DISTRIBUSI PENTING
DALAM STATISTIKA
Tim Statistika
Jurusan Peternakan
Fakultas Pertanian
Universitas Lampung
Definisi
Distribusi probabilitas adalah fungsi matematis yang memberikan
probabilitas terjadinya kemungkinan hasil yang berbeda dalam suatu
eksperimen. Dalam istilah yang lebih teknis, distribusi probabilitas
adalah deskripsi dari fenomena acak dalam hal probabilitas kejadian.
Misalnya, jika variabel acak X digunakan untuk menunjukkan hasil
lemparan koin (toss), maka distribusi probabilitas X akan
menghasilkan nilai 0,5 untuk X = kepala, dan 0,5 untuk X = ekor.
Distribusi probabilitas secara umum dibagi menjadi dua, yaitu
distribusi probabilitas diskret (seperti lemparan koin atau dadu)
dan distribusi probabilitas yang berkesinambungan atau
kontinyu (misalnya bilangan real, bobot sapi).
Distribusi
Probabilitas
Discrete Continue
Distribusi binomial digunakan ketika ada dua hasil percobaan yang saling eksklusif.
Distribusi binomial cocok untuk percobaan berulang, masing-masing dengan hasil
dikotomi seperti kegagalan-sukses, sakit-sehat, kepala-ekor, dan lain-lain
𝑛!
,
𝑘! (𝑛 − 𝑘)!
λ𝑘 𝑒 −λ
𝑃 𝑋=𝑘 = 𝑢𝑛𝑡𝑢𝑘 𝑘 = 0, 1, 2, … 𝑛 dimana λ=np
𝑘!
Density
5
10
Outcome
15
20
25
0.3
Density
0.2
0.1
0.0
0 5 10 15 20 25
Outcome
Contoh 1. Jika rata-rata ada dua belas mobil yang melintasi jembatan per
menit, berapa kemungkinan terdapat enam belas atau lebih mobil yang
melintasi jembatan dalam satu menit tertentu?
Peluang terdapatnya enam belas atau kurang mobil yang melintasi
jembatan dalam satu menit tertentu diberikan oleh fungsi ppois sebagai
berikut.
Jika total area di bawah kurva sama dengan 1, maka daerah yang diarsir pada area di bawah kurva di sebelah
kiri x = 0 akan sama dengan 0,5, dan bentuknya simetris dengan sisanya (0,5 bagian) di sebelah kanan x = 0.
Pada program R perintah yang disebut pnorm ("p" untuk "probabilitas") dapat digunakan untuk
menggambarkan besarnya probabilitas area di bawah kurva.
> pnorm(0, mean=0, sd=1)
[1] 0.5
>
Sebagai contoh kedua, misalnya kita ingin menghitung area di bawah kurva
normal standar (mean = 0, standar deviasi = 1) yaitu di sebelah kiri nilai x sampai
sebelah kanan mean sebesar 1 standar deviasi, maka dapat digambarkan seperti
Gambar dibawah ini.
Dalam hal ini total area dibawah kurva dari x=1 ke kiri adalah sebagai berikut.
> pnorm(1, mean=0, sd=1)
[1] 0.8413447
>
Hasil ini menunjukkan bahwa jika kita menggambar angka secara acak dari
distribusi normal standar, besarnya probabilitas bahwa kita menarik angka
yang kurang dari atau sama dengan 1 adalah 0,8413447.
Sebenarnya soal diatas bisa dijawab dengan rumus berikut:
𝑋−𝜇
𝑍=
𝜎
1−0
𝑍= =1
1
Kita cari nilai Z=1 pada tabel Z, yaitu nilai Z = 1,0 (baris)+ 0,00 (kolom) =
0.8413 . Pada program R untuk mencari probabilitas pada tabel Z adalah
sebagai berikut.
> pnorm(1)
[1] 0.8413447
> pnorm(1, mean=0, sd=1)##sama saja
[1] 0.8413447
Contoh 1. Berapa luas daerah dibawah kurva antara x=-1 sampai x=1, seperti
digambarkan pada Gambar dibawah ini?
> pnorm(1,mean=0,sd=1)-pnorm(-1,mean=0,sd=1)
[1] 0.6826895
>
Contoh 2. Berapa nilai x jika luas daerah dibawah kurva 0,95, seperti
ditunjukkan pada Gambar dibawah ini?
0.95
> qnorm(0.95,mean=0,sd=1)
[1] 1.644854
Contoh 4. Misalkan nilai ujian pada ujian masuk perguruan tinggi
sesuai dengan distribusi normal. Selanjutnya, nilai ujian rata-rata
adalah 72, dan standar deviasi adalah 15,2. Berapa persentase
siswa yang mendapatkan nilai 84 atau lebih dalam ujian tersebut?