tunggu (waitingtime). Distribusi Poisson digunakan dalam Menghitung
probabilitas terjadinya peristiwa menurut satuan waktu, ruang atau isi, luas, Panjang yang
bersifat random atau acak. Penerapan ditribusi ini sering kitajumpai dalam
kehidupan sehari-hari dan sangat melekat pada setiap kegiatan, seperti:
 Kedatangan bus atau pelanggan.
 Kedatangan pasien dirumah sakit.
 Kedatangan mobil di pom bensin.
 Kedatangan mahasiswa di perpustakaan.
 Jumlah panggilan telepon yang masuk.
 Contoh soal: Berdasarkan data, badai hujan di suatu kota selama 20 tahun, menunjukkan
bahwa rata-rata terdapat 4 kali badai hujan per tahun. Asumsikan kejadian badai hujan
adalah proses Poisson, berapa probabilitas bahwa tidak ada badai hujan tahun depan :
−4 0
e 4
P ( X t =0 ) = =0,018
0!
Probabilitas akan terjadi 4 kali badai hujan tahun depan adalah
e−4 4 4
P ( X t =4 ) = =0,195
4!
Probabilitas akan terjadi 2 kali atau lebih badai hujan tahun depan adalah
1
e−4 x 0
P ( X t ≥ 2 )=1−∑ =1−0,018−0,074=0,908
x=0 x!

2. Distribusi Bernoulli
a. Gambaran Umum
Distribusi Bernoulli adalah distribusi yang bersumber dari percobaan Bernoulli, yakni
suatu percobaan yang menghasilkan dua kemungkinan hasil: Sukses dan Gagal. Contoh
sederhana adalah pelemparan sebuah mata uang logam, di mana terdapat 2 kemungkinan
hasil yang bisa diperoleh dari satu kali pelemparan, yaitu Angka dan Gambar.
Contoh lain misalnya, pada pengujian barang hasil produksi, dengan tiap pengujian atau
usaha dapat menunjukkan apakah suatu barang cacat atau tidak cacat. Kita dapat
menentukan atau memilih salah satu hasil sebagai sukses.
b. Bentuk Fungsi

{
x 1−x
f ( x ; p )= p ( 1− p ) x=0 , 1
0 , x lainnya
Dimana:
 x adalah variable random.
 pmerupakan parameter dimana, 0 ≤ p ≤ 1
 Variable random x berdistribusi pada Bernoulli dapat dituliskan sebagai X B( p).

c. Grafik
 d. Contoh Aplikasi
Pada pelemparan koin sebagai bentuk eskperimen untuk mengetahui berapa peluang
kemuncul gambar angka dari koin tersebut.

3. Distribusi Binomial
a. Gambaran Umum
Distribusi peluang binomial adalah distribusi yang mempunyai dua macam kategori yaitu
sukses dan gagal. Percobaan dalam distribusi ini dilakukan secara berulang– ulang
sebanyak n kali dengan peluang sukses p untuk setiap percobaan dan q untuk peluang
gagal, percobaan ini bersifat independent.

Karakteristik distribusi binomial:

 Percobaan diulang sebanyak n kali
 Hasil setiap ulangan dapat dikategorikan dalam 2 kelas Misal : “berhasil” atau
“gagal”, “ya” atau “tidak”, “success” atau “failed”
 Peluang berhasil atau sukses disimbolkan dengan p dan dalam setiap ulangan nilai p
tetap, dimana p = 1 – q sedangkan peluang gagal dinyatakan dengan q dimana q = 1 –
p.
 Banyaknya keberhasilan dalam peubah acak disimbolkan dengan x
 Setiap ulangan bersifat bebas (independent) satu dengan lainnya.
 Semakin banyak n maka peluang terjadinya suatu kejadian tertentu semakin kecil

b. Bentuk Fungsi
Fungsi Kumulatif Distribusi Binomial
n
p ( x ) =∑ C nx . p x .q n−x
x=o
 c. Grafik

Gambar diatas menunjukkan perbandingan antara dua kurva distribusi binomial yang
memiliki n sama namun peluangnya berbeda. Kurva dengan warna merah menunjukkan
distribusi binomial dengan p=0,9. Puncak kurva distribusi binomial dengan p=0,9 lebih
tinggi dan kurva bergeser ke kanan dibandingkan kurva distribusi binomial dengan
p=0,6. Hal ini disebabkan karena perbedaan nilai peluang sukses dan perubahan nilai
mean, semakin besar p, maka kurva semakin ke kanan dan puncak kurva semakin tinggi.

d. Contoh Aplikasi
Distribusi Binomial ini dapat digunakan dalam berbagai survey kesehatan, sebagai
contoh survey kunjungan dokter atau pasien pada suatu rumah sakit.

Contoh soal: Probabilitas suatu alat tertentu akan tetap bertahan (tidak rusak) bila
digetarkan adalah ¾. Tentukan probabilitas bahwa terdapat 2 dari 4 kompenen yang ditest
akan bertahan.

( )( ) ( )
2 2 2
4 3 1 = 4 ! . 3 = 27
Solusi: P ( X=2 )=
2 4 4 2 ! 2! 42 128

4. Distribusi Geometrik
a. Gambaran Umum
Distribusi geometrik memiliki ciri bahwa peubah acaknya menyatakan banyaknya
percobaan yang diperlukan untuk mendapatkan sukses yang pertama. Distribusi
geometrik merupakan kasus khusus distribusi binomial negatif untuk k = 1.

b. Bentuk Fungsi
Bila percobaan yang saling bebas dilakukan berulang kali dan menghasilkan sukses
dengan peluang p, gagal dengan peluang q = 1 − p, maka distribusi peluang peubah
acak X, yaitu banyaknya usaha sampai saat terjadi sukses yang pertama, diberikan oleh

{
x−1
g ( x ; p )= p(1−p) , x=1,2,3 ,..
0 ,untuk x lainnya
 c. Grafik

d. Contoh Aplikasi
Distribusi ini dapat digunakan bila hanya terdapat dua kemungkinan yaitu sukses atau
gagal, yang diulang berkali-kali sampai mendapatkan sukses pertama. Dimana setiap
percobaan tidak akanberpengaruh pada percobaan selanjutnya.

B. DISTRIBUSI KONTINU
1. Distribusi Uniform
a. Gambaran Umum
Salah satu distribusi yang cukup dikenal adalah apa yang dinamakan distribusi seragam
kontinu (continuous uniform) atau kadang cukup disebut distribusi seragam (uniform).
Suatu peubah acak X pada interval (a,b) dikatakan berdistribusi uniform kontinu jika
nilai f(x) adalah tetap untuk tiap x dalam interval (a,b).

b. Bentuk Fungsi

{
1
, a< x <b
f ( x ; a , b )= b−a
0 , untuk x lainnya

c. Grafik
 d. Contoh Aplikasi
Seorang dipilih secara acak dari 5 mahasiswa untuk mengerjakan suatu tugas. Berapa
peluang setiap mahasiswa yang terpilih?

Solusi:
Tiap mahasiswa berpeluang sama untuk terpilih, yaitu 1/5. Maka distribusinya adalah
distribusi uniform. Sehingga peluang setiap mahasiswa yang terpilih adalah
1
f ( x ; 5 )= , x=1,2,3,4 dan 5
5

2. Disribusi Normal
a. Gambaran Umum
Distribusi normal merupakan distribusi paling penting dalam bidang statistika. Banyak
gejala yang muncul di alam, industri, dan penelitian yang dapat digambarkan dengan baik
oleh kurva distribusi normal. Kurva distribusi normal ini berbentuk seperti lonceng atau
genta, dan persamaannya pertama kali ditemukan tahun 1733 oleh Abraham DeMoivre.
Distribusi ini disebut juga distribusi Gauss, untuk menghormati Karl Fredrich Gauss
(1777-1855).

b. Bentuk Fungsi
Fungsi Kumulatif Distribusi Normal adalah sebagai berikut
−( σ )( x− μ )
x 1 2 2
1
∫
x x
2
F ( x )= e dx
σ x √ 2 π −∞

Kurva distribusi normal baku diperoleh dari distribusi normal umum dengan cara
transformasi nilai x menjadi nilai, dengan formula sebagai berikut:
x
Z=
μσ
Pada kurva distribusi normal baku, nilai µ=0 dan nilaiσ =1, sehingga terlihat lebih
sederhana. Namun, sifat-sifatnya persis sama dengan sifat-sifat distribusi normal umum.
Tabel distribusi normal baku disebut juga dengan Tabel Z dan dapat digunakan untuk
mencari peluang di bawah kurva normal secara umum, asal saja nilai u dan a diketahui.
 Sebagai catatan sifat-sifatnya persis sama dengan sifat sifat distribusi normal umum.
Tabel dapat diganti masing-masing dengan nilai dan S.

c. Grafik

d. Contoh Aplikas
Sebagai contoh untuk aplikasi distribusi normal, dilakukan pengukuran tinggi badan pada
1000 orang laki-laki, didapatkan nilai mean tinggi 172,5 cm dan standar deviasi = 5 cm.
Bila dihitung jumlah laki-laki yang mempunyai tinggi badan ditambah atau dikurangi 5
cm dari nilai mean adalah 690 orang, maka kita dapat bahwa 69 % dari laki-laki tersebut
mempunyai tinggi badan yang tidak berbeda dari nilai mean ditambah atau dikurangi
dengan 1 kali standar deviasi.
Begitu pula bila dihitung jumlah laki-laki yang mempunyai tinggi badan ditambahatau
dikurangi 10 cm dari nilai mean adalah 955 orang, maka kita dapat mengatakan bahwa
95,5 % dari laki-laki tersebut mempunyai tinggi badan yang tidak berbeda dari nilai mean
ditambah atau dikurangi dengan 20 cm dari nilai mean adalah 997 orang atau 99,7% dari
laki-laki tersebut mempunyai tinggi yang tidak berbeda dari nilai mean ditambah atau
dikurangi dengan 3 kali standar badan yang badan yang deviasi.

3. Distribusi Eksponensial
a. Gambaran Umum
Distribusi eksponensial (Generalized Exponential Distrubution) pertama kali
diperkenalkan oleh Gupta dan Kundu pada tahun 1999. Distribusi ini diambil dari salah
satu fungsi kepadatan kumulatif yang digunakan pada pertengahan abad 519 (Gompertz-
Verhulst) untuk membandingkan tabel kematian dan menghasilkan laju pertumbuhan
penduduk.

Adapun karakteristik-karakteristik dalam distribusi eksponensial antara lain: Mempunyai

nilai variansi, mempunyai nilai mean, pencarian pada distribusi eksponensial
menggunakan variabel random, peluang yang terjadi pada suatu percobaan
mempengaruhi selisih waktu yang terjadi padapercobaan tersebut dan mempunyai nilai
β> 0.
 b. Bentuk Fungsi

{
f ( x )=
1 −βx
β
e , x≥0
0 , untuk x lainnya

c. Grafik

d. Contoh Aplikasi
Distribusi eksponensial berguna dalam mencari selisih waktu yang terjadi dalamsuatu
peluang pada daerah tertentu. Dalam aplikasinya distribusi eksponensial ini sangat
berperan sekali dalam membantu mengerjakan suatu pekerjaan, antara lain:
 Untuk mengukur selisih waktu antara orang 1 dan seterusnya dalam suatu
antrian.
 Untuk mengukur tingkat kegagalan yang mungkin terjadi dalam suatu
peluang.
 Distribusi eksponensial juga berguna dalam mencari peubah acak kontinu,
denganmenggunakan variabel random bilangan acak.

4. Distribusi T
a. Gambaran Umum
Distribusi student-t atau kadang hanya disebut distribusi-t banyak diterapkan pada
statistik inferensia ketika nilai varians dari suatu populasi tidak diketahui. Untuk sampel
yang besar, nilai varians populasi σ 2 dapat diestimisasi dengan varians dari sample s2
sehingga dapat dilakukan pendekatan (apprioximate) dengan distribusi normal baku.
 b. Bentuk Fungsi
Z
T=

√ V
v

c. Grafik

d. Contoh Aplikasi
Distribusi Student-t banyak diterapkan pada statistic inferensia Ketika nilai varians dari
suatu populasi tidak diketahui.

5. Distribusi Weibull
a. Gambaran Umum
Distribusi Weibull adalah distribusi yang paling banyak digunakan untuk waktu hidup
dalam teknik ketahanan. Distribusi ini adalah distribusi serbaguna yang dapat mengambil
karakteristik dari jenis distribusi lain berdasarkan pada nilai dari bentuk parameter.
Karakteristik : Distribusi Weibull adalah distribusi yang memiliki peranan yang penting
tenstama pada persoalan keandalan (rehability) dan analisis rawatan (mantainability).
Distribusi Weibull sering dipakai sebagai pendekatan untuk mengetahui karakteristik
fungsi keurakan karena perubahan nilai akan mengakibatkan distribusi Weibull
mempunyai sifat tertentu ataupun ekuivalen dengan distribusi tertentu. Distribusi mi
adalah distribusi serbaguna yang dapat mengambil karakteristik dan jenis lain dan
distribusi, berdasarkan nilaidan bentuk.
b. Bentuk Fungsi
β−1 β
f ( x )=αβ x exp−(α x )
c. Grafik

d. Contoh Aplikasi
Distribusi Weibull banyak diaplikasikan pada Pengendalian Mutu (Quality Kontrol)
terutama untuk data waktu hidup (lifetime data). Salah satu alat yangdigunakan dalam
pengendalian mutu adalah grafik pengendali (control charts).