METODE STATISTIKA (Dosen: Ratna Herdiana)

BAB 5 FUNGSI DISTRIBUSI

Variabel random (peubah acak)
X variable random merupakan fungsi yang memberikan nilai hasil percobaan
dengan bilangan riil (memetakan ruang kejadian ke ruang bilangan riil)

Contoh 5.1: pelemparan koin seimbang 3 kali.

Jika jumlah gambar G sebagai nilai ukuran variable pelemparan, maka diperoleh
ruang range: Rx = {0, 1, 2, 3}
S X Rx
AAA 0
AAG
AGA 1 X = 1, banyaknya G yang
GAA
didapat dari 3 pelemparan
AGG
2 adalah 1
GGA
GAG
GGG 3

Variabel random diskrit

Jika ruang range Rx dengan variable random X adalah terbatas atau tidak terbatas
yang dapat dihitung, maka X disebut variable random (peubah acak) diskrit.
Contoh diatas.

Variabel random kontinu

Jika ruang range Rx dengan variable random X dinyatakan dalam sebuah interval
atau himpunan dari interval-interval, maka X disebut variable random (peubah acak)
kontinu.
Contoh 5.2:
- pengukuran suhu udara kota Semarang. Alat ukur suhu thermometer
merupakan alat ukur dalam bentuk interval.
- Pengukuran berat badan
1
Probabilitas variable random
Probabilitas suatu variable random X dengan nilai x ditulis P(X = x)
Contoh 5.3.
Dari contoh Pelemparan koin 3 kali diatas. Peluang mendapatkan G sebanyak 1
adalah
P(X = 1 ) = 1/8 + 1/ 8 + 1/8 = 3/8

Nilai Harapan (Ekspektasi) Peubah Acak Diskrit

Misalkan X peubah acak (variable random)
 Nilai harapan dari peubah acak adalah pemusatan dari nilai peubah acak jika
percobaannya dilakukan secara berulang-ulang sampai tak berhingga kali.
E(X) = µ
 Secara matematis nilai harapan (ekspektasi) dapat dirumuskan sebagai berikut:
𝑛

𝜇 = 𝐸(𝑋) = ∑ 𝑥𝑖 𝑝(𝑥𝑖 )
𝑖

Contoh 5.4:
• Jika diketahui distribusi peluang dari peubah acak X seperti tabel di bawah ini:

Nilai peubah Acak X

X 0 1 2 3 4 5
p(X=xi) 1/6 1/6 1/6 1/6 1/6 1/6
xi p(xi) 0 1/6 2/6 3/6 4/6 5/6

• Dengan demikian nilai harapan p.a X adalah:

E(X) = [(0)(1/6) + (1)(1/6) + (2)(1/6) + (3)(1/6) + (4)(1/6) + (5)(1/6)]
= 0 + 1/6 + 2/6 + 3/6 + 4/6 + 5/6 = 15/6

2
 Variansi (ragam) peubah acak X:
Var(X) = E(X2) – [E(X)]2
= [ (02)(1/6) + (12)(1/6) + (22)(1/6) + (32)(1/6) + (42)(1/6) + (52)(1/6) ] - (15/6)2
= 55/6 - 225/36 = 105/36

Sifat-sifat nilai harapan:

• Jika c konstanta maka E(c ) = c
• Jika p.a. X dikalikan dengan konstanta c maka E(cX) = c E(X)
• Jika X dan Y peubah acak maka E(X+Y) = E(X) + E(Y) dan E(X-Y) = E(X) - E(Y)

Dari Contoh 5.4 Hitung:

a) E(2X) = 2 E(X) b) Var(2X) = E(4x2) – (E(2x))2 = 4 E(X2) – 4 (E(X))2
E(2X) = 2 E(X) = 15/3=5 Var(2X)= E(4X2) – [ E(2X) ]2=4 E(X2)- [2E(X)]2
= 4 ( E(X2)- [E(X)]2) = 4 Var(X)

FUNGSI DISTRIBUSI DISKRIT

1. Distribusi Peluang Bernoulli
 Kejadian yang diamati merupakan kejadian biner yaitu sukses atau gagal (fail)
 Peubah acaknya (X) bernilai 1 jika kejadian sukses dan 0 jika kejadian gagal
 Misal, p = peluang sukses, dan q = peluang gagal, maka fungsi peluang
Bernoulli dapat dituliskan sebagai:
P(x,p) = p xq (1− x) ; x = 0,1
dimana q = 1 − p
Nilai harapan: E(X) = p; Variansi: Var(X) = pq = p(1 −p)

3
 - Seseorang pemain akan melakukan lemparan bebas. Misalkan peluang bola
tersebut masuk ring sebesar 80%, maka peluang bola tidak masuk ring adalah
20%
- Misalkan akan melakukan tendangan pinalti. Jika peluang bola masuk sebesar
95% maka peluang bola tidak masuk sebesar 5%.

2.Distribusi Peluang Binomial

 Terdiri dari n kejadian Bernoulli yang saling bebas
 Peubah acak Binomial merupakan jumlah dari kejadian sukses (S), X=0,1,2,….,n
 Variabel random X berdistribusi Binomial ditulis: X ~ B(n, p)
dimana n: banyaknya percobaan; p = peluang sukses
 Fungsi peluang dari kejadian Binomial dapat dituliskan sebagai:

𝑷(𝒙, 𝒏, 𝒑) = 𝑪𝒏𝒙 𝒑𝒙 𝒒(𝒏−𝒙) , 𝑥 = 0, 1, 2, … , 𝑛

𝑛!
dimana 𝐶𝑥𝑛 = (𝑛=𝑥)!𝑥!
; q = 1− p

 Ekspektasi: E(X) =np ; Varian (ragam): Var(X) = np(1− p)

Contoh 5.5
Jika peubah acak X didefinisikan sebagai banyaknya lemparan bebas yang sukses
dari 3 lemparan.
p= peluang sukses untuk sekali melakukan lemparan bebas diketahui 60%.
Hitung
P(X = 3) = C33 p3(1 −p)3-3 = P(X<3)= ?
P(X = 1) = C13 p1(1− p)2 =
P(X = 0) = C03 p0(1− p)3 =
Rata-rata sukses melakukan dalam 3 lemparan: E(X) =
Variansi X adalah Var(X) =

4
Latihan:
Peluang turun hujan per hari diketahui p = 0,6.
Jika pengamatan dilakukan dalam satu minggu (7 hari), hitunglah:
a. Berapa peluang tidak turun hujan dalam satu minggu?
b. Berapa peluang paling sedikit turun hujan satu hari dalam satu minggu?

5
3. Distribusi Hipergeometrik

 Select n from N items : k (C1) & N - k (C2)

 X = Number of items C1 in the sample of
size n
 Mass function:
 k  N  k 
  
 x  n  x 
H ( x; N , n, k ) , f ( x)  P( X  x) 
N
 
n 

 Mean and Variance

k   k  k  N  n 
  n  ;   n   1   
2

 
N  
N N  N  1 

CONTOH 5.6
Sebuah rak buku berisi 6 buku matematika, 5 buku fisika dan 4 buku kimia.
Ambil 3 buku secara acak.
a) Hitung peluang bahwa salah satu buku adalah buku matematika
b) Hitung nilai harapan bahwa buku matematika akan tepilih

Solusi: C1: buku matematika C2: non matematika

• X : banyaknya buku matematika yang tepilih dari 3 buku yang diambil.
• X ~ H (x; N, n, k) dengan N = 15, n = 3, k = 6 , x = 1

6
  k  N  k 
  

f ( x)  P( X  x)    
x n x
 N
 
n 
a) Peluang buku matematika terpilih dari 3 buku yang diambil:
 6 15  6   6  9 
     
 1  3  1  1  2  216
f (1)  P( X  1)   
15  15  455
   
3  3 

b) Ekspektasi banyaknya buku matematika terpilih dari 3 yang diambil

k 6 6
E ( X )  n   3    1.2
 N   15  5

4. Distribusi Peluang POISSON

Perhatikan variable random sepanjang sumbu waktu t

0 t t + Δt
Kejadian variable random X pada interval [0, t] digolongkan dengan istiah
’kedatangan’ atau ‘kelahiran’.
Misalkan, X : banyaknya kedatangan dalam selang waktu [0,t]
Asumsi:
1. Banyaknya kedatangan pada interval waktu tidak overlap, variable yang saling
bebas
2. Terdapat parameter positif λ (biasa dinamakan intensitas) pada interval
waktu sangat kecil Δt yang memenuhi:
a. Peluang tepat satu kedatangan dalam interval waktu Δt adalah λ Δt
b. Peluang tepat tidak ada kedatangan dalam selang waktu Δt
adalah 1 - λΔt

7
 POISSON DISTRIBUTION
 Def: X ~ P (l): Poisson Distribution, l > 0, if
e  l lx
f ( x )  P( X  x )  , x  0,1,2,3,...
x!
 X ~ P (l): E( X)  V( X)  l
 If X ~ B(n, p), n large, p small, then
Contoh
Rata-Rata Lakalantas 2 per minggu
n x n x e  np (np) x
P ( X  x)    p (1  p ) 
 
x x!
x = banyaknya lakalantas
(n  100, p  0.01, np  20)

peluang max dalam 2 minggu

= 0.433471
Contoh 5.8
Rata-rata kedatangan kapal tanker setiap hari di pelabuhan Tanjung adalah 10.
Fasilitas pelabuhan dapat melayani paling banyak 5 tanker per hari.
Berapa peluang (probabilitas) kapal2 tanker akan ditolak ?
X : banyaknya kapal tanker yang tiba setiap hari
P (X > 5) = 1 – P(X ≤ 5)
= 1 – P( X = 0) – P(X = 1) – P( X = 2) – P( X = 3) – P(X=4) – P(X=5)
=
8