4.

1 Distribusi Probabilitas

Variabel Acak

Hasil dari eksperimen probabilitas sering kali berupa hitungan atau ukuran disebut variabel acak.

Kata acak menunjukkan bahwa x ditentukan secara kebetulan. Ada dua jenis variabel acak: diskrit dan
kontinu.

Definisi

Variabel acak x mewakili nilai numerik yang terkait dengan setiap hasil eksperimen probabilitas.

Definisi

Suatu variabel acak dikatakan diskrit jika mempunyai jumlah kemungkinan hasil yang terbatas atau
dapat dihitung yang dapat dicantumkan

Suatu variabel acak dikatakan kontinu jika mempunyai kemungkinan hasil yang tak terhitung banyaknya,
yang diwakili oleh suatu interval pada garis bilangan.

Anda melakukan studi terhadap jumlah panggilan yang dilakukan seorang telemarketer dalam satu hari.
Nilai yang mungkin dari variabel acak x adalah 0, 1, 2, 3, 4, dan seterusnya. Karena serangkaian hasil
yang mungkin

{0, 1, 2, 3, … }

dapat didaftar, x adalah variabel acak diskrit. Anda dapat mewakili nilainya sebagai titik-titik pada garis
bilangan

Cara lain untuk melakukan penelitian ini adalah dengan mengukur waktu (dalam jam) yang dihabiskan
seorang telemarketer untuk melakukan panggilan dalam satu hari. Karena waktu yang dihabiskan untuk
melakukan panggilan dapat berupa angka apa pun dari 0 hingga 24 (termasuk pecahan dan desimal), x
adalah variabel acak kontinu. Anda dapat menyatakan nilainya dengan interval pada garis bilangan.

Jika variabel acak bersifat diskrit, Anda dapat membuat daftar kemungkinan nilai yang dapat
diasumsikan. Namun, tidak mungkin untuk membuat daftar semua nilai untuk variabel acak kontinu

CONTOH 1
  Variabel Diskrit dan Variabel Kontinu

Putuskan apakah variabel acak x diskrit atau kontinu. Jelaskan milik Anda pemikiran.

1. Misalkan x mewakili jumlah perusahaan Fortune 500 yang mengalami kerugian tahun sebelumnya.

x hanya dapat mempunyai nilai bilangan bulat: 0, 1, 2, 3,....

2. Misalkan x menyatakan volume bensin dalam tangki 21 galon.

 Solusi
1. Banyaknya perusahaan yang merugi pada tahun sebelumnya dapat berjumlah terhitung.
{0, 1, 2, 3, …, 500}
Jadi, x adalah variabel acak diskrit.
2. Jumlah bensin di dalam tangki dapat berapa pun volumenya antara 0 galon dan 21 galon. Jadi, x
adalah variabel acak kontinu

Dalam sebagian besar aplikasi praktis, variabel acak diskrit mewakili data yang dihitung, sedangkan
variabel acak kontinu mewakili data yang diukur.

Distribusi Probabilitas Diskrit

Setiap nilai variabel acak diskrit dapat diberi probabilitas. Dengan membuat daftar setiap nilai variabel
acak dengan probabilitas yang sesuai, akan membentuk distribusi probabilitas diskrit.

Definisi

Distribusi probabilitas diskrit mencantumkan setiap kemungkinan nilai yang dapat diasumsikan oleh
variabel acak, beserta probabilitasnya. Distribusi probabilitas diskrit harus memenuhi kondisi berikut.

In words In symbols
Probabilitas setiap nilai variabel acak diskrit 0 ≤ P (x) ≤ 1
adalah antara 0 dan 1, inklusif
Jumlah semua probabilitas adalah 1. ∑ P(x) = 1

Karena probabilitas mewakili frekuensi relatif, distribusi probabilitas diskrit dapat digambarkan dengan
histogram frekuensi relative

CONTOH 2

 Membangun dan Membuat Grafik Distribusi Probabilitas Diskrit

Seorang psikolog industri melakukan tes inventarisasi kepribadian untuk sifat pasif-agresif kepada 150
karyawan. Setiap individu diberi skor dari 1 sampai 5, dimana 1 sangat pasif dan 5 sangat agresif. Skor 3
tidak menunjukkan sifat apa pun. Hasilnya ditampilkan di sebelah kiri. Buatlah distribusi probabilitas
untuk variabel acak x. Kemudian buat grafik distribusinya menggunakan histogram
  Solusi

Frekuensi setiap skor dengan jumlah total individu dalam penelitian untuk menemukan probabilitas
setiap nilai variabel acak.

Distribusi probabilitas diskrit ditunjukkan pada tabel berikut.

Histogram ditampilkan di sebelah kiri. Karena lebar masing-masing batang adalah satu, maka luas setiap
batang sama dengan probabilitas hasil tertentu. Juga probabilitas suatu kejadian sesuai dengan jumlah
area hasil termasuk dalam acara tersebut. Misalnya, probabilitas kejadian "memiliki skor 2 atau 3" sama
dengan jumlah luas area bar kedua dan ketiga,

(1)(0.22)+ (1)(0.28) = 0.22 + 0.28 = 0.50

Anda dapat melihat bahwa distribusinya kira-kira simetris

CONTOH 3

 Memverifikasi Distribusi Probabilitas

Pastikan bahwa distribusi di sebelah kiri (lihat halaman 189) adalah distribusi probabilitas.

 Solusi

Jika distribusinya merupakan distribusi probabilitas, maka (1) setiap probabilitas adalah antara 0 dan 1,
inklusif, dan (2) jumlah probabilitasnya sama dengan 1.

1. Setiap probabilitas antara 0 dan 1

2. ∑P(x) = 0.216+0.432+0.288+0.064 = 1

Interpretasi karena kedua syarat terpenuhi, maka distribusinya adalah distribusi probabilitas.

CONTOH 4

 Mengidentifikasi distribusi probabilitas

Putuskan apakah distribusi tersebut merupakan distribusi probabilitas. Jelaskan alasan anda.

 Solusi
1. Setiap probabilitas antara 0 dan 1, tetapi jumlah semua probabilitas adalah 1,07, yang lebih
besar dari 1. Jadi, ini bukan distribusi probabilitas.
2. Jumlah semua probabilitas sama dengan 1, tetapi P(3) dan P(4) tidak berada di antara 0 dan 1.
Jadi, ini bukan merupakan distribusi probabilitas. Probabilitas tidak pernah bisa negatif atau
lebih besar dari 1.

Mean, variance, dan deviasi standar

Anda dapat mengukur pusat distribusi probabilitas dengan meannya dan mengukur variabilitas dengan
varians dan deviasi standarnya. Rata-rata dari variabel acak diskrit didefinisikan sebagai berikut.

Rata-rata Variabel acak diskrit

Rata-rata dari variabel acak diskrit diberikan oleh

µ = ∑ X P (x)

setiap nilai x dikalikan dengan probabilitasnya dan hasil perkaliannya dijumlahkan.

CONTOH 5

 Mencari Rata-Rata Distribusi Probabilitas

Distribusi probabilitas untuk tes inventarisasi kepribadian untuk sifat-sifat pasif-agresif yang dibahas
dalam Contoh 2 diberikan di sebelah kiri. Temukan skor rata-rata. Apa yang bisa Anda simpulkan?

 Solusi

Gunakan tabel untuk mengatur pekerjaan Anda, seperti yang ditunjukkan di bawah ini. Dari tabel
tersebut, Anda dapat melihat bahwa skor rata-ratanya adalah sekitar 2,9. Skor 3 mewakili individu yang
tidak menunjukkan sifat pasif dan agresif. Rata-ratanya sedikit di bawah 3.

TIPS BELAJAR

Perhatikan mean pada Contoh 5 dibulatkan ke satu tempat desimal. Pembulatan ini dilakukan karena
rata-rata suatu probabilitas distribusi seharusnya dibulatkan menjadi satu lagi tempat desimal daripada
sebelumnya digunakan untuk acak variabel x. Pembulatan ini aturan juga digunakan untuk varians dan
standar penyimpangan suatu probabilitas distribusi.

Interpretasi Anda dapat menyimpulkan bahwa ciri kepribadian rata-rata tidaklah sangat pasif atau
sangat agresif, tetapi sedikit mendekati pasif.
VARIAN DAN DEVIASI STANDAR VARIABEL ACAK DISKRIT

Varians dari variabel acak diskrit adalah

2 2
σ =∑ ( x−µ ) P( x )

Simpangan bakunya adalah

σ = √ σ 2= √ ∑ ¿ ¿

CONTOH 6 (simulasi menggunakan TI 83/84 plus)

 Mencari varians dan standar deviasi

Distribusi probabilitas untuk tes inventarisasi kepribadian untuk sifat-sifat pasif-agresif yang dibahas
dalam Contoh 2 diberikan di sebelah kiri. Temukan varians dan deviasi standar dari distribusi
probabilitas.

 Solusi

Contoh 5 diketahui bahwa sebelum pembulatan, mean distribusinya adalah μ= 2,94. Gunakan tabel
untuk mengatur pekerjaan Anda, seperti yang ditunjukkan di bawah ini.
Jadi, variansinya adalah

Dan simpangan bakunya adalah

Interpretasi Sebagian besar nilai data berbeda dari mean tidak lebih dari 1,3.

Nilai yang Diharapkan

Rata-rata dari variabel acak mewakili apa yang Anda harapkan terjadi selama ribuan percobaan. Ini juga
disebut nilai yang diharapkan.

Definisi

Nilai yang diharapkan dari variabel acak diskrit sama dengan rata-rata variabel acak tersebut.

Excepted value = E (x) = µ = ∑ (x) P (x)

Walaupun probabilitas tidak pernah bernilai negatif, nilai ekspektasi dari variabel acak bisa bernilai
negatif.

CONTOH 7

 Menentukan nilai yang diharapkan

Pada suatu undian, 1500 tiket dijual seharga $2 masing-masing untuk empat hadiah sebesar $500, $250,
$150, dan $75. Anda membeli satu tiket. Berapa nilai yang diharapkan dari Anda lagi?

 Solusi

Untuk mengetahui keuntungan setiap hadiah, kurangi harga tiket dari hadiahnya. Misalnya, keuntungan
Anda untuk hadiah $500 adalah
$500 - $2 = $498

dan keuntungan Anda untuk hadiah $250 adalah

$250 - $2 = $248

Tuliskan distribusi probabilitas untuk kemungkinan keuntungan (atau hasil).

Kemudian, dengan menggunakan distribusi probabilitas, Anda dapat menemukan nilai yang diharapkan.

Interpretasi Karena nilai yang diharapkan negatif, Anda bisa saja mengalami kerugian rata-rata $1,35
untuk setiap tiket yang Anda beli.

4.2 Distribusi Binomial

Eksperimen Binomial

Terdapat banyak eksperimen probabilitas yang hasil setiap percobaannya dapat direduksi menjadi dua
hasil: sukses dan gagal. Misalnya, ketika seorang pemain bola basket mencoba melakukan lemparan
bebas, dia berhasil memasukkan keranjang atau tidak. Eksperimen probabilitas seperti ini disebut
eksperimen binomial.

Definisi

Eksperimen binomial adalah eksperimen probabilitas yang memenuhi persamaan berikut kondisi.

1. Percobaan diulangi untuk sejumlah percobaan yang tetap, dimana setiap percobaan tidak bergantung
pada percobaan yang lain.

2. Hanya ada dua kemungkinan hasil yang menarik untuk setiap percobaan. Itu hasil dapat
diklasifikasikan sebagai keberhasilan (S) atau sebagai kegagalan (F).

3. Peluang keberhasilan P(S) adalah sama untuk setiap percobaan.

4. Variabel acak x menghitung jumlah percobaan yang berhasil.

Notasi Eksperimen Binomial

Symbol Deskripsi

n Berapa kali percobaan diulang

P = P(S) Kemungkinan sukses dalam satu percobaan

q = P(F) kegagalan dalam satu percobaan (q= 1 − p)

x Variabel acak mewakili jumlah keberhasilan

dalam n percobaan: x = 0, 1, 2, 3,...,n.

Berikut adalah contoh sederhana percobaan binomial. Dari setumpuk kartu standar, Anda memilih
sebuah kartu, mencatat apakah itu tongkat atau bukan, dan mengganti kartu tersebut. Anda mengulangi
percobaan tersebut sebanyak lima kali, jadi n = 5. Hasil setiap percobaan dapat diklasifikasikan dalam
dua kategori: S = memilih klab dan F = memilih jenis yang lain. Kemungkinan keberhasilan dan kegagalan
adalah

Variabel acak x mewakili jumlah klub yang dipilih dalam lima uji coba. Jadi, nilai yang mungkin dari
variabel acak tersebut adalah

0, 1, 2, 3, 4, dan 5

Misalnya, jika x = 2, maka dua dari lima kartu tersebut adalah klub dan tiga lainnya bukan klub. Contoh
percobaan dengan x = 2 ditunjukkan di sebelah kiri. Perhatikan bahwa x adalah variabel acak diskrit
karena nilai yang mungkin dapat dicantumkan.
CONTOH 1

 Mengidentifikasi dan Memahami Eksperimen Binomial

Tentukan apakah eksperimen tersebut merupakan eksperimen binomial. Jika ya, tentukan nilai n, p, dan
q, dan daftarkan kemungkinan nilai variabel acak x. Jika tidak, jelaskan alasannya.

1. Prosedur pembedahan tertentu memiliki peluang keberhasilan sebesar 85%. Seorang dokter
melakukan prosedur pada delapan pasien. Variabel acak mewakili jumlah operasi yang berhasil.
2. Sebuah toples berisi lima kelereng merah, sembilan kelereng biru, dan enam kelereng hijau.
Anda secara acak memilih tiga kelereng dari toples, tanpa pengembalian. Variabel acak mewakili
jumlah kelereng merah.

 Solusi
1. Percobaan tersebut merupakan percobaan binomial karena memenuhi empat syarat percobaan
binomial. Dalam percobaan, setiap operasi mewakili satu percobaan. Ada delapan operasi, dan
setiap operasi tidak bergantung pada operasi lainnya. Hanya ada dua kemungkinan hasil untuk
setiap operasi, yaitu operasi berhasil atau gagal. Selain itu, kemungkinan keberhasilan setiap
operasi adalah 0,85. Terakhir, variabel acak x mewakili jumlah operasi yang berhasil.
n=8
p=0.85
q=1-0.85 = 0.15
x=0, 1, 2, 3, 4, 5, 6, 7, 8
2. Percobaan tersebut bukan percobaan binomial karena tidak memenuhi keempat syarat
percobaan binomial. Dalam percobaan, setiap pemilihan kelereng mewakili satu percobaan, dan
pemilihan kelereng merah dianggap berhasil. Ketika kelereng pertama dipilih, peluang suksesnya
adalah 5/20. Namun karena kelerengnya tidak diganti, peluang keberhasilan uji coba berikutnya
tidak lagi 5/20. Jadi, uji cobanya tidak independen, dan peluang keberhasilannya tidak sama
untuk setiap uji coba.

Formula Probabilitas Binomial

Ada beberapa cara untuk mencari peluang x keberhasilan dalam n percobaan percobaan binomial. Salah
satu caranya adalah dengan menggunakan diagram pohon dan Aturan Perkalian. Cara lainnya adalah
dengan menggunakan rumus probabilitas binomial.

Dalam percobaan binomial, peluang keberhasilan tepat x dalam n percobaan adalah

CONTOH 2

 Menemukan Probabilitas Binomial

Operasi lutut fraktur mikro memiliki peluang keberhasilan sebesar 75% pada pasien dengan lutut
degeneratif. Operasi dilakukan pada tiga pasien. Temukan probabilitas keberhasilan operasi pada tepat
dua pasien. (Sumber: Pusat Kedokteran Olahraga dan Ortopedi Illinois)

Penyelesaian 1: Gambarlah diagram pohon dan gunakan Aturan Perkalian.

Ada tiga hasil yang mempunyai tepat dua keberhasilan, dan masing-masing mempunyai a kemungkinan
9/64. Jadi, kemungkinan operasi yang berhasil tepat dua pasien adalah 3 (9/64) ≈ 0.422

Metode 2: Gunakan rumus probabilitas binomial.

Pada percobaan binomial ini, nilai n, p, q, dan x adalah n=3, p=3/4, q=1/4, dan x=2. Peluang tepat dua
operasi yang berhasil adalah

9
64

CONTOH 3

 Membangun distribusi binomial

Dalam sebuah survei, orang dewasa AS adalah diminta untuk memberikan alasan mengapa mereka suka
mengirim SMS di ponsel mereka telepon. Hasilnya ditampilkan dalam grafik. Tujuh orang dewasa yang
berpartisipasi dalam survei adalah dipilih secara acak dan ditanya apakah mereka suka mengirim pesan
karena lebih cepat dari panggilan. Buat binomial distribusi probabilitas untuk jumlah orang dewasa yang
merespons Ya

 Solusi

Dari grafik tersebut terlihat bahwa 56% orang dewasa menyukai SMS karena lebih cepat daripada
menelepon. Jadi, p = 0,56 dan q = 0,44. Karena n = 7, maka kemungkinan nilai x adalah 0,1,2,3,4,5,6, dan
7.

Perhatikan pada tabel di sebelah kiri bahwa semua probabilitas berada di antara 0 dan 1 dan jumlah
probabilitasnya adalah 1

Mencari Probabilitas Binomial

Contoh 2 dan 3, Anda menggunakan rumus probabilitas binomial untuk mencari probabilitas. Cara yang
lebih efisien untuk mencari probabilitas binomial adalah dengan menggunakan kalkulator atau
komputer. Misalnya, Anda dapat mencari probabilitas binomial menggunakan MINITAB, Excel, dan TI-
83/84 Plus.

CONTOH 4

 Mencari Probabilitas Binomial Menggunakan Teknologi

Hasil survei terbaru menunjukkan bahwa 67% orang dewasa di AS menganggap AC sebagai suatu
kebutuhan. Jika Anda memilih 100 orang dewasa secara acak, berapa probabilitas bahwa 75 orang
dewasa menganggap AC sebagai suatu kebutuhan?

 Solusi

MINITAB, Excel, dan TI-83/84 Plus masing-masing memiliki fitur yang memungkinkan Anda menemukan
probabilitas binomial secara otomatis. Coba gunakan teknologi ini. Anda harus mendapatkan hasil yang
serupa dengan berikut ini.

ADA SIMULASI

Interpretasi. Dari tampilan ini, anda dapat melihat bahwa probabilitas tepat 75 orang dewasa
menganggap AC sebagai kebutuhan adalah sekitar 0,02 kurang dari 0,05. Maka hal ini dapat dianggap
sebagai peristiwa yang tidak biasa.

SIMULASI DENGAN EXCEL

CONTOH 5

 Probabilitas Binomial Menggunakan Rumus

Sebuah survei menunjukkan bahwa 41% wanita di Amerika Serikat mempertimbangkan untuk membaca
aktivitas favorit mereka di waktu senggang. Anda memilih secara acak empat wanita AS dan
menanyakan apakah membaca adalah aktivitas waktu senggang favorit mereka. Tentukan peluang (1)
tepat dua orang menjawab ya, (2) paling sedikit dua orang menjawab ya, dan (3) kurang dari dua orang
menjawab ya. (Sumber: Louis Harris & Rekan)

 Solusi
1. Dengan menggunakan n = 4, p = 0,41, q = 0,59, dan x = 2, peluang terambilnya tepat dua wanita
menjawab ya adalah

2. Untuk mencari peluang paling sedikit dua orang perempuan menjawab ya, tentukan jumlah P(2),
P(3), dan P(4).

Jadi, peluang paling sedikit dua orang menjawab ya adalah

3. Untuk mencari peluang bahwa kurang dari dua perempuan akan menjawab ya, tentukan jumlah
P(0) dan P(1).

Jadi, peluang bahwa kurang dari dua orang akan menjawab ya adalah

Menemukan probabilitas binomial dengan rumus probabilitas binomial bisa menjadi proses yang
membosankan. Untuk mempermudah proses ini, Anda dapat menggunakan tabel probabilitas binomial.
Tabel 2 pada Lampiran B mencantumkan probabilitas binomial untuk nilai n dan p yang dipilih.

CONTOH 6

 Mencari Probabilitas Binomial Menggunakan Tabel

Sekitar sepuluh persen pekerja (16 tahun ke atas) di Amerika Serikat pulang pergi ke pekerjaan mereka
dengan menggunakan carpooling. Anda memilih delapan pekerja secara acak. Berapa probabilitas
bahwa empat dari mereka akan bekerja sama? Gunakan tabel untuk mencari probabilitasnya. (Sumber:
Survei Komunitas Amerika)

 Solusi
Sebagian dari Tabel 2 pada Lampiran B ditampilkan di sini. Dengan menggunakan distribusi untuk n = 8
dan p = 0,1, Anda dapat mencari probabilitas bahwa x = 4, seperti yang ditunjukkan oleh area yang
disorot pada tabel.

Interpretasi Jadi, peluang tepat empat dari delapan pekerja yang berkumpul untuk bekerja adalah 0,005.
Karena 0,005 kurang dari 0,05, maka hal ini dapat dianggap sebagai peristiwa yang tidak biasa.

Grafik Distribusi Binomial

Bagian 4.1, Anda mempelajari cara membuat grafik distribusi probabilitas diskrit. Karena distribusi
binomial adalah distribusi probabilitas diskrit, Anda dapat menggunakan proses yang sama.

CONTOH 7

 Membuat Grafik Distribusi Binomial

Enam puluh persen rumah tangga di Amerika Serikat memiliki konsol video game. Anda memilih enam
rumah tangga secara acak dan menanyakan apakah mereka memiliki konsol video game. Buatlah
distribusi probabilitas untuk variabel acak x. Kemudian buat grafik distribusinya. (Sumber: Deloitte LLP)

 Solusi

Untuk menyusun distribusi binomial, carilah probabilitas setiap nilai x. Dengan menggunakan n = 6, p =
0,6, dan q = 0,4, diperoleh persamaan berikut.

Anda dapat membuat grafik distribusi probabilitas menggunakan histogram seperti yang ditunjukkan di
bawah ini
Interpretasi Dari histogram, Anda dapat melihat bahwa tidak lazim jika tidak ada satu pun, hanya satu,
atau keenam rumah tangga yang memiliki konsol video game karena probabilitasnya yang rendah.

Mean, Variance, dan Deviasi Standar

Meskipun Anda dapat menggunakan rumus yang Anda pelajari di Bagian 4.1 untuk mean, varians, dan
deviasi standar dari distribusi probabilitas diskrit, properti dari distribusi binomial memungkinkan Anda
menggunakan rumus yang lebih sederhana.

Parameter Populasi Binomial

CONTOH 8

 Menemukan dan Menafsirkan Mean, Varians, dan Deviasi Standar

Di Pittsburgh, Pennsylvania, sekitar 56% hari dalam setahun berawan. Temukan mean, varians, dan
deviasi standar untuk jumlah hari berawan selama bulan Juni. Interpretasikan hasilnya dan tentukan
nilai yang tidak biasa. (Sumber: Pusat Data Iklim Nasional)

 Solusi

Ada 30 hari di bulan Juni. Dengan menggunakan n = 30, p = 0,56, dan q = 0,44, Anda dapat mencari
mean, varians, dan deviasi standar seperti gambar di bawah ini.
Interpretasi Rata-rata, terdapat 16,8 hari berawan selama bulan Juni. Deviasi standarnya sekitar 2,7
hari. Nilai yang lebih dari dua standar deviasi dari mean dianggap tidak biasa. Karena 16.8-2(2.7) = 11.4,
bulan Juni dengan 11 hari berawan atau kurang bukanlah hal yang biasa. Demikian pula, karena
16.8+2(2.7)= 22.2, bulan Juni dengan 23 hari berawan atau lebih juga merupakan bulan yang tidak biasa.

4.3 Distribusi Probabilitas yang Lebih Diskrit

Ditribusi Geometrik

Di bagian ini, Anda akan mempelajari dua distribusi probabilitas diskrit lainnya distribusi geometri dan
distribusi Poisson. Banyak tindakan dalam hidup yang diulang-ulang hingga kesuksesan terjadi. Misalnya,
kandidat CPA mungkin mengikuti ujian CPA beberapa kali sebelum menerima nilai kelulusan, atau Anda
mungkin harus mengirim email beberapa kali sebelum berhasil. terkirim. Situasi seperti ini dapat
direpresentasikan dengan distribusi geometri.

Defines

Distribusi geometri adalah distribusi probabilitas diskrit yang acak variabel x yang memenuhi kondisi
berikut.

1. Percobaan diulang sampai terjadi keberhasilan.

2. Uji coba yang berulang tidak bergantung satu sama lain.

3. Probabilitas keberhasilan p adalah konstan untuk setiap percobaan.

4. Variabel acak x menyatakan banyaknya percobaan yang pertama kesuksesan terjadi

Peluang keberhasilan pertama terjadi pada percobaan nomor x adalah

Dengan kata lain, ketika keberhasilan pertama terjadi pada percobaan ketiga, hasilnya adalah FFS, dan
probabilitasnya adalah P(x) = q . q . p, atau P(3)= p . q2

CONTOH 1

 Menemukan Probabilitas Menggunakan Distribusi Geometris

Pemain bola basket LeBron James melakukan lemparan bebas sekitar 74% dari keseluruhan waktunya.
Tentukan peluang terjadinya tembakan bebas pertama yang dilakukan LeBron pada percobaan ketiga
atau keempat. (Sumber: ESPN)

 Penyelesaian

Untuk mengetahui peluang LeBron melakukan lemparan bebas pertamanya ditembak pada percobaan
ketiga atau keempat, cari dulu peluang tembakan pertama yang dia buat akan terjadi pada percobaan
ketiga dan kemungkinan tembakan pertama dia membuat akan terjadi pada upaya keempat. Kemudian,
carilah jumlah hasilnya probabilitas. Menggunakan p= 0,74, q=0,26, dan x=3, Anda punya

Jadi, peluang LeBron melakukan tembakan bebas pertamanya pada lemparan bebas ketiga atau upaya
keempat adalah

Distribusi Racun

Dalam eksperimen binomial, Anda tertarik untuk mencari probabilitas sejumlah keberhasilan tertentu
dalam sejumlah percobaan tertentu. Misalkan Anda ingin mengetahui probabilitas terjadinya sejumlah
kejadian tertentu dalam satuan waktu atau ruang tertentu. Misalnya, untuk menentukan probabilitas
seorang karyawan akan sakit selama 15 hari dalam setahun, Anda dapat menggunakan distribusi
Poisson.

Definisi

Distribusi Poisson adalah distribusi probabilitas diskrit yang acak variabel x yang memenuhi kondisi
berikut.

1. Percobaan terdiri dari menghitung berapa kali x suatu peristiwa terjadi dalam interval tertentu.
Interval tersebut dapat berupa interval waktu, luas, atau volume.

2. Peluang terjadinya suatu peristiwa adalah sama untuk setiap interval.

3. Banyaknya kemunculan dalam satu interval tidak bergantung pada banyaknya kejadian di interval lain.

Peluang terjadinya tepat x dalam suatu interval adalah

dimana e adalah bilangan irasional yang kira-kira sama dengan 2,71828 dan merupakan jumlah rata-rata
kemunculan per satuan interval.

CONTOH 2

 Menggunakan Distribusi Poisson

Rata-rata jumlah kecelakaan per bulan pada suatu persimpangan tertentu adalah tiga. Berapa peluang
terjadinya empat kecelakaan di persimpangan tersebut pada suatu bulan tertentu?

 Penyelesaian

Dengan menggunakan x = 4 dan μ= 3, peluang terjadinya 4 kecelakaan pada suatu bulan di

persimpangan adalah

Dalam Contoh 2, Anda menggunakan rumus untuk menentukan probabilitas Poisson. Kamu bisa juga
gunakan tabel untuk mencari probabilitas Poisson. Tabel 3 pada Lampiran B mencantumkan Probabilitas
Poisson untuk nilai x dan yang dipilih. Anda dapat menggunakan alat teknologi, seperti MINITAB, Excel,
dan TI-83/84 Plus, untuk mencari probabilitas Poisson juga

CONTOH 3

 Mencari Probabilitas Poisson Menggunakan Tabel

Penghitungan populasi menunjukkan bahwa rata-rata jumlah kelinci per hektar yang hidup di suatu
lahan adalah 3,6. Gunakan tabel untuk mencari peluang ditemukannya tujuh ekor kelinci di lahan seluas
satu hektar.

 Solusi

Sebagian dari Tabel 3 pada Lampiran B ditampilkan di sini. Dengan menggunakan distribusi μ= 3,6 dan x
7, Anda dapat mencari probabilitas Poisson seperti yang ditunjukkan oleh area yang disorot pada tabel.

Interpretasi Jadi, peluang ditemukannya tujuh ekor kelinci pada suatu bilangan tertentu hektar adalah
0,0425. Karena 0,0425 kurang dari 0,05, maka ini dapat dianggap sebagai peristiwa yang tidak biasa