DISTRIBUSI PROBABILITAS (L)

Variabel Random:
• Diskrit : digunakan untuk data cacah
• Kontinu : digunakan untuk data ukur
Distribusi Probabilitas variabel random diskrit :
Binomial, Hipergeometrik, Poisson
Distribusi Probabilitas variabel random kontinu :
Normal, t, F

Distribusi Binomial
 Gabungan dari n kejadian bernoulli yang saling
independen
 Kejadian bernoulli : Suatu kejadian dengan dua hasil
yang mungkin :
 Sukses (S) : peluang p atau

 Gagal (G) dengan peluang 1-p

 Diperhatikan var random X = banyaknya sukses

dalam n trial

1
Var Rand Binomial
 Diperhatikan
 X = banyaknya S dalam n trial ;
 Harga X yang mungkin : 0,1,2,…,n
 Ada x kejadian sukses dengan peluang
px dan n-x kejadian sukses,
gagal dengan peluang (1-p)n-x
n
f (x)  P(X  x)    pxqnx , x  0,1,...,n
 x 3

Lambang
 X~Bin(n;p)
 n parameter banyaknya percobaan
 P adalah parameter peluang sukses
 ~ simbol untuk distribusi
 E(X) = np ; rata-rata (mean) nilai X
 V(X) = npq ; besarnya variansi

2
Contoh
 Dari lima saham yang diperdagangkan
berapakah peluang :
 Tepat saham A dan B akan naik
 Lebih dari 3 saham naik

X = jumlah saham naik ; p = 0.5 (fifty-2)

X~Bin(5;0.5) ; E(X) = 2.5  5 2 3
 P(2 saham naik ) = f 2   0.5 0.5
 P(X>=3) = 1-P(X<=2)
 2
 Memakai tabel binomial kumulatif
5

Contoh : jika diamati 15 orang mahasiswa, berapakah probabilitas

mendapat 9 orang dengan nilai A ? Berapakah rata yang mendapat
nilai A ?
Dengan menunjukkan bahwa
X = banyaknya yang mendapat nilai A
1
adalah variabel random binomial dengan n = 15 dan p = 5

9 15 9
15   1   4 
f (9)  P(X  9)       
 9  5  5
9 6
15!  1   4 
    
9 ! 6!  5   5 
 PX  9   P( X  8) dihitung langsung
 ...
menggunakan tabel distribusi binomial

  np
1
 15 .
5 6

3
Distribusi Hipergeometrik

 Misalkan ada sebuah populasi berukuran N di

antaranya terdapat D buah termasuk kategori
tertentu. Dari populasi ini sebuah sampel acak
diambil berukuran n. Pertanyaan yang timbul ialah
: berapa peluang dalam sampel itu terdapat x
buah termasuk dalam kategori itu ?Jawabnya
ditentukan oleh distribusi hipergeometrik di bawah
ini :  D  N  D 
   
 x   n  x 
P( X ) 
N 
 
n
7

Distribusi Hipergeometrik

Dengan x = 0, 1, 2, …………,n . Rata-rata distribusi

hipergemetrik adalah  = n D/N
Contoh :
Sekelompok mahasiswa terdiri atas 50 orang dan 3
diantaranya lahir pada tanggal 1 Januari. Secara acak
diambil 5 orang. Berapa peluangnya diantara 5 orang
tadi :
a. Tidak terdapat yang lahir pada tanggal 1 Januari.
b. Terdapat tidak lebih dari seorang yang lahir pada
tanggal 1 Januari

4
 Penyelesaian :

a. Ambil x = banyak orang diantara n = 6 yang

lahir pada tanggal 1 Januari. Maka dengan N =
50 dan D = 3, memberikan :
 3  47 
  
0 5
P ( 0 )      0 .724
 50 
 
5

Peluang = 0.724 bahwa kelima orang itu tidak

lahir pada tanggal 1 Januari.

Penyelesaian :

b. Tidak lebih dari seorang yang lahir pada tanggal 1

Januari, berati x = 0 dan x = 1.
P(0) sudah dihitung di atas.
 3   47 
   
1 4
P (1 )       0 . 253
 50 
 
 5 
Sehingga peluang paling banyak seorang diantara
5 orang itu yang lahir pada tanggal 1 Januari =
0.724 + 0.253 = 0.977.

10

5
 Distribusi Poisson
 Variabel acak diskrit X dikatakan mempunyai
distribusi Poisson jika fungsi peluangnya
berbentuk :
eλ λ x
P( X )  P( X  0) 
x !
Di mana x = 0, 1, 2, 3, …………………, e = 2.7183
 (baca : lamda) = sebuah bilangan tetap.
Distribusi Poisson ini juga mempunyai parameter
sebagai berikut :  =  dan  = 

11

Distribusi Poisson
Distribusi Poisson sering digunakan untuk menentukan
peluang sebuah peristiwa yang dalam area kesempatan
tertentu diharapkan terjadinya sangat jarang.
Contoh :
a. Banyak orang yang lewat melalui muka pasar setiap
hari, tetapi jarang terjadi seseorang yang
menemukan barang hilang dan mengembalikannya
kepada si pemilik atau melaporkannya kepada polisi.
b. Dalam tempo setiap 5 menit, operator telepon
banyak menerima permintaan nomor untuk
disambungkan, diharapkan jarang sekali terjadi
salah sambung.
12

6
 Dist Poisson
 Var X~Pois(µ)  Contoh
 x e   Banyaknya telepon
f (x; )  ; x  0 ,1, 2 ,...
x! dalam periode ttt
 Banyaknya
 X = jumlah kejadian pelanggan pada
tertentu dalam counter
satuan unit waktu
atau ruang  Banyaknya kcelakaan
 µ = rata-rata  Banyaknya mesin
kejadian rusak
 E(X) = V(X) = µ  dll
13

Contoh
 Rata-rata banyaknya kecelakaan disuatu persimpangan
jalan raya adalah 2 perminggu. Anggap mengikuti
poisson
 Peluang tidak ada kecelakaan selama 1 minggu

 Peluang paling banyak 3 kecelakaan dlm 2 minggu

2 0 e 2
P (X  0)  0!  0 ,135
P(X  3)  P(X  0)  ...  P(X  3)
 0,433

14

7
Distribusi Poisson
 Distribusi Poisson dapat pula dianggap sebagai
pendekatan kepada distribusi binomial. Jika dalam
hal distribusi binomial, N cukup besar sedangkan p =
peluang terjadinya peristiwa A, sangat dekat dengan
nol sedemikian sehingga  = Np tetap, maka
distribusi binomial seperti dalam rumus tersebut
sangat baik didekati oleh distribusi Poisson seperti
yang tertera dalam rumus.
 Untuk penggunaannya, kita lakukan pendekatan ini
jika N  50 sedangkan Np < 5.

15

CONTOH
Peluang seseorang akan mendapat reaksi buruk setelah
disuntik = 0.0005. Dari 4000 orang yang disuntik,
tentukan peluang yang mendapat reaksi buruk :
a. tidak ada
b. ada 2 orang
c. lebih dari 2 orang dan
d. tentukan ada berapa orang diharapkan yang akan
mendapat reaksi buruk.

16

8
Penyelesaian :
a. Dengan menggunakan pendekatan distribusi
Poisson kepada distribusi binomial, maka  = Np
= 4000 x 0.0005 = 2.
Jika X = banyak orang yang mendapat reaksi
buruk akibat suntikan itu, maka :

e2 20
P(0)   0.1353
0!

17

Penyelesaian :
b. Dalam hal ini X = 2, sehingga :

e 2 22
P(2)   0.2706
2!
Peluang ada 2 orang mendapat reaksi buruk
ialah 0.2706.

18

9
Penyelesaian :
c. Yang menderita reaksi buruk lebih dari 2 orang, ini
berarti X = 3, 4, 5,……tetapi P(0) + P(1) + P(2) +
P(3) + …………….= 1, maka P(3) + P(4) + ….= 1
– P(0) – P(1) – P(1) – P(2).
Harga-harga P(0) dan P(2) sudah dihitung di atas.
e 2 21
P(1)   0.2706
1!
Sehingga peluang dicari adalah =
1 – (0.1353 + 0.2706 + 0.2706) = 0.3235.

19

Penyelesaian :
d. Ini tiada lain yang diminta adalah dalam
menentukan rata-rata , di atas sudah dihitung
yaitu  = 2

20

10
 LATIHAN SOAL
1. Suatu kotak berisi 40 suku cadang dikatakan dapat
diterima bila mengandung paling banyak tiga yang
cacat. Suatu kotak akan ditolak bila sample acak
ukuran 5 suku cadang yang terpilih mengandung
satu cacat. Berapakah peluang dari 5 suku cadang
tsb :.
a. Terdapat tepat satu yang cacat
b. Paling banyak terdapat 2 yang cacat

21

LATIHAN SOAL
2. Menurut pengalaman karyawan suatu Yayasan
Badan Penerbit sebuah mesin sternsil merk “X”
setiap menstensil 1000 buah kertas akan membuat
kerusakan selembar kertas. Pada suatu waktu kita
akan menstensilkan sebanyak 250 lembar. Berapa
nilai peluang akan terdapat kerusakan sebanyak :
a. Kurang dari 5 lemba
b. Antara 3 dan 5 lembar

22

11
 LATIHAN SOAL
3. Lima belas persen dari seluruh peristiwa kecelakaan
pesawat terbang yang pernah terjadi adalah
disebabkan karena kelalaian awak pesawat,
selebihnya karena factor-faktor teknis. Tentukan
peluang bahwa dari 5 kecelakaan yang terjadi pada
tahun 2020 tsb :
a. Dua diantaranya karena kelalaian awak pesawat
b. Tidak lebih dari satu kali yang disebabkan oleh
kelalaian awak pesawat

23

12