AAU 2 - Pertemuan 1-2
AAU 2 - Pertemuan 1-2
AKP7344
• Bastian Prayudha Hassan CNLA., CRMO., SSi., MSi.
• Prodi Aktuaria – Sekolah Tinggi Manajemen Asuransi Trisakti
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
SOME DISCRETE DISTRIBUTIONS
- Distribusi Peluang Acak Diskrit, digunakan untuk variabel acak diskrit.
- Yang termasuk ke dalam Distribusi Peluang Acak Diskrit adalah
- Distribusi Uniform (Seragam) Diskrit
- Distribusi Binomial
- Distribusi Geometrik
- Distribusi Negative Binomial
- Distribusi Poisson, dll
P( X = x ) = p(x ) =
1
, di mana x = 1,2,...,10
10
Hitunglah: P(X>3), E(X) dan Var(X)
Jawab:
P( X 3) = P( X = 4 atau X = 5 atau ... X = 10) =
7
10
1 1 1 1
E ( X ) = x. p(x ) = 1. + 2. + 3. + ... + 10. = 5.5
10 10 10 10
( )
Var ( X ) = E X 2 − E ( X )
2
cari dulu E (X ) :
2
10
10
10 10
10
maka :
( )
Var ( X ) = E X 2 − E ( X ) =
2 385
10
− 5.52 = 8.25 bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
- Bernoulli Trial adalah sebuah pengamatan yang memiliki 2 outcomes (misalnya “sukses” dan
“gagal”). Andaikan variabel acak diskrit X merupakan Bernoulli Trial, di mana outcome
“sukses” dinotasikan dengan X=1, sedangkan “gagal” dinotasikan dengan X=0.
Maka X memiliki fungsi peluang:
P( X = 1) = p dan P(X = 0) = 1 - p = q
X disebut juga variabel acak diskrit Bernoulli, dengan peluang “sukses” sebesar p.
- Contoh:
Di dalam suatu kepengurusan, akan dipilih 3 orang pengurus. Jika presentasi laki-laki
di dalam populasi tersebut adalah 50.9%. Maka berapakah peluang akan terpilih
laki-laki di dalam kepengurusan tersebut:
- sebanyak 1 orang
- sebanyak 2 orang
- sebanyak 3 orang(semuanya)
- tidak ada satupun
- sekurang-kurangnya 1 orang
- sebanyak-banyaknya 2 orang
- kurang dari 2 orang
p p
- Contoh:
Seseorang memiliki pengalaman suskes melemparkan bola masuk ke dalam keranjang
sebesar 60%. Berapakah peluangnya dia akan sukses memasukkan bola untuk pertama
kalinya di pelemparan yang ke-4? Berapakah peluangnya dia akan gagal memasukkan
bola untuk pertama kalinya di pelemparan yang ke-6?
http://stma-trisakti.ac.id bastian_hassan
SOAL UJIAN PAI
Mar-2015 (Nov-2012, No. 12)
10. Diketahui X memiliki distribusi binomial dengan E(x) = 8 dan deviasi standar x = 4.8
Hitunglah P (X=10)!
A. 0,217
B. 0,117
C. 0,711
D. 0,721
E. Tidak ada jawaban yang benar
Jun-2013
11. Misalkan seorang peserta pertandingan memanah mempunyai kemampuan tepat mengenai
sasaran adalah 65% dan mengambil n = 5 percobaan memanah sasaran. Misalkan X menunjukkan
banyaknya percobaan memanah sasaran dimana X mempunyai distribusi binomial.
Hitunglah P( X E ( X ))
(A) 0,000
(B) 0,116
(C) 0,312
(D) 0,428 bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
SOAL UJIAN PAI
Jun-2013 (Sep-2020, No. 17)
12. Misalkan X adalah variabel acak yang mempunyai distribusi geometrik dan standar deviasi
15
x =
2
Hitunglah P( X E ( X ))
(A) 0,50
(B) 0,56
(C) 0,64
(D) 0,70
Aug-2019
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
SOAL UJIAN PAI
Jun-2016
22. Sebagai bagian dari proses underwriting, setiap calon pemegang polis akan menjalani tes
tekanan darah tinggi. Misalkan 𝑋 merepresentasikan banyaknya jumlah test yang dilakukan
sampai dengan ditemukannya orang pertama yang menderita tekanan darah tinggi. Diketahui
nilai ekspektasi dari 𝑋 ialah 12,5. Berapa peluang bahwa orang keenam yang dites ialah orang
pertama yang menderita tekanan darah tinggi?
a. 0,001
b. 0,053
c. 0,080
d. 0,316
e. 0,394
Nov-2013
18. Misalkan Y adalah jumlah sukses di dalam n pengulangan yang saling bebas dari
1
percobaan acak yang mempunyai probabilitas sukses p = 4
p p2
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
- Contoh:
Seorang pelatih tim basket selalu menginstrusikan kepada pemainnya untuk melakukan
10 lemparan bebas yang “sukses” sebelum pemain tersebut meninggalkan lapangan.
Pemain tersebut memiliki pengalaman 75% berhasil melakukan lemparan bebas.
Berapakah peluangnya pemain tersebut akan “gagal” sebanyak 3 kali sebelum “sukses”
yang ke-10?
Hitunglah E(X) dan Var(X)!
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
- Distribusi Poisson
adalah distribusi peluang acak diskrit yang digunakan untuk menghitung
peluang banyaknya outcomes yang “sukses” dalam suatu kondisi/interval waktu tertentu
yang akan datang, di mana banyaknya outcomes yang “sukses” dalam suatu kondisi/
interval waktu tertentu di masa lampau, diketahui.
Andaikan variabel acak diskrit X menunjukkan outcomes yang “sukses” dalam suatu
kondisi/interval waktu tertentu yang akan datang, di mana banyaknya outcomes yang
“sukses” dalam suatu kondisi/interval waktu tertentu di masa lampau telah diketahui,
maka X memiliki fungsi peluang:
e − x
P( X = x ) =
x!
di mana :
e = epsilon = bilangan natural 2.7183
= banyaknya outcomes yang terjadi dalam kondisi/interval waktu tertentu di masa lampau
x = banyaknya outcomes yang terjadi dalam kondisi/interval waktu tertentu yang akan datang
Distribusi Poisson umumnya digunakan untuk kejadian yang sangat jarang terjadi di
dalam suatu kondisi/interval waktu tertentu.
http://stma-trisakti.ac.id bastian_hassan
Mean dan Variance nya:
E(X ) = x =
Var ( X ) = x2 =
- Contoh:
Berdasarkan pengalaman, seseorang memiliki rata-rata kesalahan ketik sebanyak 3 kata
per halaman. Berapakah peluangnya dia akan memiliki rata-rata kesalahan ketik
sebanyak 4 kata per halaman?
Berapakah peluangnya dia akan memiliki rata-rata kesalahan ketik sebanyak 6 kata per
2 halaman?
Hitunglah Ekspektasi dan Variance nya!
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
SOAL UJIAN PAI
Apr-2019
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
SOAL UJIAN PAI
Apr-2019
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
SOAL UJIAN PAI
Nov-2012
11. Seorang juru ketik secara rata-rata melakukan satu kesalahan ketik setiap 20 halaman.
Hasil ketikan yang harus diselesaikan adalah 300 halaman. Hitunglah probabilitas kesalahan
ketik lebih kecil dari 6 untuk 300 halaman tersebut.
(A) 0.00086
(B) 0.00279
(C) 0.05275
(D) 0.99721
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
SOAL UJIAN PAI
Apr-2019
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
SOME CONTINUOUS DISTRIBUTIONS
- Pada bab ini akan dibahas beberapa contoh Distribusi Peluang untuk variabel acak kontinu,
yang meliputi pembahasan Fungsi Distribusi Kumulatif (CDF) dan Fungsi Densitas (PDF).
Sehingga pada akhirnya, secara garis besar dapat digunakan untuk menghitung peluang,
Mean, Variance dan MGF.
- Beberapa Distribusi Peluang Kontinu:
-Distribusi Eksponensial
-Distribusi Normal (Gauss)
-dll
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
- Distribusi Eksponensial
Distribusi Eksponensial secara prinsip terkait dengan Distribusi Poisson. Distribusi
Eksponensial digunakan untuk variabel acak kontinu X, di mana X menunjukkan
waktu yang dibutuhkan untuk kejadian (outcome) berikutnya. X berada dalam selang
0, . Berikut ini adalah beberapa hal terkait Distribusi Eksponensial:
A). Fungsi Distribusi Kumulatif (CDF):
F X = 1 − 𝑒 −𝜆𝑥 ; 0 ≤ x ≤ ∞
Jika 𝜆 = rata−rata banyaknya kejadian dalam suatu selang waktu
𝛽 = rata − rata waktu yang dibutuhkan untuk kejadian berikutnya dalam selang waktu tersebut
1
maka: 𝛽 =
𝜆
1 1
misal: jika 𝜆 = rata−rata 10 kejadian dalam 1 jam, maka rata−rata waktu antar kejadian adalah 𝛽 = = jam atau 6 menit
𝜆 10
sehingga:
1
− 𝑥
F X = 1−𝑒 𝛽 ; 0≤x≤∞
𝐵). Fungsi Densitas (PDF):
1 −1𝑥
f x = 𝜆𝑒 −𝜆𝑥 = 𝑒 𝛽 ; 0 ≤ x ≤ ∞
𝛽
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
C.) E ( X ) = x =
1
=
D.) Var ( X ) = x2 =
1
= 2
2
E.) M x (t ) =
1
= ;t
−t 1 − t
- Contoh:
Misalkan waktu kedatangan bis mengikuti Distribusi Eksponensial, dengan rata-rata
kedatangan sebesar 4 kali kedatangan per jam. Jika seseorang menunggu
kedatangan bis sejak jam 12.00 siang, maka:
- Berapakah peluangnya dia menunggu sekurang-kurangnya hingga jam 12.15 siang
- Berapakah peluangnya dia menunggu sekurang-kurangnya hingga jam 12.25 siang
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
- Distribusi Normal
Suatu variabel acak X dikatakan mengikuti Distribusi Normal sehingga memiliki:
A). X~Normal 𝜇, 𝜎 2 atau X~N 𝜇, 𝜎 2
B). Untuk Distribusi Normal Standar (Baku), maka:
a). Z~N 0,1
b). PDF:
1 −1 𝑧 2
f(z) = 𝑒 2 ; −∞ < 𝑧 < ∞
2𝜋
c). CDF:
∞ ∞
1 1
−2𝑧 2
F(z) = Φ 𝑧 = 𝑃 𝑍 ≤ 𝑧 = න 𝑓 𝑧 𝑑𝑧 = න 𝑒 𝑑𝑧 ; −∞ < 𝑧 < ∞
2𝜋
−∞ −∞
d). E Z = 𝜇𝑧 = 0
e). Var Z = 𝜎𝑧2 = 1
𝑡 2ൗ
f). Mz 𝑡 = 𝑒 2
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
- Contoh:
Jika Z mengikuti Distribusi Normal Standar, maka hitunglah:
a). (− 2)
b). P(- 2 z -1)
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
C). Untuk Distribusi Normal, maka:
Misalkan: X = a.Z + b, di mana a > 0 dan −∞ < b < ∞, maka X~N 𝜇, 𝜎 2 sehingga:
a). E X = 𝜇x = 𝑏
b). Var X = 𝜎𝑥2 = 𝑎2
c). X = 𝜎. Z + 𝜇
𝑋−𝜇
Z=
𝜎
d). PDF:
1 1 𝑥−𝜇 2
−2 𝜎
f(x) = 𝑒 ; −∞ < 𝑥 < ∞
𝜎 2𝜋
e). CDF:
∞
𝑋−𝜇
F x =𝑃 𝑋≤𝑥 =Φ 𝑧 =Φ = 𝑃 𝑍 ≤ 𝑧 = න 𝑓 𝑥 𝑑𝑥
𝜎
−∞
1 𝑥−𝜇 2
∞ 1 −2
= −∞ 𝜎 2𝜋
𝑒 𝜎 𝑑𝑥 ; −∞ < 𝑥 < ∞
1
𝜇𝑡+2𝜎 2 𝑡 2
f). Mx 𝑡 = 𝑒
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
d − c−
g). P(c x d ) = −
( ) ( )
h). Jika X ~ N x , x2 dan Y ~ N y , y2 adalah saling bebas, maka :
(
X + Y ~ N x + y , x2 + y2 )
- Contoh:
Misalkan X berdistribusi Normal dengan Mean sebesar 5 dan Simpangan Baku sebesar
4. Maka hitunglah:
a). P( X 9.3)
b). P(- 2 X 6.9)
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
SOAL UJIAN PAI
Apr-2019 (Mei-2018, No. 29)
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
SOAL UJIAN PAI
Apr-2019
Nov-2018
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
SOAL UJIAN PAI
Nov-2019
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan
TERIMA KASIH
bastian_hassan
http://stma-trisakti.ac.id Bastian Prayudha Hassan