Anis Riani (2109060015) Refandi Pramudia (2109060068) Yustita Aida Fitri (2109060030) Biostatistik Program Studi S1 Ilmu Gizi Universitas Nahdlatul Ulama Nusa Tenggara Barat Variabel random merupakan parameter penting dalam sebuah 1. KATA PENGANTAR distribusi probabilitas. Variabel random adalah variabel yang 2. DISTRIBUSI PROBABILITAS nilainya ditentukan dari sebuah Distribusi probabilitas merupakan hasil percobaan. Variabel random suatu daftar atau kumpulan dari dinyatakan dengan huruf besar, probabilitas probabilitas peristiwa misalnya X, sedangkan nilainya yang mungkin terjadi. Distribusi dinyatakan dengan huruf kecil peluang yang demikian saling misalnya x. Sebagai contoh, pada berhubungan dengan semua nilai- pelemparan dua koin, huruf Y nilai yang mungkin terjadi dan menyatakan jumlah gambar yang berasal dari variabel random. muncul maka nilainya adalah y = Variabel random adalah variabel 0, 1 dan 2. Dari setiap nilai variabel yang nilainya merupakan suatu random yang memungkinkan akan bilangan yang ditentukan oleh memiliki probabilitas masing- terjadinya suatu percobaaan. masing yang disebut distribusi Fungsi distribusi probabilitas probabilitas. umumnya dibedakan menjadi distribusi probabilitas diskrit dan Kontinu. Di dalam distribusi probabilitas diskrit dan Kontinu terdapat beberapa macam distribusi. 1 panggilan telepon yang diterima setelah siaran TV mengudara adalah contoh variabel diskrit, karena bisa dihitung. a. Distribusi Binomial Sebuah eksperimen binomial terdiri dari percobaan yang berulang, dengan masing masing kemungkinan outcome dikategorikan sukses atau gagal, contoh : Bagan 1 Klasifikasi Distribusi Probabilitas Probabilitas ditemukannya polutan organik oleh BPOM 3. DISTRIBUSI PROBABILITAS DISKRIT dari beberapa sampel
Distribusi probabilitas diskrit produk air mineral
adalah suatu daftar atau dalam kemasan
distribusi di mana variabel b. Distribusi
randomnya mengasumsikan Hipergeometrik
masing-masing nilainya dengan Distribusi probabilitas
probabilitas tertentu. Variabel variabel random
diskrit memiliki jumlah nilai hipergeometrik x, yaitu
kemungkinan yang terbatas banyaknya sukses
atau jumlah yang tak terhingga dalam ampel random
dari nilai-nilai yang dapat berukuran n yang
dihitung. Kata “dihitung” diambil dari populasi N
berarti bahwa variabel random (di mana di dalam N
tersebut dapat dicacah dengah terkandung k sukses dan
menggunakan angka 1, 2, 3, N-k gagal). Distribusi
dst. Misalnya, jumlah hipergeometrik
didasarkan atas 2 sampling yang cukup puas, dan kurang dilakukan tanpa puas. pengembalian. Contoh : d. Distribusi Geometrik Pengujian kualitas Bila usaha yang saling permukaan kaleng bebas dan dilakukan minuman dengan berulang kali pengambilan random menghasilkan sukses tanpa pengembalian dengan peluang p, gagal sampai produk dengan peluang q = 1 – dinyatakan dalam p. Maka distribusi keadaan baik atau peluang variabel rusak. random x, yaitu c. Distribusi Multinomial : banyaknya usaha Eksperimen binomial sampai terjadinya menjadi eksperimen sukses pertama. multinomial jika pada Contoh : Peluang masing-masing banyak sumur yang percobaan mempunyai dibor sampai sumur lebih dari dua hasil yang dibor dapat kemungkinan outcome, mengeluarkan minyak. di mana masing-masing e. Distribusi Binomial percobaan identik dan Negatif (Pascal) independent, contoh : Banyaknya x percobaan Tim Reseacrh and yang dibutuhkan untuk Development dari menghasilkan k sukses sebuah perusahaan disebut variabel random mengadakan kuesioner binomial negatif, dan untuk mengukur tingkat distribusinya disebut kepuasan pelanggan distribusi binomial terhadap produk dari negatif. Distribusi perusahaan tersebut. pascal digunakan untuk Peluang jawaban mengetahui bahwa kuesioner terdiri dari sukses ke-k terjadi pada sangat puas, puas, usaha ke-x. cotoh : 3 Probabilitas jumlah adalah mata dadu inspeksi yang dilakukan pertama yang muncul, x pada 20 part of product adalah distribusi sampai ditemukan 3 uniform dengan part yang harus di probabilitas 1/6 untuk rework. tiap nilai R = {1, 2, ..., f. Distribusi Poisson 6} Distribusi poisson adalah distribusi yang menghasilkan nilai 4. DISTRIBUSI PROBABILITAS CONTIU numerik dari variabel a. Distribusi Normal random x pada selang Salah satu distribusi yang waktu yang tertentu sering digunakan untuk atau daerah tertentu. distribusi variabel random. Contoh : Jumlah telepon Variabel random yang masuk yang diterima mempunyai rata-rata dan dalam waktu satu jam di variansi yang berbeda dapat suatu kantor atau digambarkan dengan banyaknya kesalahan distribusi normal. Distribusi pengetikan per halaman normal memiliki kurva oleh seorang sekretaris berbentuk lonceng yang baru. simetris yang ditentukan g. Distribusi Uniform oleh rata-rata yang Diskrit dituliskan di tengah kurva Variabel random x dan variansi untuk berdistribusi diskrit menentukan lebarnya uniform jika setiap n kurva. Contoh : Distibusi berada pada range, normal banyak dicontohkan misal x1, x2, ..., xn di dalam kehidupan sehari- mana probabilitas sama. hari maupun di dunia Contoh : Mata dadu dari industri. Misalnnya pada sebuah dadu terdiri dari industri sepatu rata-rata angka 1 - 6. Jika dadu panjang sepatu yang dibuat dilempar sekali dan x 4 oleh operator berdistribusi waktu yang dibutuhkan normal. sampai kejadian ke r dalam b. Distribusi Uniform proses Poisson, maka Sebuah distribusi probabilitas kepadatan ini probabilitas yang didefinisikan sebagai mempunyai probabilitas distribusi Erlang. Contoh : yang sama untuk semua Probabilitas kesalahan kemungkinan variabel (error) laser ketiga dalam random yang muncul. mesin sitogenik lebih dari Contoh : Probabilitas 50000 jam. volume minuman kaleng e. Distribusi Gamma dimana pengisian minuman Distribusi gamma dilakukan dengan mesin merupakan teori yang dalam sebuah industri mendasari distribusi erlang softdrink. dan eksponensial,, r pada c. Distribusi Eksponensial distribusi ini dapat bernilai Distribusi probabilitas yang non integer. Contoh : digunakan untuk mengukur Diaplikasikan untuk waktu antara dua kejadian mengukur waktu untuk sukses atau jarak satu menyelesaikan pekerjaan interval proses poisson. dan sering digunakan dalam Contoh : waktu selisih teori antrian. operator menerima antara 2 f. Distribusi Beta panggilan atau waktu Distribusi beta merupakan kedatangan pelanggan sebuah penjabaran dari dalam system distribusi uniform. Contoh : d. Distribusi Erlang Digunakan untuk Sebuah generalisasi dari mengetahui keandalan distribusi eksponensial suatu mesin adalah lama waktu yang g. Distribusi Weibull dibutuhkan sampai r Distribusi Weibull sering kejadian terjadi dalam digunakan untuk proses Poisson. Disaat X menghitung waktu yang dalam hal ini menunjukkan dicapai sampai terjadinya 5 kerusakan suatu sistem Distribusi F digunakan fisik. Contoh : Menentukan apabila terdapat 2 buah waktu lifetime dari populasi yang berdistribusi penggunaan roller bearing normal dan independen secara mekanis sampai dimana rata-rata populasi struktur bahan rusak (gagal) dan variansinya tidak h. Distribusi Lognormal diketahui. Contoh : Untuk Variabel dalam sistem menguji variansi 2 populasi terkadang mengikuti dan dapat menguji rata-rata distribusi eksponensial pada variansi 3 atau lebih dengan variabel X adalah populasi (ANOVA) exp(W). Saat W k. Distribusi Chi Square (X2) ditranformasikan Seperti pada distribusi t, menggunakan logaritma distribusi chi-square dan menjadi distribusi mempunyai satu parameter, normal, maka distribusi dari yaitu derajat kebebasan variabel X ini disebut (df). Derajat kebebasannya distribusi lognormal. dapat dihitung Contoh : Menguji umur menggunakan formula yang pakai suatu alat berbeda dari pengujian i. Distribusi Student (t) yang berbeda. Bentuk kurva Misalkan X1, X2,....,Xn distribusi chi-square merupakan sampel random berbentuk skewness positif dari suatu distribusi normal dari df yang terkecil sampai dengan rata-rata dan standar df yang paling besar. deviasi yang tidak Contoh : Digunakan untuk diketahui. Variabel random uji Goodness of fit. berdistribusi t dengan (menguji suatu data apakah derajat kebebasan n-1. sesuai dengan distribusi Contoh : Untuk menguji tertentu) dua rata-rata dengan sampel kecil (n<30) 5. KESIMPULAN j. Distribusi F Probabilitas adalah besarnya kesempatan (kemungkinan) suatu 6 peristiwa akan terjadi. Berdasarkan yang menjadi perhatian , Hitung pengertian probabilitas tersebut, probabilitas peristiwa A. Fungsi terdapat hal-hal yang penting yaitu distribusi probabilitas umumnya besarnya kesempatan dan peristiwa dibedakan menjadi distribusi akan terjadi. Manfaat probabilitas probabilitas diskrit dan Kontinu dalam kehidupan sehari-hari adalah membantu kita dalam mengambil REFERENCES suatu keputusan, serta meramalkan kejadian yang mungkin Terjadi. Dalam menghitung probabilitas, terdapat beberapa langkah yang dapat dilakukan yaitu Tentukan percobaan yang dilakukan, Tentukan ruang sampel S, Tentukan peluang tiap titik sampel ,Tentukkan peristiwa A