Anda di halaman 1dari 7

DISTRIBUSI PROBABILITAS

DISUSUN OLEH:

ANNAJMU SYURAI SALMAN:732222201035

SAFARUDDIN:732222201045

MARHENI:732222201048

PARIS LUTFI:732222201062

PRODI: TEKNIK SIPIL 2B

MATA KULIAH: STATISTIK DAN PROBABILITAS

DOSEN PENGAMPU: GUSNIATI BUHARI ST,M.Arch.

FAKULTAS SAINTEK

UNIVERSITAS MUHAMMADIYAH ENDREKANG

TAHUN 2023
A. DISTRIBUSI PROBABILITAS

Pengetahuan tentang, distribusi suatu pengetahuan dasar dalam ilmu statistik.

Dari data yang dikt.itnptllkan clapat dibuat suatu distribusi nilai davi setiap variabel

yang diatnati. Distribusi yang diperolch adalah distribusi empiris yaitu distribusi

yang berdasarkan dunia nyata. Selain itu, ada distribusi yang diturunkan secara teori,

yang disebut distribusi teoritis atau distribusi probabilita (probability function)

untuk variabel diskrit atau distribusi kepadatan probabilita (probability density

fttnction) untuk variabel kontinyu.

Distribusi probabilita merupakan suatu alat statistik yang berguna untuk berbagai

analisis statistik seperti untuk melakukan perkiraan dan pengujian hipotesis terhadap suatu

parameter populasi.

Secara teoritis, distribusi probabilita yang tersedia cukup banyak. Akan tetapi dalam

praktek, distribusi probabilita yang paling sering digunakan adalah distribusi

Binomial, distribusi Poisson, dan distribusi Normal. Oleh sebab itu, dalam bab ini hanya akan

dibahas ketiga distribusi tersebut, dan juga distribusi Student's t, distribusi F, dan distribusi

Kai-Kuadrat.

1. Variabel random dan probabilitanya

Variabel random adalah suatu fungsi yang memetakan anggota ruang sampel S

dengan suatu himpunan bilangan nyata R, dimana setiap anggota dari S hanya

berhubungan dengan satu nilai dari himpunan R, tetapi satu nilai dari himpunan R

dapat berhubungan dengan lebih dari satu anggota himpunan S.

diambil oleh variabel random X adalah tak terhingga (infinite) atau tak dapat dihitung

(uncountable), maka X disebut variabel random kontinyu.

Sebagai contoh,variabel banyaknya anggota rumah tangga adalah variabel diskrit

karena banyaknya nilai antara interval 2 dan 5. hanya ada 2. yaitu 3 dan 4. Sebaliknya
variabel tinggi badan adalah variabel kontinyu karena, misal, banyaknya nilai yang mungkin

antara nilai 50 cm dan 51 cm adalah tak terhingga yaitu bisa 50,5 cm; 50,25cm;50,125

cm;50,0625 cm;50,03125 dan seterusnya,dan banyaknya kemungkinan nilai tinggi yang akan

bisa diambil diantara 50 dan 51 cm ini akan tak berhingga (kalau tidak percaya,silahkan

teruskan dengan selalu membagi dengan 2 angka yang diperoleh!).

Bila X adalah variabel random diskrit, maka P(X = Xi)adalah peluang X untuk

mengambil nilai Xi menunjukkan fungsi distribusi probabilita (prohuhility

distribution) atau fungsi probabilita (prohability function function) X untuk semua

kemungkinan nilai X,jika: (i) P(X=xi)tidaksama dengan 0 (nol) untuk seluruh i,

dan

(ii)Σ7=1P(X=X1)=1

Bila X adalah variabel random kontinyu, maka f(x) merupakan fungsi

kepadatan peluang (probability density function)jika f(x) memenuhi: (i)f((x)≥0

(ii)((x)=1 untuk X yang kontinyu

Untuk membedakan fungsi distribusi diskrit dan kontinyu adalah dengan

melihat batasan dari X. Secara praktis, jika batasan X dalam nilai tunggal/bulat

(integer) maka distribusi dari X tersebut adalah distribusi diskrit dan jika butasan X

adalah dalam interval/selang maka distribusinya adalah distribusi kontinyu.

Contoh 8.2

Misalkan diketahui:

(x)=<x<2 xlainnya

maka f(x) adalah distribusi probabilita dari variabel random kontinyu atau disebut

fungsi kepadatan probabilita (probability density function,pdf).

Pada contoh di atas,fungsi distribusi memenuhi syarat sebagai distribusi probabilita

karena,yaitu: (i)f(x)≥0
(ii)f2f(x)dx=f1/2dx=2/1/=1

a. Fungsi probabilita dari pariabel distrik

Berdasarkan pembahasan di atas, maka dapt disimpulkan bahwa fungsi

distribusi probabilita (probability distribution function,p.d.f.)dari variabel diskrit X,

dinotasikan dengan p(x), disebut juga sebagai fungsi masa probabilita(probability

mass function, p.m.f)adalah:

p(x) = P(X=x), yaitu probabilita X mengambil nilai sama dengan x.

Misal,fungsi probabilita dibawah ini adalah p.m.f. (Ross, 1976, hal. 94), karena

dia memenuhi dua syarat, (i) nilai probabilita untuk setiap x selalu positif, dan (ii)

jumlah probabilita untuk semua x adalah sama dengan 1.

X 1 2 3 4 Jumlah

P(X)=p(x) 1/4 1/2 1/8 1/8 1

Dari fungsi di atas maksudnya adalah probabilita atau peluang Xakan mengambil nilai

adalah 1/4; akan mengambil nilai 2 adalah 1/2 dan seterusnya. Bisa ditulis sebagaii

P(X=1)=p(1)=1/ (x=2)=p(2)=1/2, serta P(X=3)=p(3)=3/ =3/8 dan setenisnya Ingat X

dalam hund besar menyatikan peshat rardons Cander munaNe) sedangkan v(dalam

huruf kevilyadalah nalai Xtententa Sevara gratik,fungsi prohabilita di atas brsa

digambarkan sebagai teriet


Gambar 8.1 Fungsi probabilita dani X

Selain p.d.fatau p.m.f. maka ada yang disebut dengan fungsi distribusi kumala

(cumulative distribution function, c.d.f.) F dari suatu peubah acak X,yaitu

F(x) =P(X≤x) =Σp(x), untuk X≤x,atau peluang atau probabilita bah peubah

acak X mengambil nilai kurang atau sama dengan x.

2. Rata-rata dan varians suatu distribusi probabilita

Pada umumnya, ada parameter distribusi probabilita yang paling sering

digunakan, yaitu rata-rata distribusi probabilita,dan varians distribusi probabilita.

Rata-rata (Nilal Harapan) (Expected Value)


Rata-rata (sering disebut dengan Nilai Harapan) dan varians dari suatu distribusi

probabilita merupakan ukuran lokasi dan ukuran dipersi/variasi dari distribusi

probabilita tersebut.

3. Distribusi tioritis

Distribusi teoritis adalah distribusi probabilita yang tersedia dalam ilmu statistik.

Distribusi- distribusi tersebut ditemukan oleh para ahli statistik berdasarkan teori a.

Distribusi binomisl

Prinsip dasar yang berhubungan distribusi binomial adalah bahwa ada n kali

percobaan secara saling bebas (dengan pengertian peluang memperoleh hasil b.

Distribusi Poisson

Distribusi Poisson dapat digunakan untuk menggambarkan kejadian yang

jarang terjadi (rare events) atau kejadian yang berhubungan dengan lamanya

waktu tunggu (waiting time). Selain itu, distribusi Poisson juga baik digunakan

sebagai pendekatan distribusi Binomial jika n adalah besar (jumlah percobaan

amat banyak) dan p kecil (peluang diperolehnya “S" adalah amat

kecil,mendekati 0 misalnya) (sering digunakan sebagai patokan n adalah besar yaitu

bila lebih dari 30, dan pyang kecil yaitu p lebih kecil dari 0,1). c. Distribusi normal

Distribusi normal adalah sebuah distribusi yg paling sering digunakan dalam

sebuah statistic karen banyak distri busi emperis mengikuti distribusi ini .

d. Distribusi-Student's t

Distribusi-Student's t merupakan salah satu distribusi yang cukup penting dalam

ilmu statistik terutama dalam statistik induktif. Sama halnya dengan distribusi

normal,distribusi-t mempunyai penyebaran nilai antara -» sampai +s serta

bentuk distribusi yang simetris (lihat gambar di bawah ini yang merupakan salah

satu penyajian tabel distribusi t).


e. Distribusi khi kuadrat

Sama halnya dengan distribusi-t, distribusi Khi Kuadrat (sering dituliskan dengan

distribusi x2) juga sering digunakan dalam statistik induktif dan analisis tabel

untuk uji kebebsan(test of independence) atau uji kesamaan proporsi. Distribusi

ini tergantung pada satu parameter yaitu derajat kebebasan (dk) dan distribusinya

tidak simetris

f. Distribusi F

Distribusi F juga merupakan salah satu distribusi penting yang biasanya

digunakan dalam estimasi dan pengujian hipotesis. Distribusi ini tergantung

pada dua parameter yaitu dua derajat kebebasan (vi dan v2). Bentuk distribusi F

tidak simetris

Anda mungkin juga menyukai