3.

Distribusi peluang diskrit

Variabel acak
• Sebuah variabel yang nilainya tidak tetap, tidak dapat diprediksikan atau
tidak dapat ditentukan disebut variabel acak
• Contoh : sebuah sistim komunikasi suara untuk bisnis mengandung 48 jalur eksternal
Pada waktu tertentu, sistem ini diamati, dan beberapa jalur sedang digunakan.
Biarkan variabel acak X menyatakan jumlah baris dalam penggunaan. Kemudian, X
dapat mengasumsikan salah satu nilai integer 0 sampai 48. Ketika sistem diamati, jika
10 baris yang digunakan, maka x = 10

• Dua kue wafer dari sekian banyak hasil produksi diambil untuk dites. Sampel tes
adalah sebagai berikut. Wafer yang di tes diklasifikasikan sebagai Fail atau Pass,
diasumsikan wafer dengan kategori pass mempunyai peluang 0,8 dan hasil tes wafer
adalah bebas. Berapakah peluang diperoleh sampel pass lalu diikuti sampel fail
Wafer 1 Wafer 2 Probabilitas x
Pass Pass 0,64 2
Fail Pass 0,16 1
Pass Fail 0,16 1
Fail Fail 0,04 0
Dari contoh diatas. Variabel acak X adalah nilai x pada tabel

1
Distribusi peluang dan probability mass function
• Distribusi peluang dari variabel acak X adalah penjelas dari peluang-
peluang yang berhubungan dengan nilai yang mungkin dari X
Contoh: nilai yang mungkin bagi X adalah (0,1,2,3,4}. Peluang kesalahan yang terjadi
untuk setiap x adalah sebagai berikut

Penjelasan melalui grafik adalah sebagai berikut

• Grafik menggambarkan probability mass function (pmf)

• Pmf didefinisi sebagai peluang titik dari nilai yang diperoleh oleh X dimana
sedemikian
𝑓 𝑥 ≥0

𝑓 𝑥 =1

𝑓 𝑥 = 𝑃(𝑋 = 𝑥 )

Fungsi distribusi kumulatif (cummulatif

distribution functions)
• Fungsi distribusi kumulatif (CDF) dinyatakan sebagai F(X) adalah
peluang yang tidak melampaui nilai x yang dibatasi oleh nilai 0 dan 1

• F(X) memenuhi

• Kejadian banjir pada tabel dapat ditulis dalam bentuk CDF

• Grafik CDF

2
• Anggap produksi alat dalam sehari adalah 850 alat, 50 alat mengalami
kesalahan. Dua alat diambil secara acak berurutan tanpa pergantian
dari dalamnya. Variabel acak X sama dengan banyaknya kesalahan.
Berapa CDF dari X?
• Jawab
Temukan peluang fungsi masa dari X

sehingga

Rerata & varians pada variabel acak diskrit

• Rerata 𝜇 = 𝐸 𝑋 = ∑ 𝑥𝑓 𝑥
• Varian
• Deviasi standar 𝜎 = 𝜎
Contoh nilai yang mungkin bagi X adalah (0,1,2,3,4}. Peluang kesalahan yang
terjadi untuk setiap x adalah sebagai berikut, Tentukan rerata, varians

Jawab: rerata

Varian

3
Distribusi seragam diskrit
• Variabel acak X mempunyai distribusi seragam diskrit, jika setiap nilai
n mempunyai rentang tertentu dengan peluang yang sama, maka
𝑓 𝑥 =
• Anggap X adalah variabel acak distribusi merata diskrit pada bilangan
bulat berturut turut a, a+1, a+2, ..., b dimana a ≤ b. Maka rerata X
adalah

• Dan varian
• Biarkan variabel acak X menyatakan jumlah saluran suara yaitu 48 saluran
yang dipergunakan pada waktu tertentu. Asumsikan X adalah variabel acak
distribusi seragam diskrit dengan rentang 0 – 48, tentukan rerata dan varian

Distribusi Binomial
• Peristiwa yang memenuhi distribusi binomial bila memenuhi
• Hasil percobaan dalam dua kemungkinan
• Peluang hasil percobaan konstant
• Percobaan bersifat bebas secara statistik
• Distribusi peluang dari variabel acak dengan demikian

• Contoh : Setiap sampel air mempunyai peluang 10% mengandung polutan

partikel organik. Diasumsikan sampel bebas secara statistik. Berapa peluang
bahwa dari 18 sampel, 2 sampel pasti berisikan polutan
• Jawab : X adalah sampel yang berisikan polutan dari 18 sampel yang dianalisa,
oleh sebab itu X adalah variabel acak binomial dengan p = 0,1 dan n=18

4
 • Dari soal sebelumnya. Tentukan peluang bahwa paling sedikit 4 sampel
berisikan polutan
Jawab

• Tentukan peluang bila 3≤ x < 7

• Jika X adalah variabel acak binomial dengan parameter p dan n

Maka rerata adalah 𝜇 = 𝐸 𝑋 = 𝑛𝑝
dan

Distribusi geometrik
• Dalam serangkaian percobaan menggunakan prinsip Bernoulli,
variabel acak X menyatakan banyaknya percobaan sampai
keberhasilan pertama. Maka X adalah variabel acak geometrik dengan
parameter 0 < p < 1

• Contoh : peluang kue wafer terkontaminasi selama pembuatannya adalah

0,01. jika diasumsikan kue tersebut bebas secara statistik berapa peluang
bahwa tepat 125 wafer perlu diperiksa sebelum partikel yang banyak
terdeteksi?

• Jika X adalah variabel acak geometrik dengan parameter p

10

5
Distribusi Binomial Negatif
Dalam serangkaian percobaan menggunakan prinsip Bernoulli, variabel acak
X menyatakan banyaknya percobaan sampai terjadi kesuksesan r. Maka X
adalah variabel acak binomial negatif dengan parameter 0 < p < 1 dan r =
1,2,3,...
Contoh : Anggaplah peluang sebuah bit yang ditransmisikan melalui saluran pemancar
digital diterima dalam bentuk kesalahan adalah 0,1. variabel acak X menyatakan
banyaknya bit yang dipancarkan sampai terjadi kesalahan ke empat. Maka X
mempunyai distribusi binomial negatif dengan r = 4. P(X=10) adalah saat terjadi empat
kesalahan. Tentukan distribusi binomial negatif
Jawab

Jika X adalah variabel acak binomial negatif dengan parameter p dan n maka

11

• Sebuah web site berisikan tiga server. Hanya satu yang beroperasi dan
dua lainnya sebagai cadangan bila sistim utama gagal. Peluang terjadi
kegagalan pada sistim dan memerlukan perbaikan P = 0,0005. berapa
rerata permintaan perbaikan sampai terjadi kerusakan sekaligus pada
server?
• X adalah distribusi binomial negatif, P = 0,0005 dan r = 3

• Berapa peluang ketiga server rusak bersamaan pada permintaan

perbaikan ke lima?
• Peluangnya adalah P(X ≤ 5)
• Dapat ditulis

12

6
Distribusi Hypergeometric
• Himpunan N objek berisikan K objek dengan kualifikasi “berhasil”
• Sampel berukuran n objek dipilih secara acak tanpa pergantian dari N objek
dimana K ≤ N dan n ≤ N
• Bila X adalah distribusi hypergeometric maka

Setumpuk suku cadang berisikan 100 tabung dari supplier lokal dan 200 tabung
dari suplier dalam pengiriman berikutnya. Jika empat tabung dipilih secara acak
dan tanpa pergantian berapa peluang semua tabung dari supplier lokal?

Berapa peluang bahwa dua atau lebih tabung dari supplier lokal?

13

• Bila X adalah variabel acak hypergeometric dengan parameter N, K

dan n maka
dan
p = K/N
Dari contoh sebelumnya ukuran sampel adalah 4, maka p = 100/300 = 1/3

14

7
Distribusi Poisson
• Diberikan sebuah interval bilangan riil, asumsikan perhitungan terjadi
secara acak dikeseluruhan interval. Jika interval dapat di partisi ke
dalam bentuk bagian interval yang sangat kecil sedemikian sehingga
1. Peluang lebih dari satu hitungan dalam bagian interval adalah nol
2. Peluang satu hitungan di dalam bagian interval adalah sama untuk semua
bagian interval dan proposional panjang interval, dan
3. Hitungan setiap sub interval bebas dari interval lain adalah variabel acak
Poisson. Percobaan acak di sebut proses Poisson
• Variabel acak X yang sama dengan banyaknya pengukuran dalam
interval adalah variabel acak Poisson dengan parameter 0 < λ, dan
peluang dari X adalah
𝑒 𝜆
𝑓 𝑥 = 𝑥 = 0, 1, 2, …
𝑥!

15

contoh
• Pada kasus kawat tembaga, anggaplah sejumlah kegagalan mengikuti
distribusi Poisson dengan rerata 2,3 kegagalan/mm kawat, tentukan
peluang terjadi 2 kegagalan dalam 1 mm kawat
• Bila X adalah banyaknya kegagalan setiap 1 mm, maka dan

• Tentukan peluang 10 kegagalan dalam 5 mm kawat

16