Bab 6 Original - En.id
Bab 6 Original - En.id
com
BUKU
6
Beberapa Distribusi
Diskrit Penting
Bab ini membahas beberapa distribusi variabel acak diskrit yang penting sebagai
model fenomena ilmiah. Sifat dan penerapan distribusi ini dibahas. Pemahaman
tentang situasi di mana variabel acak ini muncul memungkinkan kita memilih
distribusi yang tepat untuk fenomena ilmiah yang sedang dipertimbangkan. Oleh
karena itu, bab ini juga membahas langkah induksi yang dibahas pada Bab 1, di
mana suatu model dipilih berdasarkan pemahaman faktual fenomena fisik yang
diteliti (langkah B hingga C pada Gambar 1.1).
Beberapa distribusi penting dari variabel acak kontinu akan dipelajari di Bab 7.
Dasar-dasar Probabilitas dan Statistik untuk InsinyurTT Soong 2004 John Wiley & Sons, Ltd ISBN
s: 0-470-86813-9 (HB) 0-470-86814-7 (PB)
BUKU
162 Dasar-dasar Probabilitas dan Statistik untuk Insinyur
SSFFSFSSS ··· FF
FFSSSFFFS ··· SF
.
.
dan, karena independensinya, probabilitas dari hasil yang mungkin terjadi dapat
dihitung dengan mudah. Misalnya,
n(n — 1)··· (n — k + 1) N!
oke! = k!(n — k)!, (0,1)
dan probabilitas yang terkait dengan masing-masingnya adalah pkqn—k. Oleh karena itu, kita
punya
PX (k)=kpq
Nkn—k , k = /, 1, 2, . . . , (0,2)
N,
BUKU
Beberapa Distribusi Diskrit Penting 163
Di
mana
N!
= (0,3)
N k!(n — k)!
k
adalah koefisien binomial dalam teorema binomial
(a + b)
Σ
N N N akbn—k. (0,4)
= k
k=/
Kami melihat dari Persamaan (6.5) itu pX (k) adalah lebih besar dibandingkan pX
(k — 1) Kapan
k < (n + 1) hal dan lebih kecil jika k > (n 1) hal. Oleh karena itu, jika kita mendefinisikan
bilangan bulat
kω oleh
nilai pX (k) meningkat secara monoton dan mencapai nilai maksimumnya ketika
kk ω, kemudian menurun secara monoton. Jika (n 1)p merupakan bilangan bulat,
= maksimum terjadi pada pX (k ω 1) dan pX (k ω). Oleh karena itu, bilangan
nilai
bulat k ω merupakan modus distribusi ini dan—sering disebut sebagai 'yang paling
mungkin'
jumlah keberhasilan'.
Karena penggunaannya yang luas, pmf pX (k ) ditabulasikan secara luas sebagai
fungsi dari n dan p. Tabel A.1 pada Lampiran A memberikan nilai = untuk n 2, 3, . . .
, 10,
= dan p 0,01, 0,05, .. . , 0,50. Mari kita perhatikan tabel probabilitas untuk
binomial
dan distribusi lain yang umum digunakan kini tersedia secara luas di sejumlah
BUKU
paket perangkat lunak komputer, dan bahkan di beberapa kalkulator. Misalnya,
BUKU
164 Dasar-dasar Probabilitas dan Statistik untuk Insinyur
MΣ ≤ X N
FX (x)= pkqn—k, (0,7)
k=/ k
dimana m adalah bilangan bulat terbesar yang kurang dari atau sama dengan x.
Sifat penting lain dari distribusi binomial telah diturunkan pada Contoh 4.1
(halaman 77), Contoh 4.5 (halaman 81), dan Contoh 4.14 (halaman 99). Tanpa
memberikan rincian, kita masing-masing mempunyai fungsi karakteristik, mean,
dan varians,
$X (t)= (pe jt +
q)n, mX = np,
(0.;)
σX2 = npq.
lalu
jumlahnya
X = X1 + X2 + ··· + Xn (0,1/)
BUKU
Beberapa Distribusi Diskrit Penting 165
yang sesuai dengan ekspresi yang sesuai dalam Persamaan (6.8). Demikian pula,
varians, fungsi karakteristik, dan pmfnya mudah ditemukan setelah pembahasan
kita di Bagian 4.4 mengenai jumlah variabel acak independen.
Distribusi binomial telah kita lihat pada Contoh 3.5 (halaman 52), Contoh 3.9
(halaman 64), dan Contoh 4.11 (halaman 96). Penerapannya di bidang lain
diilustrasikan lebih lanjut dengan contoh tambahan berikut.
Contoh 6.1.Masalah: seorang pemilik rumah baru saja memasang 20 bola lampu
di rumah barunya. Misalkan masing-masing mempunyai probabilitas 0,2 untuk
berfungsi lebih dari tiga bulan. Berapa probabilitas bahwa paling sedikit lima dari
fungsi tersebut akan berfungsi selama lebih dari tiga bulan? Berapa rata-rata
jumlah bohlam yang harus diganti pemilik rumah dalam tiga bulan?
Jawaban: masuk akal untuk berasumsi bahwa bola lampu bekerja secara
independen. Jika X adalah jumlah lampu yang berfungsi lebih dari tiga bulan
(berhasil), maka mempunyai distribusi binomial dengan
= n 20 dan p /.2. Jawaban
atas pertanyaan pertama diberikan oleh
Σ Σ
2/ PX(k)=1 — 4 PX(k)
k=5 k=/
= 1 — Σ 2/ (/.2)k (/.;)2/—k
4 k
k=/
= 1 — (/./12 + /./5; + /.137 + /.2/5 + /.21;)= /.37.
BUKU
166 Dasar-dasar Probabilitas dan Statistik untuk Insinyur
Mengingat Persamaan (4.71), fungsi karakteristik Y hanyalah hasil kali $X1 (t)
dan $X2 (t). Dengan demikian,
Jika diperiksa, ini adalah fungsi karakteristik yang sesuai dengan distribusi
binomial dengan parameter (n1 + n2, p). Oleh karena itu, kita punya
n1 + n2k n +n —k
PY(k)= hal1 2 , k = /, 1, . . . ,N1 + n2.
k
Menggeneralisasi jawaban Contoh 6.3, kita mendapatkan hasil penting berikut
sebagaimana dinyatakan dalam Teorema 6.1.
Teorema 6.1:Distribusi binomial muncul dengan sendirinya dengan
penambahan variabel acak independen dengan p yang sama.
EXample6. 4Masalah:SayaFacakM variabel X sebuahD Y
aremandiriTbinomiaakuvariabel acak terdistribusi dengan parameter (n1, p) dan
(n2, p), tentukan fungsi massa probabilitas bersyarat dari X dengan ketentuan
bahwa
X + Y = m, /≤ m ≤ n1 + n2.
BUKU
Beberapa Distribusi Diskrit Penting 167
P(X= k ∩ X + Y = m)
(=|+
PX kX Y =)=
M
P(X + Y = m)
P(X = k ∩ Y = m— k) P(X = k)P(Y = m — k)
= P(X + Y = m) = P(X + Y = m)
Nk n —k m—k n —m+k
1
N2
hal (1 — hal)1 P (1 — hal)2
=k m—k
N 1 2
+n
+n2-M M
PM(1 — hal)N1
,
N1 n2 N1 +
=k , k =/,1, . . . , menit(n1, M), (0,12)
m— n2m
k
dimana kita telah menggunakan hasil yang diberikan pada Contoh 6.3 bahwa XY
terdistribusi secara binomial dengan parameter (n1 n2, p). +
Distribusi yang diberikan oleh + Persamaan (6.12) dikenal sebagai distribusi
hipergeometri. Ini muncul sebagai distribusi dalam kasus seperti jumlah bola hitam
yang dipilih ketika sampel m bola dipilih secara acak dari banyak n item yang
memiliki n1 bola hitam dan n2 bola putih (n1 n2 n). Biarkan+ variabel acak Z
menjadi angka ini. Kita mendapatkan, dari Persamaan (6.12), tentang penggantian
n2
oleh n — n1,
,
N n—n N
P Z (k)= 1 1
, k = /, 1, . . . , menit(n1, (0,13)
k m—k M
M).
Peristiwa menarik lainnya yang muncul dari uji coba Bernoulli adalah jumlah uji
coba (dan termasuk) keberhasilan pertama. Jika X digunakan untuk mewakili
bilangan ini, maka itu adalah variabel acak diskrit dengan kemungkinan nilai
bilangan bulat mulai dari satu hingga tak terhingga. PMF-nya mudah dihitung
X (k)= P(FF.
hal . . .FS)= P (F)
v....˛¸. P (F)... P(F) (S)
v............˛¸.........
k—1 hal
k—1 (0,14)
= qk—1 P, k = 1, 2, ... .
BUKU
168 Dasar-dasar Probabilitas dan Statistik untuk Insinyur
P(k)
X
qp
q2
p
k
1 2 3 4 5 6 7. . .
FX (x)= M
Σ pX (k)= p + qp + ··· + qm—1p
≤x
k=1
= (1 — q)(1 + q + q2 + ··· + qm—1)= 1 — qm, (0,15)
dimana m adalah bilangan bulat terbesar yang kurang dari atau sama dengan x. Rata-rata dan
varians dari
Xdapat ditemukan sebagai berikut:
∞
Σ
Σ dqk
k—1∞
BUKU
hal (5)= (/.;)4(/.2)= /.;2,
BUKU
Beberapa Distribusi Diskrit Penting 169
yang mungkin tampak jauh lebih kecil dibandingkan apa yang kita alami dalam
situasi serupa.
Contoh 6.6.Soal: asumsikan probabilitas suatu spesimen gagal selama
percobaan tertentu adalah 0,1. Berapakah peluang bahwa diperlukan lebih dari tiga
spesimen agar satu spesimen dapat bertahan dalam percobaan tersebut?
Jawaban: misalkan X menunjukkan jumlah percobaan yang diperlukan agar
spesimen pertama dapat bertahan hidup. Kemudian memiliki=distribusi geometri
dengan p 0,9. Peluang yang diinginkan adalah
Generalisasi alami dari distribusi geometri adalah distribusi variabel acak X yang
mewakili jumlah percobaan Bernoulli yang diperlukan agar keberhasilan ke-r
terjadi, dengan r adalah bilangan bulat positif tertentu.
Untuk menentukan pX (k ) pada kasus ini, misalkan A adalah kejadian dimana —k
1 percobaan pertama—menghasilkan tepat r 1 keberhasilan, berapapun urutannya,
dan B adalah kejadian munculnya keberhasilan pada percobaan ke-k. Kemudian,
berkat kemerdekaannya,
k—1
( )= kamu - 1 pu—1qk—u ,
PA k = kamu, kamu +
1, ... , (0,11)
BUKU
170 Dasar-dasar Probabilitas dan Statistik untuk Insinyur
k — 1 kamu
PX(k)= hal , k = kamu, kamu + (0,21)
kamu - k—
1, ... .
1
=
Kami mencatat bahwa, seperti yang diharapkan, ini tereduksi menjadi distribusi
geometri ketika r 1. Distribusi yang
didefinisikan oleh Persamaan (6.21) dikenal sebagai distribusi binomial negatif,
= dengan NB(r,
atau Pascal, dengan parameter r dan p. Hal ini sering dilambangkan
p). Varian yang berguna dari distribusi ini diperoleh jika kita membiarkan Y X
kamu. berlari-
Variabel dom Y adalah jumlah percobaan Bernoulli melebihi r yang dibutuhkan
untuk merealisasikan keberhasilan ke-r, atau dapat diartikan sebagai jumlah
kegagalan sebelum keberhasilan ke-r.
Fungsi massa probabilitas Y, pY (m), diperoleh dari Persamaan (6.21) dengan
mengganti k dengan m + r. Dengan demikian,
m + kamu
pm
— ( )=
Y1 PkamuQM
kamu - 1
m + kamu — 1 um (0,22)
= P Q, M = /, 1, 2, . . . .
M
Kita melihat bahwa variabel acak Y mempunyai sifat nyaman yaitu kisaran
Mdimulai dari nol, bukan r untuk nilai yang terkait dengan X.
Mengingat definisi yang lebih umum tentang koefisien binomial
BUKU
Beberapa Distribusi Diskrit Penting 171
—
dimana X j adalah jumlah percobaan antara keberhasilan (j ke-1) dan (termasuk)
keberhasilan ke-j. Variabel acak ini saling bebas, masing-masing mempunyai
—
distribusi geometri dengan mean 1Ep dan varians (1 p)Ep2. Oleh karena itu, mean
dan varians dari jumlah X masing-masing sesuai dengan Persamaan (4.38) dan
(4.41),
kamu 2
= kamu(1 — p) . (0,27)
m X= , P σX
P
Sejak Y = X — u, momen-momen yang bersesuaian
2 dari Y adalah
kamu 2
MY= P— kamu, Y = kamu(1 — p) . (0,2;)
σ
P
Contoh 6.8.Masalah: fasilitas parkir tepi jalan berkapasitas tiga mobil. Tentukan
2
peluang bahwa wadah tersebut akan penuh dalam waktu 10 menit. Diperkirakan 6
mobil akan melewati tempat parkir ini dalam rentang waktu tersebut dan rata-rata
80% dari seluruh mobil ingin parkir di sana.
Jawaban: peluang yang diinginkan hanyalah peluang banyaknya percobaan
sampai keberhasilan ketiga (mengambil tempat parkir) kurang dari atau sama
dengan 6. Jika X adalah bilangan tersebut, maka berdistribusi = binomial negatif
dengan r 3 dan p 0,8 . Dengan menggunakan Persamaan (6.21), kita mendapatkan
P(X ≤ 0)=
Σ Σ k—1 3 k—3
0 PX(k)= 0 (/.;) (/.2)
2
k=3 k=3 3
= (/.;)3 [1 + (3)(/.2)+ (0) 2
+ (1/)(/.2) ]
(/.2)
= /.1;3.
Mari kita perhatikan bahwa cara alternatif untuk mendapatkan jawaban ini
adalah dengan menjumlahkan probabilitas terjadinya 3, 4, 5, dan 6 keberhasilan
dalam 6 percobaan Bernoulli menggunakan distribusi binomial. Pengamatan ini
mengarah pada hubungan umum antara distribusi binomial dan binomial negatif.
Dinyatakan secara umum, jika X 1 adalah B(n, p) dan X 2 adalah NB(r, p), maka
BUKU
172 Dasar-dasar Probabilitas dan Statistik untuk Insinyur
E2E1E3E3E0E2 ... .
N!
PXX ...X (k1, k2 ,. . . , kk )= kP1k2 P.
1 2 . . Pku (0,3/)
12
a k!k!...k!
1 2 ,
N!
N n— n — k1 — k2 — ··· — ku—1
= k1 ··· .
k1!k2! ... ku! k1 k2 kkamu
BUKU
Beberapa Distribusi Diskrit Penting 173
σXSaya
Pada bagian ini kami ingin mempertimbangkan distribusi yang digunakan dalam
berbagai situasi fisik. Ini digunakan dalam model matematika untuk
menggambarkan, dalam interval waktu tertentu, peristiwa seperti emisi 2 partikel
dari zat radioaktif, kedatangan penumpang di terminal maskapai penerbangan,
distribusi
partikel debu mencapai ruang tertentu, kedatangan mobil di persimpangan, dan
masih banyak fenomena serupa lainnya.
BUKU
174 Dasar-dasar Probabilitas dan Statistik untuk Insinyur
bataso(∆t) = /. (0,35)
∆t→/∆t
Asumsi ini menyatakan bahwa, untuk ∆t yang cukup kecil, peluang kedatangan
tepat satu kedatangan sebanding dengan panjang ∆t. Parameter λ pada
Persamaan (6.34) disebut kepadatan rata-rata atau laju kedatangan rata-rata
karena alasan yang akan segera dijelaskan. Untuk mempermudah, diasumsikan
konstan dalam diskusi ini; Namun, tidak ada kesulitan untuk mengizinkannya
bervariasi seiring waktu.
●
Asumsi 3: untuk ∆t yang cukup kecil,
Σ
∞ pk(t, t + ∆t)= o(∆t) (0,30)
k=2
BUKU
Beberapa Distribusi Diskrit Penting 175
0 T T+∆T
Σ∞
hal/(t, T + ∆t) = pk(t, t + ∆t)
k=1
1—
= 1 — λ∆t+ o(∆t). (0,37)
Menyusun ulang Persamaan (6.38) dan membagi kedua ruas dengan ∆t menghasilkan
dp/(/,T)
dt = —λhal(/,
/ T). (0,31)
BUKU
176 Dasar-dasar Probabilitas dan Statistik untuk Insinyur
—λt
k
(λ ) e (0,44)
P(/,t)=
k , k = /, 1, 2,
t o
k ... .
Persamaan (6.44) memberikan pmf X (0, t), jumlah kedatangan selama selang
waktu [0, t) sesuai dengan asumsi yang disebutkan di atas. Disebut distribusi
Poisson, dengan parameter λ dan t. Namun, karena λ dan t muncul di
Persamaan (6.44) sebagai hasil kali, λt, dapat digantikan dengan parameter tunggal u,
u = λt, sehingga kita juga dapat menulis
Σ∞ Σ∞ k(λt)k
E{X(/, kpk(/, t)=e— oke!
T)}= λt
k=/ k=/ (0,40)
Σ∞ (λt)k—
= λte—λt = λte—λteλt = λt.
1
k=1
(k — 1)!
2
σX(/, = λt. (0,47)
T)
BUKU
Beberapa Distribusi Diskrit Penting 177
Pk(0,T)
0,6
P(0,T)
k
0,4 0,4
0,2 0,2
0 0
0 1 2 3 4 5 k k
0 1 2 3 4 5 6
(a)
(B)
Pk(0,T)
0,3
0,2
0,1
0
k
0 2 4 6 8 10 12
(a)
Figambar 6.3 PoissoNdi st ri busi NP k (/, T),foRparah akunilaiSHaiF dan (A)λT =/.5; (B)
λt =1./; (C) λt =4./
dimana m adalah jumlah kedatangan yang diamati dalam n satuan interval waktu.
Demikian
= pula, sejak kamu λt, kamu mewakili itu rata-rata nomor dari
Kedatangan di dalam waktu selang [0, t).
Juga terlihat dari Persamaan (6.47) bahwa, seperti yang diharapkan, variansnya juga
sebagai mean, meningkat seiring dengan meningkatnya mean rate. Distribusi
Poisson untuk beberapa nilai λt ditunjukkan pada Gambar 6.3. Secara umum, jika
kita memeriksa rasio pk(/, t) dan pk—1(/, t), seperti yang kita lakukan untuk
distribusi binomial, terlihat bahwa
pk(/, t) meningkat secara monoton dan kemudian menurun secara monoton sebagai k
meningkat, mencapai maksimum ketika k adalah bilangan bulat terbesar yang tidak
melebihi λt.
Contoh 6.11.Permasalahan: beban lalu lintas dalam perancangan sistem
perkerasan merupakan pertimbangan penting. Kendaraan tiba di beberapa titik di
trotoar
BUKU
178 Dasar-dasar Probabilitas dan Statistik untuk Insinyur
0 18
1 32
2 28
3 20
4 13
5 7
6 0
7 1
8 1
≥9 0
Total 120
secara acak baik dalam ruang (amplitudo dan kecepatan) maupun dalam waktu
(laju kedatangan). Mengingat aspek waktu saja, observasi dilakukan dengan
interval 30 detik seperti terlihat pada Tabel 6.1.
Misalkan laju 10 kendaraan per menit merupakan tingkat beban lalu lintas kritis.
Tentukan probabilitas bahwa tingkat kritis ini tercapai atau terlampaui.
Misalkan X (0, t) adalah jumlah kendaraan per menit yang melewati suatu titik
pada perkerasan. Dapat diasumsikan bahwa semua kondisi distribusi Poisson
terpenuhi dalam kasus ini. PMf dari X (0, t) diberikan oleh Persamaan (6.44). Dari
data tersebut rata-rata jumlah kendaraan per 30 detik adalah
k=1/ k=/
= 1 — Σ (4.10)ke—
1
4.10
k=/
oke!
− 1 — /.112 = /.//;.
BUKU
Beberapa Distribusi Diskrit Penting
k= 6 7 8 9 10 15 20 30 40 k= 50
0,99999
4 5
0,9999 k= 50
3
0,999
2
0,99
40
1
0,9
0,8 k=0
P[XT)k]
0,7
0,6 30
0,5
0,4
0,3
0,2
0,1
20
0,01
15
0,001
0,0001
10
0,00001
0,1 0,2 0,3 0,4 0,5 0,6 0,8 1,0 2 3 4 5 67 8 9 10 15 30
νλT
Gambar 6.4Fungsi distribusi probabilitas dari distribusi Poisson (Haight, 1967), Direproduksi dengan izin John Wiley
179
BUKU
180 Dasar-dasar Probabilitas dan Statistik untuk Insinyur
PDF yang terkait dengan variabel acak terdistribusi Poisson. Jawaban Contoh 6.11,
misalnya, dapat dengan mudah dibaca dari Gambar 6.4. Kami menyebutkan lagi
bahwa sejumlah besar paket perangkat lunak komputer tersedia untuk
menghasilkan probabilitas ini. Misalnya, fungsi POISSON di Microsoft®ExcelTM
2000 memberikan probabilitas Poisson yang diberikan oleh Persamaan (6.44) (lihat
Lampiran B).
Contoh 6.12P. roblem: misalkan X 1 dan X 2 adalah dua variabel acak
independen, keduanya berdistribusi Poisson dengan parameter u1 dan u2, dan
misalkan Y X1 X2. Tentukan distribusi Y .
=
Jawaban: kita lanjutkan dengan menentukan terlebih dahulu fungsi karakteristik X
1
dan X 2. Ya
= pengalaman[u1(e — 1)]
jt
Dan
Karena independensinya, fungsi karakteristik Y, $Y (t), hanyalah hasil kali $X1 (t)
dan $X2 (t) [lihat Persamaan (4.71)]. Karena itu,
Jika diperiksa, ini adalah fungsi karakteristik yang sesuai dengan distribusi Poisson
dengan parameter u1 + u2. PMF-nya demikian
k
Pk (kamu+
1 2
kamu )1 pengalaman[—(kamu
2
, +
k /, 1, 2,..................0,4;
Y
(
kamu )])= k!
= (
Seperti halnya distribusi binomial, hasil ini menghasilkan teorema penting berikut,
Teorema 6.2.
Teorema 6.2:distribusi Poisson muncul dengan sendirinya di bawah
penambahan variabel acak independen.
EXample6.13P. masalah:Misalkan peluang seekor serangga bertelur r adalah
uue—uEu!, u 0, 1,=.. ., dan peluang berkembangnya telur adalah p. Dengan asumsi
proses perkembangan individu saling independen, tunjukkan bahwa probabilitas
total k orang yang selamat adalah (pu)ke—puEk!.
BUKU
Beberapa Distribusi Diskrit Penting 181
kamu k kamu—k
P(Y = k|X = u)= k hal (1 — , k = /, 1, . . . , kamu.
hal)
Σ∞
P(Y = k)= P(Y = k|X = u)P(X = u)
kam
(0,41)
u=k kamupk(1 — p)u—kuue—
Σu
∞
= .
kamu=k k kamu!
Jika kita membiarkan u = k + n, Persamaan (6.49) menjadi
Σ∞ N +
k Nn+k —kamu
Pengamatan penting dapat dilakukan berdasarkan hasil ini. Artinya, jika suatu
variabel acak X berdistribusi Poisson dengan parameter u, maka variabel acak Y ,
yang diturunkan dari X dengan memilih hanya dengan probabilitas p setiap item
yang dihitung oleh X , juga berdistribusi Poisson dengan parameter pu. Contoh lain
penerapan hasil ini mencakup situasi di mana Y adalah
jumlah badai tingkat bencana ketika X adalah jumlah total badai yang terjadi pada
tahun tertentu, atau Y adalah jumlah penumpang yang tidak dapat menaiki
penerbangan tertentu karena pemesanan berlebih, ketika X adalah jumlah
kedatangan penumpang.
BUKU
182 Dasar-dasar Probabilitas dan Statistik untuk Insinyur
N
kHai 229 211 93 35 7 1
k
NP 226.7 211.4 98,5 30.6 7.1 1.6
Ninggris kamun—k
pX (k)= k 1—n , k = /, 1, . . . , N. (0,52)
N
Sebagai
→n∞, faktorial n! dan (nk)! muncul dalam koefisien binomial dapat didekati
dengan menggunakan rumus Stirling [Persamaan (4.78)]. Kami juga mencatat itu
batas C =e. (0,53)
N
1+ C
n→∞ N
Menggunakan hubungan ini pada Persamaan (6.52) kemudian memberikan, setelah
beberapa manipulasi,
BUKU
Beberapa Distribusi Diskrit Penting 183
PX(k)=
kamuke—kamu
, k = /, 1, . . . . (0,54)
k!
Perkiraan Poisson terhadap distribusi binomial ini dapat digunakan untuk
keuntungan dari sudut pandang kerja komputasi. Hal ini juga membuktikan fakta
bahwa terdapat hubungan erat antara dua distribusi penting ini.
Contoh 6.15.Masalah: misalkan probabilitas suatu transistor yang diproduksi
oleh suatu perusahaan tertentu rusak adalah 0,015. Berapa peluang tidak ada
transistor yang rusak dalam batch 100?
Jawaban: misalkan X adalah banyaknya transistor yang rusak dalam 100.
Peluang yang diinginkan adalah
1//
PX(/)= /
(/./15) (/.1;5)
1//—/ 1//
= (/.1;5) = /.22/0.
/
Karena n besar dan p kecil dalam kasus ini, pendekatan Poisson sesuai dan kita
peroleh
1.5 / e—1.5
pX(/)= ( )/! = e—1.5 =/.223,
PX(3)=
2233e
=0/..118;..
e—22
33
!
6.4 RINGKASAN
Dalam bab ini kami telah memperkenalkan beberapa distribusi diskrit yang
digunakan secara luas dalam sains dan teknik. Tabel 6.3 merangkum beberapa
BUKU
properti penting yang terkait dengan distribusi ini, untuk memudahkan referensi.
BUKU
184 Dasar-dasar Probabilitas dan Statistik untuk Insinyur
say say
a=1 a=1
saya = 1, .. . , kamu
(λt)ke—λt
racun , k = /, 1, 2, .. . λt λt λt
oke!
Clark, RD, 1946, 'Penerapan Distribusi Poisson', J. Inst. Aktuaris 72 48–52. Solloway, CB,
1993, 'Model Statistik Sederhana untuk Peluncuran Rudal: III'', TM
312–287, Laboratorium Propulsi Jet, Pasadena, CA.
Distribusi binomial dan Poisson ditabulasikan secara luas dalam literatur. Referensi
tambahan yang memuat tabel-tabel ini adalah:
Arkin, H., dan Colton, R. 1963, Tabel untuk Ahli Statistik, edisi ke-2, Barnes dan Noble,
New York.
Beyer, WH, 1966, Buku Pegangan Tabel Probabilitas dan Statistik, Chemical Rubber Co.,
Cleveland, OH.
Menganugerahkan, EC, 1964, Statistik Kualitas Kontrol, ke-3 edisi, McGraw-H sakit, Baru
York.
Haight, FA, 1967, Buku Pegangan Distribusi Poisson, John Wiley & Sons Inc., New York.
Hald, A., 1952, Tabel dan Rumus Statistik, John Wiley & Sons Inc., New York. Molina, EC,
1949, Batas Binomial Eksponensial Poisson, Von Nostrand, New York. Biro Standar
Nasional, 1949, Tabel Distribusi Probabilitas Binomial:
Seri Matematika Terapan 6, Kantor Percetakan Pemerintah AS, Washington, DC. Owen,
D., 1962, Buku Pegangan Tabel Statistik, Addison-Wesley, Reading, MA. Pearson, ES, dan
Harley, HO (eds), 1954, Tabel Biometrika untuk Ahli Statistik, Volume 1,
Cambridge University Press, Cambridge, Inggris.
BUKU
Beberapa Distribusi Diskrit Penting 185
MASALAH
6.1 Variabel acak X berdistribusi binomial dengan parameter (n, p). Dengan menggunakan
rumus yang diberikan oleh Persamaan (6.10), turunkan fungsi massa probabilitas (pmf),
mean, dan variansnya, lalu bandingkan dengan hasil yang diberikan dalam Persamaan
(6.2) dan (6.8). (H int: lihat Contoh 4.18, halaman 109).
6.2 Misalkan X adalah jumlah suku cadang cacat yang diproduksi pada lini produksi
tertentu. Diketahui bahwa, untuk lot tertentu, X adalah binomial, dengan mean sama
dengan 240, dan varians
48. Tentukan pmf X dan peluang tidak ada satu pun bagian yang rusak dalam lot ini.
6.3 Suatu percobaan diulang sebanyak 5 kali. Dengan asumsi probabilitas keberhasilan
suatu eksperimen adalah 0,75 dan dengan asumsi independensi hasil eksperimen:
(a) Berapa peluang kelima percobaan tersebut berhasil?
(b) Berapa rata-rata eksperimen yang diharapkan berhasil?
6.4 Misalkan probabilitas 0,2 bahwa tingkat polusi udara di suatu wilayah berada dalam
kisaran tidak aman. Berapa probabilitas bahwa level tersebut akan menjadi tidak aman
selama 7 hari dalam sebulan dengan 30 hari? Berapa jumlah rata-rata hari 'tidak aman'
dalam sebulan yang terdiri dari 30 hari?
6.5 Sebuah maskapai penerbangan memperkirakan bahwa 5% orang yang melakukan
reservasi pada penerbangan tertentu tidak akan hadir. Alhasil, kebijakan mereka adalah
menjual 84 tiket untuk penerbangan yang hanya mampu menampung 80 penumpang.
Berapa peluang tersedianya kursi untuk setiap penumpang yang datang? Berapa rata-
rata jumlah ketidakhadiran?
6.6 Dengan asumsi setiap anak mempunyai probabilitas 0,51 untuk menjadi laki-laki:
(a) Tentukan peluang suatu keluarga yang terdiri dari empat anak akan mempunyai (i)
tepat satu anak laki-laki,
(ii) tepat satu perempuan, (iii) paling sedikit satu laki-laki, dan (iv) paling sedikit satu
perempuan.
(b) Tentukan banyaknya anak yang harus dimiliki suatu pasangan agar peluang mereka
mempunyai paling sedikit dua anak laki-laki lebih besar dari 0,75.
6.7 Misalkan ada lima pelanggan yang dilayani oleh sentral telepon dan setiap pelanggan
dapat meminta satu saluran atau tidak sama sekali dalam satu menit tertentu.
Probabilitas meminta satu jalur adalah 0,25 untuk setiap pelanggan, dan permintaannya
bersifat independen.
(a) Apa fungsi distribusi probabilitas dari X, sebuah variabel acak yang mewakili
jumlah garis yang diperlukan pada menit tertentu?
(b) Jika bursa mempunyai tiga jalur, berapa probabilitas semua pelanggan akan puas?
6.8 Fasilitas parkir hanya dengan izin memiliki m tempat parkir. Sebanyak≥ n (nm) izin
parkir dikeluarkan, dan setiap pemegang izin mempunyai probabilitas p untuk
menggunakan fasilitas tersebut dalam periode tertentu.
(a) Tentukan peluang pemegang izin ditolak mendapat tempat parkir dalam jangka
waktu tertentu.
(b) Tentukan perkiraan jumlah orang yang ditolak dalam jangka waktu tertentu.
6.9 Untukdistribusi hipergeometri yang diberikan oleh Persamaan (6.13), tunjukkan → ∞
bahwa sebagai n
SayaTpe nde ka t a n SthebinomiaakudistribusiNakal Hparameter S M
sebuahDn 1 En;ituTadalah ,
M N k
1
N m—k
PZ (k)=k 1—n 1 , k =/,1, . . . ,M.
N
BUKU
sehingga distribusi hipergeometri dapat didekati dengan distribusi binomial sebagai n →
∞.
BUKU
186 Dasar-dasar Probabilitas dan Statistik untuk Insinyur
6.10 Sebuah perusahaan manufaktur menerima 100 komponen, dimana 5 diantaranya rusak.
Misalkan perusahaan menerima seluruh 100 suku cadang jika dan hanya jika tidak
ditemukan suku cadang cacat dalam sampel 10 suku cadang yang dipilih secara acak
untuk diperiksa. Tentukan peluang diterimanya lot tersebut.
6.11 Pengiriman 10 kotak daging berisi 2 kotak barang terkontaminasi. Seorang inspektur
secara acak memilih 4 kotak; misalkan Z adalah jumlah kotak daging yang
terkontaminasi di antara 4 kotak yang dipilih.
(a) Berapa pmf dari Z?
(b) Berapa probabilitas paling sedikit satu dari empat kotak tersebut terkontaminasi?
(c) Berapa banyak kotak yang harus dipilih agar peluang terambilnya satu kotak
terkontaminasi lebih besar dari 0,75?
6.12 Dalam rangkaian percobaan Bernoulli dengan peluang keberhasilan p, tentukan
peluang terjadinya r keberhasilan sebelum s kegagalan.
6.13 Mobil tiba secara mandiri di suatu persimpangan. Misalkan rata-rata 25% mobil
berbelok ke kiri dan lajur belok kiri dapat menampung 5 mobil, berapa peluang
tercapainya kapasitas pada lajur belok kiri bila 10 mobil terhambat oleh sinyal
merah? ?
6.14 Misalkan n langkah independen harus diambil dalam prosedur sterilisasi untuk
percobaan biologis, yang masing-masing memiliki probabilitas keberhasilan p. Jika
kegagalan pada salah satu dari n tahap akan menyebabkan kontaminasi, berapa
peluang kontaminasi jika n = 1/ dan p = /.11A
6.15 Percobaan diulangi di laboratorium teknik sipil. Hasil eksperimen ini dianggap
independen, dan probabilitas keberhasilan eksperimen adalah 0,7.
(a) Berapa probabilitas bahwa tidak lebih dari 6 percobaan yang diperlukan untuk
menghasilkan 3 percobaan yang berhasil?
(b) Berapa rata-rata jumlah kegagalan sebelum 3 percobaan berhasil dilakukan?
(c) Misalkan seseorang memerlukan 3 percobaan sukses berturut-turut. Berapa
probabilitas bahwa tepat 6 kali percobaan diperlukan?
6.16 Definisi banjir 100 tahun diberikan pada Contoh 6.7.
(a) Tentukan peluang terjadinya tepat satu banjir yang sama dengan atau melebihi
banjir 100 tahun dalam periode 100 tahun.
(b) Tentukan peluang terjadinya satu atau lebih banjir yang sama dengan atau
melebihi banjir 100 tahun dalam periode 100 tahun.
6.17 Pengiriman suku cadang elektronik diambil sampelnya dengan menguji barang secara
berurutan hingga ditemukan suku cadang cacat pertama. Jika 10 bagian atau lebih diuji
sebelum bagian cacat pertama ditemukan, pengiriman diterima sesuai spesifikasi.
(a) Tentukan peluang diterimanya kiriman jika mengandung 10% bagian yang rusak.
(b) Berapa banyak item yang perlu diambil sampelnya jika ingin pengiriman dengan
25% komponen cacat ditolak dengan probabilitas paling sedikit 0,75?
6.18 Mobil memasuki persimpangan dari selatan. Rata-rata 40% ingin ke barat, 10% ke
timur, dan 50% lurus ke utara. Dari 8 mobil yang memasuki simpang susun:
(a) Tentukan fungsi massa probabilitas gabungan (jpmf) dari X 1 (mobil menuju ke
barat),
X2 (mobil arah timur), dan X 3 (mobil lurus).
(b) Tentukan peluang separuhnya menuju ke barat dan separuh lagi menuju timur.
(c) Tentukan peluang lebih dari separuhnya akan menuju ke barat.
BUKU
Beberapa Distribusi Diskrit Penting 187
6.19 UntukContoh 6.10, tentukan jpmf dari X 1 dan X 2. Tentukan peluang bahwa, dari 10
orang yang diteliti, kurang dari 2 orang termasuk dalam kelompok berpendapatan
rendah dan kurang dari 3 orang termasuk dalam kelompok berpendapatan menengah.
6.20 Berikut ini penjelasan prosedur hitung mundur yang disederhanakan untuk
meluncurkan 3 kendaraan luar angkasa dari 2 landasan:
●
Dua kendaraan dipasang secara bersamaan pada dua landasan dan penghitungan
mundur dilakukan pada satu kendaraan.
●
Ketika penghitungan mundur telah berhasil diselesaikan pada kendaraan pertama,
penghitungan mundur dimulai pada kendaraan kedua, keesokan harinya.
●
Bersamaan dengan itu, pad yang sudah dikosongkan segera dibersihkan dan disiapkan
untuk
kendaraan ketiga. Ada periode penundaan (tetap) selama r hari setelah peluncuran
sebelum pad yang sama dapat digunakan untuk upaya peluncuran kedua (waktu
penyelesaian).
●
Setelah kendaraan ketiga dipasang di lahan yang dikosongkan, prosedur hitung
mundurnya adalah
bukandimulai sampai hari setelah kendaraan kedua diluncurkan.
●
Setiap kendaraan tidak tergantung dan identik satu sama lain. Pada setiap upaya
hitung mundur, ada kemungkinan p penyelesaian berhasil dan a
probabilitas q (q =1 —
p) kegagalan. Kegagalan apa pun mengakibatkan penghentian
upaya hitung mundur tersebut dan upaya baru dilakukan pada hari berikutnya.
Artinya, setiap kegagalan menyebabkan penundaan satu hari. Diasumsikan bahwa
upaya hitung mundur yang berhasil dapat diselesaikan dalam satu hari.
●
Kegagalan menyelesaikan hitungan mundur tidak mempengaruhi upaya selanjutnya
dengan cara apa pun; Artinya, uji coba tersebut bersifat independen dari hari ke hari
dan juga dari satu kendaraan ke kendaraan lainnya.
Misalkan X adalah jumlah hari hingga hitungan mundur ketiga berhasil. Tunjukkan
bahwa pmf dari X diberikan oleh:
(k — kamu)!
) + — qu—1
P(X k ) = (k — kamu — 1)p2qk—u—2(1 p3qk—3,
k = u + 2, u + 3, .. . . 2(k — kamu —
6.21 Turunkan varians dari variabel acak X yang terdistribusi Poisson seperti yang
diberikan oleh Persamaan (6.47).
6.22 Tunjukkan bahwa, untuk distribusi Poisson, hal k(/, t) meningkat secara monoton dan
kemudian menurun secara monoton seiring bertambahnya k, mencapai maksimum
ketika k adalah bilangan bulat terbesar yang tidak melebihi λt.
6.23 Di pabrik tertentu, kecelakaan terjadi rata-rata 1 kali setiap 2 bulan. Asumsikan bahwa
kecelakaan terjadi secara independen.
(a) Berapa rata-rata jumlah kecelakaan per tahun?
(b) Berapa peluang tidak terjadi kecelakaan pada bulan tertentu?
6.24 Asumsikan jumlah kecelakaan lalu lintas di Negara Bagian New York selama 4 hari
hari peringatan akhir pekan berdistribusi Poisson dengan parameter
= λ 3,25 per hari.
Tentukan probabilitas jumlah kecelakaan kurang dari 10 dalam periode 4 hari ini.
6.25 Suatu sumber radioaktif diamati selama 7 interval waktu, setiap interval berdurasi 10
detik. Jumlah partikel yang dipancarkan selama setiap periode dihitung. Misalkan
jumlah partikel yang dipancarkan, katakanlah X, selama setiap periode pengamatan
mempunyai laju rata-rata 0,5 partikel per detik.
(a) Berapa peluang terpancarnya 4 partikel atau lebih dalam setiap interval?
(b) Berapa probabilitas bahwa dalam paling sedikit 1 dari 7 selang waktu, 4 partikel
atau lebih akan dipancarkan?
BUKU
188 Dasar-dasar Probabilitas dan Statistik untuk Insinyur
6.26 Setiap pengatur lalu lintas udara di suatu bandar udara diberi tanggung jawab untuk
memantau paling banyak 20 kali lepas landas dan mendarat per jam. Selama periode
tertentu, rata-rata lepas landas dan mendarat adalah 1 kali setiap 2 menit. Dengan
asumsi kedatangan dan keberangkatan Poisson, tentukan probabilitas bahwa 2
pengontrol akan dibutuhkan dalam periode waktu ini.
6.27 Banyaknya kendaraan yang melintasi suatu titik tertentu pada suatu jalan raya selama
satuan waktu mempunyai distribusi Poisson dengan parameter λ. Penghitung lalu lintas
digunakan untuk mencatat nomor ini, tetapi karena kapasitasnya yang terbatas,
penghitung lalu lintas mencatat jumlah maksimum 30 setiap kali penghitungannya
sama atau melebihi 30. Tentukan pmf Y jika Y adalah jumlah kendaraan yang dicatat
oleh penghitung.
6.28 Sebagai penerapan pendekatan Poisson pada distribusi binomial, perkirakan
probabilitas bahwa dalam sebuah kelas yang terdiri dari 200 siswa, tepat 20 siswa akan
berulang tahun pada hari tertentu.
6.29 Sebuah buku setebal 500 halaman berisi rata-rata 1 kesalahan cetak per halaman.
Perkirakan kemungkinan bahwa:
(a) Halaman tertentu berisi setidaknya 1 kesalahan cetak.
(b) Minimal 3 halaman akan berisi minimal 1 kesalahan cetak.
6.30 Gempa bumi tercatat dengan frekuensi rata-rata 250 kali per tahun di suatu wilayah.
Misalkan probabilitas 0,09 bahwa gempa apa pun akan berkekuatan lebih besar dari 5
skala Richter. Dengan asumsi gempa bumi terjadi secara independen, tentukan pmf
dari X , jumlah gempa bumi yang lebih besar dari 5 skala Richter per tahun.
6.31 Misal X adalah banyaknya kecelakaan yang melibatkan seorang pengemudi selama t
tahun. Dalam mengusulkan distribusi untuk X , 'kemungkinan kecelakaan' Ω bervariasi
dari satu pengemudi ke pengemudi lainnya dan dianggap sebagai variabel acak.
Misalkan pmf bersyarat pXΩ(x|λ)diberikan oleh distribusi Poisson,
k
(λt) e—λt
PXΩ (k|λ)= , k =/,1,2, . . . ,
oke!
A aλ e—aλ/b, untuk λ ≥ /,
ƒΩ(λ)= BГ(A)
,,
di tempat lain,
B
/,
Tunjukkan bahwa pmf dari X mempunyai distribusi binomial negatif dalam bentuk
k
Г(a + k) A bt
A , k =/,1,2, . . . .
PX(k)= a + bt a + bt
k!Г(a)
Beberapa Distribusi Diskrit Penting Poisson bergantung pada waktu dan
diberikan oleh
6.32 Misalkan λ, rata-rata tingkat
kedatangan, dalam distribusi ayv—1
λ=w.
BUKU
umus
Tentukan pmf halk(/, Kemerdekaan
T),probabilitas tepat k Sterling, 107
kedatangan dalam interval waktu Siswa ent 'st - d ist r ib ut ion , tabel 298–
[0, t). [Perhatikan bahwa 299, 370
persamaan diferensial seperti Jumlah variabel acak, 93,
Persamaan (6.39) dan (6.42) 145–146
sekarang memiliki koefisien fungsi karakteristik, 104–105
yang bergantung pada waktu.] momen, 94
distribusi probabilitas, 106, 146
6.33 Turunkan jpmf dari dua variabel =
acak Poisson X 1 dan X 2,
dimana = X 1 X (0, t1), dan X2 Uji hipotesis, 316
X(/, t2), t2 > ≤ ∩ rata-rata
t1, dengan Teorema probabilitas total,
tingkat kedatangan ≤ λ yang sama. 23 Diagram pohon, 27–28
Tentukan peluang P(X1 λt1 X2
λt2). Ini adalah probabilitas Ketidakberpihakan, 265
jumlah kedatangan pada interval Distribusi seragam, 57, 189, 236
[0, t1) dan [0, t2) sama dengan
atau kurang dari rata-rata bivariat, 193
kedatangan pada interval [0, t1) maksudnya, 192, 236
dan [0, t2) varians, 192, 236
intervalnya masing-masing. Distribusi unimodal, 79
Varians, 79, 82
Diagram Venn, 9
Contoh momen, 263–264
Titik sampel, 12
Distribusi Weibull, 235
Ruang sampel, 12
Varians sampel, 262–263
maksudnya, 262
varians, 262
Ketimpangan Schwarz, 92
Atur, 8–12
pelengkap dari, 9
dapat dihitung
(enumerable), 8
terputus-putus, 10
elemen, 8
kosong, 9
terbatas, 8
tak terbatas, 8
bagian dari, 8
tak terhitung
(tidak terhitung), 8
Atur operasi, 9–12
perbedaan, 10
persimpangan
(produk), 10
serikat
(jumlah), 9
Tingk
at
signifi
kansi,
319
Sprea
dsheet
,3
Deviasi standar, 79–81
Statistik, 260
cukup, 275
St atistica l kemerdekaan, lihat
R
BUKU