STATISTIK EKONOMI
Disusun oleh :
2. Reno
FAKULTAS EKONOMI
2021
0
KATA PENGANTAR
Bismillahirrahmanirahim,
Puji dan syukur penulis panjatkan kehadirat Allah SWT, berkat limpahanrahmat dan karunia-Nya. penulis
dapat menyelesaikan salah satu tugas mata kuliah Probabilitas dan Statistika yaitu makalah yang
betemakan “Distribusi Binomial”.
Demikian juga tidak lupa, semoga shalawat serta salam senantiasa tercurahkepada kekasih pilihan Allah,
Muhammad SAW. Semoga pula rahmat, barakahdan inayah-Nya selalu bergema pada sanak kerabat,
sahabat, para tabi’in dan orang yang mengikuti jejak mereka sampai hari kiamat.
Penulis sampaikan ucapan terima kasih kepada yang terhormat BapakAdam Faroqi yang telah banyak
memberikan ilmu kepada penulis. Mungkin tanpa beliau penulis tidak akan bisa menyelesaikan tugas ini.
Layaknya tak ada gading yang yang tak retak, begitu pula denganmakalah ini maka penulis mohon kritik
dan saran yang membangun. Dengan begitu akan menjadi maklum adanya bila terdapat kesalahan.
DAFTAR ISI
1
DAFTAR ISI ................................................................................................ 2
PENUTUP .................................................................................................. 13
Distribusi Binomial
Distribusi Binomial atau distribusi Bernoulli (ditemukan oleh James Bernoulli) adalah suatu distribusi
teoritis yang menggunakan variabel random diskrit yang terdiri dari dua kejadian yang berkomplemen,
seperti sukses-gagal, ya-tidak, baik-cacat, kepala- ekor dll.
2
Ciri-ciri distribusi Binomial adalah sbb :
1. Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak, sukses-1. Setiap percobaan hanya
memiliki dua peristiwa, seperti ya-tidak, sukses-gagal.
2. Probabilitas suatu peristiwa adalah tetap, tidak berubah untuk setiap percobaan.
3. Percobaannya bersifat independen, artinya peristiwa dari suatu percobaan tidak mempengaruhi atau
dipengaruhi peristiwa dalam percobaan lainnya.
4. Jumlah atau banyaknya percobaan yang merupakan komponen percobaan binomial harus tertentu.
Probabilitas suatu peristiwa dapat dihitung dengan mengalikan kombinasi susunan dengan probabilitas
salah satu susunan. Berdasarkan hal tersebut, secara umum rumus dari probabilitas binomial suatu
peristiwa dituliskan :
Probabilitas binomial kumulatif adalah probabilitas dari peristiwa binomial lebih dari satu sukses.
Probabilitas binomial kumulatif dapat dihitung dengan menggunakan rumus :
Contoh :
Sebuah dadu dilemparkan keatas sebanyak 4 kali. Tentukan probabilitas dari peristiwa berikut :
3
a). Mata dadu 5 muncul 1 kali
Penyelesaian :
a). Karena dadu memiliki 6 sisi, yaitu 1, 2, 3, 4, 5, 6, sehingga setiap sisi memiliki probabilitas 1/6. Jadi,
probabilitas untuk mata 1 adalah 1/6, sehigga :
Distribusi Normal
4
Distribusi Normal adalah salah satu distribusi teoritis dari variable random kontinu. Distribusi Normal
sering disebut distribusi Gauss. Distribusi Normal memiliki bentuk fungsi sebagai berikut :
Keterangan :
π = 3,14
e = 2,71828
σ = Simpangan baku
Distribusi probabilitas normal dan kurva normal yangmenyertainya memiliki beberapa karakteristik
sebagai berikut :
2. Simetris
3. Asimtotis
5
1. Kurva berbentuk genta (µ= Md= Mo)
5. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai tengah dan ½ di sisi kiri.
6
Distribusi kurva normal dengan µ dan σ berbeda
P(x≤µ) = 0,5
P(x≥µ) = 0,5
Luas kurva normal antara x=a & x=b => probabilitas x terletak antara a dan b
7
Distribusi Poisson
Distribusi nilai-nilai bagi suatu variabel random X (X diskret), yaitu banyaknya hasil percobaan
yang terjadi dalam suatu interval waktu tertentu atau di suatu daerah tertentu.
Distribusi probabilitas diskret yang menyatakan peluang jumlah peristiwa yang terjadi pada
periode waktu tertentu apabila rata-rata kejadian tersebut diketahui dan dalam waktu yang
saling bebas sejak kejadian terakhir.
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.
Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval waktu yang singkat atau dalam
daerah yang kecil dapat diabaikan. Selain itu, Distribusi poisson banyak digunakan dalam hal berikut:
Menghitung probabilitas terjadinya peristiwa menurut satuan waktu, ruang atau isi, luas, panjang
tertentu, seperti menghitung probabilitas dari:
Banyaknya penggunaan telepon per menit atau banyaknya mobil yang lewat selama 5 menit di
suatu ruas jalan,
Banyaknya bakteri dalam satu tetes atau 1 liter air,
8
Banyaknya kesalahan ketik per halaman sebuah buku, dan
Banyaknya kecelakaan mobil di jalan tol selama minggu pertama bulan Oktober.
Menghitung distribusi binomial apabila n besar (n ³ 30) dan p kecil (p <>)
Rumus Pendekatan Peluang Poisson untuk Binomial
Pendekatan Peluang Poisson untuk Peluang Binomial dilakukan untuk mendekatkan probabilitas
probabilitas dari kelas sukses (x) dari n percobaan Binomial dalam situasi dimana n sangat besar dan
probabilitas kelas sukses (p) sangat kecil. Aturan yang diikuti oleh kebanyakan ahli statistika adalah
bahwa n cukup besar dan p cukup kecil, jika n adalah 20 atau lebih dari 20 dan p adalah 0.05 atau kurang
dari 0.05.
P(x;μ)=e–μ.μX
X ! Dimana : e = 2.71828
Apabila nilai harapan kejadian pada suatu interval adalah \lambda, maka probabilitas terjadi peristiwa
sebanyak k kali (k adalah bilangan bulat non negatif, k = 0, 1, 2, …) maka sama dengan dimana
k adalah jumlah kejadian suatu peristiwa — peluang yang diberikan oleh fungsi ini
λ adalah bilangan riil positif, sama dengan nilai harapan peristiwa yang terjadi dalam interval tertentu.
Misalnya, peristiwa yang terjadi rata-rata 4 kali per menit, dan akan dicari probabilitas terjadi peristiwa k
kali dalam interval 10 menit, digunakan distribusi poisson sebagai model dengan λ = 10×4 = 40.
9
Sebagai fungsi k, ini disebut fungsi massa probabilitas. The Distribusi poisson dapat diturunkan sebagai
kasus terbatas distribusi binomial. Distribusi poisson dapat diterapkan pada sistem dengan kejadian
berjumlah besar yang yang mungkin terjadi, yang mana kenyataannya cukup jarang. Contoh klasik
adalah peluruhan nuklir atom.
Sumbu aksis adalah indeks k. Fungsi ini hanya didefinisikan untuk bilangan bulat k. Garis penghubung
hanya ilustrasi untuk memudahkan.
Sumbu aksis adalah indeks k. Fungsi Distribusi Kumulatif diskontinyu pada bilangan bulat k dan lainnya
datar, karena variabel yang digunakan adalah bilangan bulat.
10
Contoh Soal
Dua ratus penumpang telah memesan tiket untuk sebuah penerbangan luar negeri. Jika probabilitas
penumpang yang telah mempunyai tiket tidak akan datang adalah 0.01 maka berapakah peluang ada 3
orang yang tidak datang.
Jawaban:
μ. =n.p
= 200 . 0.01
=2
P ( x ; μ ) = e – μ. μX X!
= 2.71828 – 2 . 2 3
11
PENUTUP
Kesimpulan
Distribusi binomial merupakan suatu performans dari suatu percobaan, percobaan itu hanya memiliki
dua macam keluaran yaitu “Sukses” atau “Gagal”. Percobaan tersebut disebut dengan tindakan
Bernoulli atau percobaan Bernoulli
12
DAFTAR PUSTAKA
http://tety.staff.gunadarma.ac.id/Downloads/files/7551/Sampling.doc
http://pianhervian.files.wordpress.com/2010/12/distribusi-teoritis.pdf
http://www.informatika.unsyiah.ac.id/subianto/kuliah/INF201/distNormal.pdf
http://thomasyg.staff.gunadarma.ac.id/Downloads/files/8191/Distribusi+Sampling.pdf
http://baniadams.files.wordpress.com/2011/10/distribusi-probabilitas-diskrit-poisson.pptx
http://blog.ub.ac.id/rakamahendras/2012/04/05/ditribusi-binomial-distribusi-normal/
13